Chapitre III : Matériels et méthodes
2022
30
utiliser les données de géolocalisation, les informations sur l’orbite et le modèle numérique de
terrain pour empiler (stacker) les 2 produits avec une bonne précision.
L’étape qui suit « enhanced-spectral-diversity » est une amélioration de la précédente.
L’algorithme va estimer le décalage constant de l’ensemble des sous-fauchées (Subswath) des
image Sentinel1-slc en utilisant « increment cross correlation » puis estime le décalage constant
en azimuth en utilisant l’algorithme « spectral enhanced diversity » et enfin opère une correction
en « range » et en « azimuth » de chaque burst en utilisant le décalage en range et en azimuth
précédemment estimés. Cette étape permet d’améliorer la précision du co-registrement.
Ceci étant fait, l’image cohérence peut alors être calculée.
Qu’est-ce que la cohérence ? lorsque nous travaillons avec des données complexes qui
contiennent beaucoup d’informations, le bruit de la phase peut être estimé à partir de la cohérence
locale. Les valeurs de la cohérence varient entre 0 où la phase interférométrique est juste un bruit
à 1 qui correspond à une absence totale de la phase. La cohérence est une relation entre les ondes
EOM de 2 trains d’ondes qui sont cohérents lorsqu’ils sont en phase. Comment la cohérence va
nous aider à classifier les régions urbanisées ou modifiées par l’homme ? Ces dernières sont
capables de maintenir un haut niveau de la cohérence même après plusieurs années parce qu’elles
sont très stables, il est rare d’imaginer que les bâtissent changent de positions ou de formes
comparativement à la végétation et les champs agricoles qui varient beaucoup dans l’espace de
quelques jours.
L’étape suivante est l’élimination des bandes noires qui se trouvent entre les bursts. Les différents
vides noirs vont disparaitre pour obtenir une image unifiée. La résolution spatiale sera d’environ
15 m.
L’étape suivante est l’application d’un multilooking afin d’éliminer le chatoiement ou l’effet
poivre et sel (speckle).
Comme l’acquisition d’une image radar se fait dans le mode « slant range », les détails en hauteur
sont positionnés avec des distorsions géométriques raison pour laquelle il est nécessaire
d’appliquer des corrections de terrain en utilisant un modèle numérique de terrain. Les corrections
de terrain permettent de faire passer une image du mode « slant range » au mode « groud range ».
En même temps, l’image est projetée dans un système de référence cartographique dans notre cas,
c’est le WGS 84 UTM 31.
2022
30
utiliser les données de géolocalisation, les informations sur l’orbite et le modèle numérique de
terrain pour empiler (stacker) les 2 produits avec une bonne précision.
L’étape qui suit « enhanced-spectral-diversity » est une amélioration de la précédente.
L’algorithme va estimer le décalage constant de l’ensemble des sous-fauchées (Subswath) des
image Sentinel1-slc en utilisant « increment cross correlation » puis estime le décalage constant
en azimuth en utilisant l’algorithme « spectral enhanced diversity » et enfin opère une correction
en « range » et en « azimuth » de chaque burst en utilisant le décalage en range et en azimuth
précédemment estimés. Cette étape permet d’améliorer la précision du co-registrement.
Ceci étant fait, l’image cohérence peut alors être calculée.
Qu’est-ce que la cohérence ? lorsque nous travaillons avec des données complexes qui
contiennent beaucoup d’informations, le bruit de la phase peut être estimé à partir de la cohérence
locale. Les valeurs de la cohérence varient entre 0 où la phase interférométrique est juste un bruit
à 1 qui correspond à une absence totale de la phase. La cohérence est une relation entre les ondes
EOM de 2 trains d’ondes qui sont cohérents lorsqu’ils sont en phase. Comment la cohérence va
nous aider à classifier les régions urbanisées ou modifiées par l’homme ? Ces dernières sont
capables de maintenir un haut niveau de la cohérence même après plusieurs années parce qu’elles
sont très stables, il est rare d’imaginer que les bâtissent changent de positions ou de formes
comparativement à la végétation et les champs agricoles qui varient beaucoup dans l’espace de
quelques jours.
L’étape suivante est l’élimination des bandes noires qui se trouvent entre les bursts. Les différents
vides noirs vont disparaitre pour obtenir une image unifiée. La résolution spatiale sera d’environ
15 m.
L’étape suivante est l’application d’un multilooking afin d’éliminer le chatoiement ou l’effet
poivre et sel (speckle).
Comme l’acquisition d’une image radar se fait dans le mode « slant range », les détails en hauteur
sont positionnés avec des distorsions géométriques raison pour laquelle il est nécessaire
d’appliquer des corrections de terrain en utilisant un modèle numérique de terrain. Les corrections
de terrain permettent de faire passer une image du mode « slant range » au mode « groud range ».
En même temps, l’image est projetée dans un système de référence cartographique dans notre cas,
c’est le WGS 84 UTM 31.