La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Transformations-modifications dimages multispectrales.

Présentations similaires


Présentation au sujet: "Transformations-modifications dimages multispectrales."— Transcription de la présentation:

1 Transformations-modifications dimages multispectrales

2 Les opérations mathématiques: un exemple les indices de végétation Normalized Vegetation Index ou NDVI= K*(PIR-ROUGE)/(PIR+ROUGE)

3

4 Indices de végétation : quelques idées dapplication- densité du couvert végétal par arrondissement

5

6 Un autre exemple: les rapports de bandes

7 PIR : ETM+4 IROC1 : ETM+5 Rapport ETM+4 sur ETM+5

8 Un autre exemple: la différence des bandes --- surtout utilisée pour la détection des changements avec des images multi-dates

9 Un autre exemple: la différence des bandes --- surtout utilisée pour la détection des changements avec des images multi-dates DIFXS1(VERT)=127+XS1(1990)-XS1(1988)

10 Un autre exemple: la différence des bandes --- surtout utilisée pour la détection des changements avec des images multi-dates DIFXS2(ROUGE)=127+XS2(1990)-XS2(1988)

11 Un autre exemple: la différence des bandes --- surtout utilisée pour la détection des changements avec des images multi-dates DIFXS3(PIR)=127+XS3(1990)-XS3(1988)

12 Un autre exemple: la différence des bandes --- surtout utilisée pour la détection des changements avec des images multi-dates COMPOSÉ COULEUR: DIFXS1ROUGE; DIFXS2---VERT; DIFXS3---PIR

13 Quelques exercices

14

15 Les composantes principales ….Un rappel des notions statistiques

16 Les composantes principales ….Un rappel des notions statistiques

17 Les composantes principales ….Un rappel des notions statistiques

18 Les composantes principales ….Un rappel des notions statistiques TM1TM2TM3TM4TM5TM6 TM TM TM TM TM TM Matrice de variance-covariance

19 Les composantes principales ….Un rappel des notions statistiques Composantes principales (variance selon ses axes=valeurs propres)… Ellipse de probabilité constante

20 Les composantes principales ….La transformation: Rotation des axes Vecteurs propres Donc on part de la matrice de variance-covariance, on trouve ses valeurs propres et à partir des ces valeurs propres on calcule les vecteurs propres. À partir des ces derniers nous opérons la transformation des valeurs de limage originale

21 Les composantes principales: un exemple: Landsat ETM+ 3 premières Composantes principales

22 Les composantes principales: un exemple: Landsat ETM+ Calculs à lintérieur du masque

23 Les composantes principales: un exemple: Landsat ETM+ Channel Mean Deviation

24 Les composantes principales: un exemple: Landsat ETM+ Eigenchannel Eigenvalue Deviation %Variance % % % % % %

25 Les composantes principales: un exemple: Landsat ETM+ Eigenvectors of covariance matrix (arranged by rows):

26 Les composantes principales: un exemple: Landsat ETM+ Scaling Information: Eigen Output -----Unscaled----- Deviation Midpoint Scale Channel Channel Min Max Range Factor all all all all all

27 Les composantes principales: un exemple: Landsat ETM+

28

29

30 Quelques exercices


Télécharger ppt "Transformations-modifications dimages multispectrales."

Présentations similaires


Annonces Google