Caractérisation des types d'occupation du sol en milieu urbain à partir de l'imagerie Radarsat-1 et -2: Approche texturale

Abstract

Cette étude vise à tester la pertinence des images radar à synthèse d'ouverture (RSO) de moyenne et de haute résolution à la caractérisation des types d'occupation du sol en milieu urbain à partir d'une approche texturale. Plus spécifiquement, on recherche les paramètres de texture les plus pertinents pour discriminer les objets urbains. À cet égard, ont été utilisées, des images Radarsat-1 en mode fin en polarisation HH et Radarsat-2 en mode fin en double et quadruple polarisation et en mode ultrafin en polarisation HH. Les occupations du sol recherchées étaient le bâti dense, le bâti de densité moyenne, le bâti de densité faible, le bâti industriel et institutionnel, la végétation de faible densité, la végétation dense et l'eau. Neuf paramètres de texture ont été analysés, et regroupés en familles selon leur définition mathématique. Les paramètres de ressemblance et (ou) de dissemblance regroupent l'homogénéité, le contraste, le moment différentiel inverse et la dissimilarité. Les paramètres de désordre sont l'entropie et le deuxième moment angulaire. L’écart type et la corrélation sont des paramètres de dispersion, et la moyenne est une famille à part. Il ressort des expériences que certaines combinaisons de paramètres de texture provenant de familles différentes, utilisés dans les classifications, donnent de très bons résultats, alors que d'autres associations génèrent des kappa peu intéressants. Par ailleurs, si l'utilisation de plusieurs paramètres de texture améliore les classifications, la performance de celles-ci plafonne à partir de trois paramètres. Le calcul des corrélations entre les textures et leurs axes principaux confirme les résultats obtenus.

This study aims to test the relevance of synthetic aperture radar images of medium and high resolution on the characterization of the types of land use in urban areas. To this end, we relied on textural approaches based on second-order statistics. Specifically, we look for texture parameters most relevant for discriminating urban objects. In this regard, we used Radarsat-1 in fine polarization mode and Radarsat-2 HH fine mode in dual and quad polarization and ultrafine mode HH polarization. The land uses sought were dense buildings, medium density buildings, low density buildings, industrial and institutional buildings, low density vegetation, dense vegetation, and water. We identified nine texture parameters for analysis, grouped into families according to their mathematical definitions in a first step. The parameters of similarity and (or) dissimilarity include homogeneity, contrast, the differential inverse moment, and dissimilarity. The parameters of disorder are entropy and the second angular momentum. Standard deviation and correlation are the dispersion parameters, and the average is a separate group. It is clear from experience that certain combinations of texture parameters from different groups used in classifications yield good results, while others produce kappa values of very little interest. Furthermore, we realize that if the use of several texture parameters improves classifications, its performance reaches a maximum from three parameters. The calculation of correlations between the textures and their principal axes confirms the results.

Notes

¹ - ERS-1 et ERS-2 lancés respectivement en 1991 et en 1995

- JERS-1 lancé en 1992

- Radarsat-1 lancé en 1995 et Radarsat-2 en 2007