Comparaison entre les méthodes J-SEG et MEANSHIFT : application sur des données THRS
DOI :
https://doi.org/10.52638/rfpt.2013.27Résumé
L'avènement des données à Très Haute Résolution Spatiale (THRS) rend les méthodes de classification basées pixels inadéquates. En effet, la résolution spatiale fine offerte par ces capteurs engendre une forte variabilité intra-classes. Afin de pallier cette carence, les méthodes de classification actuelles visent à traiter non pas le pixel individuellement mais à opérer sur les objets (ensemble de pixels) qui composent l'image, on parle alors de classification orientée objets. Généralement, elles sont composées de trois étapes : (1) Segmentation; (2) Caractérisation des objets; et enfin (3) La classification.Dans ce travail, on s'intéresse seulement à la segmentation des données à THRS à travers deux algorithmes de segmentation d'images couleur à savoir: l'algorithme J-SEG et l'algorithme MeanShift. Une étude comparative entre les deux algorithmes a été conduite à la fois sur des données synthétiques et des données réelles acquises par le satellite QuickBird sur une région urbaine de la ville d'Alger (Algérie). L'analyse quantitative des résultats de segmentation en utilisant les critères d'évaluation non supervisés de Levin-Nazif et de Borsotti ainsi qu'une évaluation supervisée basée sur un ensemble de référence montre que la segmentation obtenue par l'algorithme MeanShift est meilleure que celle obtenue par l'algorithme J-Seg. Une seconde comparaison a été menée entre l'algorithme MeanShift et la méthode de segmentation multi-échelles implémentée dans le logiciel ENVI Zoom 4.5. Les résultats comparatifs laissent apparaitre l'efficacité de l'algorithme MeanShift.
Téléchargements
Les données relatives au téléchargement ne sont pas encore disponibles.
Téléchargements
Publié-e
2014-04-08
Comment citer
Cheriguene, R. S., & Mahi, H. (2014). Comparaison entre les méthodes J-SEG et MEANSHIFT : application sur des données THRS. Revue Française de Photogrammétrie et de Télédétection, (203), 27–32. https://doi.org/10.52638/rfpt.2013.27
Numéro
Rubrique
Articles
Licence
(c) Tous droits réservés Rabia Sarah Cheriguene, Habib Mahi 2022
Cette œuvre est sous licence Creative Commons Attribution 4.0 International.
Les auteurs conservent les droits d'auteur et accordent à la revue le droit de première publication de l'œuvre sous une licence Creative Commons Attribution (CC-BY) 4.0 qui permet à d'autres de partager l'œuvre avec une reconnaissance de la paternité de l'œuvre et de sa publication initiale dans cette revue.