RÉSUMÉ
Le présent article a pour objectif principal d'étudier la pertinence et la contribution des données multipolarisations et texturales à la reconnaissance des cultures. À partir de cet objectif principal, nous nous sommes fixés trois objectifs spécifiques dont le premier est d'évaluer la performance des données multipolarisations dans la reconnaissance des cultures. Le deuxième objectif est d'étudier et d'évaluer l'apport de l'information texturale à la classification des cultures par les données multipolarisations. Le troisième objectif est de développer une nouvelle approche permettant une intégration adéquate et flexible des analyses multipolarisations et texturales.
Selon ces objectifs fixés l'étude a été subdivisée en trois volets. Dans le premier volet, deux méthodes de classification, dirigée et non dirigée, ont été utilisées. Les résultats montrent que les données multipolarisations offrent un moyen approprié pour la reconnaissance des cultures avec une nette supériorité (10% à 20% de plus) par rapport à l'utilisation d'une seule polarisation. Les résultats du second volet montrent que d'une part les paramètres de texture «accentuation des valeurs élevées» et «moyenne», issus de l'histogramme de troisième et premier ordre respectivement, donnent la meilleure discrimination entre cultures. D'autre part, l'intégration des meilleurs paramètres de texture, parmi ceux qu'on a étudié, avec les données multipolarisations permet une augmentation du taux de classification correcte de l'ordre de 10%. Dans le dernier volet, la nouvelle méthode d'intégration des données multipolarisations avec les données texturales permet, par rapport à la méthode classique d'intégration, une diminution du nombre de pixels non classifiés et une réduction du temps de calcul de 30 % tout en conservant la même performance discriminante et une meilleure précision spatiale.
SUMMARY
The objective of this paper is to evaluate the application of texture and multipolarisation data for crop identification. The main objective is subdivided into three specific objectives. The first is to evaluate the application of multipolarisation data for crop identification. The second is to evaluate the contribution of texture data to crop classification from multipolarisation data. The third objective is to develop a new approach allowing for adequate and flexible integration of multipolarisation and textural analysis.
Based on these objectives, the study was subdivided into three parts. In the first part, two classification methods, supervised and unsupervised, were used. The results indicate that data from multipolarisation are appropriate for crop identification and provide superior discrimination results (10 to 20% better) compared to the use of a single polarisation. The results from the second part, on one hand, indicate that “high value enhancement” and “mean” parameters for texture, derived from the third and first order histogram respectively, provide the best discrimination between crops. On the other hand, the integration of the best parameters for texture that were studied using multipolarisation data provided improved classification accuracies by about 10%. In the last part, the new approach of integrating multipolarisation and texture data compared to the conventional method permitted a reduction of the number of non-classified pixels and a reduction of the time for computation by 30%, and at the same time still providing the same performance for discrimination and a better spatial accuracy.
Additional information
Notes on contributors
H. Anys
H. Anys et D.-C. He sont avec le Centre d'applications et de recherches en télédétection (CARTEL), Université de Sherbrooke.
D.-C. He
H. Anys et D.-C. He sont avec le Centre d'applications et de recherches en télédétection (CARTEL), Université de Sherbrooke.