FORET D'ARBRES ALEATOIRES ET CLASSIFICATION D'IMAGES SATELLITES : RELATION ENTRE LA PRECISION DU MODELE D'ENTRAINEMENT ET LA PRECISION GLOBALE DE LA CLASSIFICATION

Auteurs-es

  • Cédric Aurélien Matsaguim Nguimdo Université de Yaounde I
  • Emmanuel D. Tiomo

DOI :

https://doi.org/10.52638/rfpt.2020.477

Résumé

Résumé:

En télédétection, il existe un grand nombre d'algorithmes permettant de classifier une image satellite. Parmi ces algorithmes de classification, la Forêt d'Arbres Aléatoires apparait comme particulièrement performant. Cette étude a pour objectifs d'évaluer (1) l'importance de la sélection des images pour le niveau de précision du modèle d'entrainement et (2) la nature de la relation qui existe entre le niveau de précision du modèle et celui de la précision globale de la carte thématique résultant de la classification de l'image satellite avec cet algorithme de classification.  A partir d'une image Landsat 8 OLI prise au-dessus d'une zone de montagne tropicale : la région de l'Ouest Cameroun, 35 modèles ont été construits et testés. Les résultats montrent que le niveau de la précision globale des résultats de la Forêts d'Arbres Aléatoires est étroitement dépendant d'une part de la précision du modèle d'entrainement utilisé pour classifier l'image satellite, et d'autre part du choix des images utilisées pour entrainer ce modèle. De plus, la sélection de ces images est elle-même dépendante de la qualité des zones d'entrainement qui serviront à la construction du modèle. Il est donc important de mettre en accent particulier sur la qualité des données d'entrée afin de garantir des résultats satisfaisants avec cet algorithme.

Mots clés : Forêt d’Arbres Aléatoires ; précision ; modèle d’entrainement ; télédétection ; Cameroun

Téléchargements

Les données relatives au téléchargement ne sont pas encore disponibles.

Publié-e

2020-11-25 — Mis(e) à jour 2020-11-26

Versions

Comment citer

Matsaguim Nguimdo, C. A., & Tiomo, E. D. (2020). FORET D’ARBRES ALEATOIRES ET CLASSIFICATION D’IMAGES SATELLITES : RELATION ENTRE LA PRECISION DU MODELE D’ENTRAINEMENT ET LA PRECISION GLOBALE DE LA CLASSIFICATION. Revue Française de Photogrammétrie et de Télédétection, (222), 3–14. https://doi.org/10.52638/rfpt.2020.477 (Original work published 25 novembre 2020)

Articles similaires

Vous pouvez également Lancer une recherche avancée d’articles similaires à cet article.