Généralisation sélective en mode image d'une classification satelittale
Résumé
The generalisation of a classified stelitte image roughly consists in smoothing the boundaries of the patches and eliminating the too small ones. This process allows adjusting the level of detail of the spacial representationto th of the document as well as to the desired output scale. It also simplifies the possible vectorization of the image, for example for input and furher processing in a vector based GIS. We first review the different techniques encountered in the litterature for raster generalisation. Then, we present the Lansat TM image classification over Vietnam taken here as example, and show that the different classes it contains do not need the same kinf of generalisation. The different processing we suggest for the image relies mainly on image flitering and mathematical morphology operators, the latter being slightly to suit the particularies of « class image » processing, as opposed to binary or grey level images.
The main originality of this work relies on the specific processing applied to some classes related to their specific characteristics. For example, the « water » class, although not widespread over the image, has a high thematic importance and is also accurately delimited thanks to a good spectral discrimination. This class will have its spatial extend little modified, only slightly exaggerated by removing the small gaps in its patches. An other important feature of the proposed methodology is the aggregation of highly scattered or interspersed classes which would otherwise be very difficult to generalise without inducing biases.
La généralisation d'une image satelittale classée consiste globalement à lisser les contours des plages et à en éliminer les petites. On adapte ainsi le niveau de la représentation à la précision réelle du document ainsi qu'à l'échelle de sortie souhaitée, tout en facilitant une éventuelle vectorisation de l'image. Nous passons en revue les différentes techniques de généralisation en mode image rencontrées dans la littérature. L'image classée montre que toutes les classes ne présentent pas les mêmes besoins de généralisation. Les traitements effectués font principalement appel à des filtrages de l'image et à des opérateurs adaptés de la morphologie mathématique. L'originalité principale de notre démarche réside dans la spécificité du traitement effectué pour chaque classe en fonction des caractéristiques. Par exemple, une classe thématiquement importante comme l'eau, délimitée avec une bonne justesse mais peu étendue spatialement, verra son étendue peu modifiée et très légèrement exagérée par rapport aux autres classes. Une autre originalité de notre démarche est de proposer une méthode d'agrégation de classes fortement imbriquées et difficiles à généraliser indépendamment. Ainsi, les cultures, en partie itinérantes et disséminées dans la montagne, sont extraites puis agrégées pour former une image comportant trois niveaux de densité de cultures, qui est ensuite combinée aux autres classes. Enfin, le reste de la classification est généralisé globalement, d'abord par lissage des contours des plages, puis par élimination des petites plages subsistantes. On retiendra de ce travail différentes méthodes et outils qu'il est possible d'enchaîner et paramétrer, en fonction de ses besoins.