Orthophoto de 1937 pour le SITG Jean-Philippe Richard Dr Jean-Michel Jaquet UNEP/DEWA/GRID-Europe

Plan Contexte et mandat Rectification de photos aériennes? Description de la méthode utilisée Difficultés rencontrées Evaluation du résultat obtenu  Tests de solutions alternatives Exploitation en vue d'une classification Conclusion & recommandations

-> Pas des orthophotos ! -> Usage actuel très limité! Contexte et mandat UNEP/DEWA/GRID-Europe a été mandaté par la DCMO pour mener une étude pitlote sur l'utilisation de photos aériennes. Grand nombre de stéréophotographies aériennes panchromatiques dans les archives (dès 1937). Photos scannées à haute résolution (900 dpi). -> Pas des orthophotos ! -> Usage actuel très limité!

Contexte et mandat BUT de l’étude: Elaborer une méthodologie pour redresser et géoréférencer des photos aériennes anciennes afin d'obtenir une mosaïque sur laquelle les couches d’information du SITG puissent être superposées. Zone d'étude: la commune de Versoix. La couverture aérienne de 1937.

Rectification de photo aérienne? Une photo aérienne subit des déformations: Lentilles optiques, Angle de prise de vue, Altitude des objets. Pour corriger ces déformations il faut « redresser » ou « rectifier » la photo.

Rectification de photo aérienne? Pour être superposables aux couches SITG, les photos doivent être: redressées projetées géoréférencées

Rectification de photos aériennes? Deux grandes options existent: l'orthorectification (paramètres des prises de vues + MNA) la correction géométrique (fonctions mathématiques de transformation)

Rectification de photos aériennes? Orthorectification: Utilisation des paramètres de prise de vue: focale de l’objectif, calibration de l’appareil, position de la plate-forme (x, y, altitude, tangage, roulis, lacets). Modèle Numérique d’Altitude.

Rectification de photos aériennes? Correction géométrique par fonction de transformation: Localisation de points visibles sur une image source + sur une image de référence projetée et géoréférencée. Points saisis -> fonction de transformation mathématique (affine, polynomiale, rubber sheeting). Affine ou Polynomiale d’ordre 1: f(x)= a(x) + b Polynomiale d’ordre 2: f(x)= a(x)2 +b(x) + c Polynomial d’ordre 3: f(x )= a(x)3 + b(x)2 + c(x) + d Rubber sheeting (étirement élastique): Définition d’un réseau de triangles irréguliers. A l’intérieur de chaque triangle -> une transformation polynomiale spécifique.

Rectification de photos aériennes? Correction géométrique par fonction de transformation: Le résultat de la fonction = une approximation! Fonction polynomiale d’ordre 1: f(x)=-1.33x+20 20 15 10 5 Points de contrôle

Rectification de photos aériennes? Correction géométrique par fonction de transformation: Si transformations linéaires pas suffisantes -> transformations polynomiales plus complexes (non-linéaires). Si approximation pas satisfaisante -> essai “étirement élastique” (ajustement exact de tous les points de contrôle!)

Description de la méthode utilisée Matériel en notre possession: 7 "tuiles" (assemblages de photos individuelles) couvrant la commune (division 43, 44, 32, 45, 46, 56, 57) + 6 photos individuelles (division 46). + couches SITG, carte 1:25000, et orthophoto 2005. Logiciel utilisé: ERDAS Imagine 9.1

Description de la méthode utilisée Condition de départ: Pour 1937, pas d’informations sur les photos… Morphologie de la région : relief peu marqué (< 100m de dénivelé) Le choix d’une méthode empirique basée sur des corrections géométriques par fonctions de transformation; Utilisation des « tuiles ».

Description de la méthode utilisée Choix des images de références: plan cadastral 2004 orthophoto 2005 carte topographique 1:25000 batiments hors-sol batiments hors-sol historique parcelles objects cadastrés (murs, piliers, etc.) limite communale domaine routier biens fonciers

Description de la méthode utilisée Choix des points de contrôle: Murs, digues, croisement de routes, bâtiments Précautions et questions: modification des routes (largeur, tracés); comparaison cadastre (emprise au sol) et toits des bâtiments; angle de prise de vue et ombres.

Description de la méthode utilisée Vu le niveau de distorsion des photos -> fonctions polynomiales d’ordre 3 et d’étirement élastique. Le processus de rectification 1) Processus de rectification (saisie points, affinement RMS, création image rectifiée); 2) Superposition couches vecteurs (essentiellement routes, objets + bâtiments hors-sol) pour vérification visuelle; 3) Amélioration de la rectification (ajout, suppression, déplacement points); 4) Retour au point 1.

Description de la méthode utilisée Mosaïquage: Options utilisées pour améliorer le résultat: Lissage et homogénéisation des teintes Rééchantillonage par Cubic convolution Léger Floutage des jonctions Affinages esthétiques via Photoshop =>

Description de la méthode utilisée Amélioration des jointures problématiques… par ajout de points aux jointures.

Description de la méthode utilisée Processus itératif d’amélioration des jointures: Mosaïque comme image de référence Ajout points de contrôle, photo par photo, aux jonctions (+ homogénéisation du semis); Rectification Rubber sheeting; Création nouvelle mosaïque avec nouvelle image; Vérification visuelle (superposition vecteurs); Retour au point 1 (jusqu’à rectification de toutes les photos!)

Description de la méthode utilisée

Difficultés rencontrées Choix points de contrôle => trouver suffisamment de points pertinents! Calage aux jointures => décalages visibles (routes, limites de champs) Distorsions dues au rubber sheeting => Artefacts, courbures, trous…

Evaluation du résultat obtenu Globalement, précision = ~ 1-2m (meilleures zones), 3-5m (certaines zones), et ponctuellement de 9-10m (zones les plus distordues). Meilleures zones = régions les moins accidentées, avec semis de points dense. Zones les plus distordues = régions avec variations brusques d'altitude, en bordure de photo, ou difficiles à couvrir de points de contrôle.

Evaluation du résultat obtenu

Evaluation du résultat obtenu 7.13m de décalage. 6.20m de décalage.

Evaluation du résultat obtenu Redressement géométrique par approximation de fonction mathématique = précision non homogène. 3 facteurs négatifs (lorsqu’ils se cumulent => moins bons résultats): gradients d’altitude prononcés; régions de champs et forêt difficiles à couvrir de points de contrôle; et bordures d'image (déformation optique maximum).

Tests de solutions alternatives Utilisation des photos individuelles: Avantages: rapidemment meilleur résultat (RMS) ->Probablement meilleure précision finale. Désavantages: trouver suffisamment de points de contrôle de qualité l’assemblage crée davantage de jointures -> plus de décalages à affiner manuellement…

Tests de solutions alternatives Fonctionalité « Autosync » d’Erdas 9.1 Avantages: Visualisation très pratique, Génération automatique de points de contrôle. Désavantages: Utilisation couches vectorielles impossible, dans notre cas, peu de points proposés, et piètre qualité de ceux-ci. -> résultat inutilisable.

Tests de solutions alternatives Orthorectification Paramètres utilisés = MNA à 1 m, + focale 165mm (selon contact avec Swisstopo). Avantages: Malgré peu d’information rentrée, RMS excellente, Rapidité processus. -> Mais Résultat peu satisfaisant!

Exploitation en vue d'une classification Généralités Imagerie aérienne multispectrale satellitaire ou aéroportée = base pour une cartographie thématique de la couverture du sol Exemple de la couverture du sol haute résolution du Canton de Genève

Exploitation en vue d'une classification Images panchromatiques Photographies aériennes panchromatiques d’archives rectifiées et géoréférées = source potentielle d’informations sur la couverture du sol à une époque donnée Elles n’ont pas l’information multi-spectrale, « dégradée » en niveaux de gris, mais Intensité (foncé – clair) Texture (lisse, granuleuse, isotrope, orientée, périodique…) Forme (allongé, arrondi, irrégulier, …) Contexte (à côté de, …) Est-ce suffisant?

Région de Machefer / Versoix Exploitation en vue d'une classification Classification simplifiée de la couverture du sol entreprise à l’aide du logiciel eCognition Région de Machefer / Versoix 1937_43_02 Forêt Arbres isolés Gravière Sols nus, champs labourés ou moissonnés Champs et prés Maisons Routes

Exploitation en vue d'une classification Segmentation Paramètres Scale: taille des objets Color: intensité (=niveaux de gris, 0-255) Shape: facteur de forme Compactness: compacité de l’objet Smoothness: simplification des limites Les thèmes visuels sont bien séparés

Exploitation en vue d'une classification Choix et hiérarchisation des thèmes Intensité héritage Dichotomie Forme Taille Texture

Exploitation en vue d'une classification Classification provisoire Erreurs Routes incomplètes Verger = forêt Fausses routes Arbres isolés manqués Maisons manquées

Conclusions 1. Procédure empirique de redressement des photos utilisée = sélection de points de contrôle longue et fastidieuse. 2. Résultat obtenu = précision variant de 1 à 10m. 3. Si ce type d'opération doit s'effectuer sur des images plus récentes, plus facile dans la mesure où: photos de meilleure qualité, informations sur les prises de vues disponibles et plus détaillées, et recouvrement plus important (ici en général, moins de 25%). 4. Exploitation possible pour carto de la couverture du sol

Recommandations Pour traiter au mieux les images de 1937, travailler sur les images individuelles à la place des assemblages. 2. Dans la mesure du possible, recourir aux informations des prises de vue pour une orthorectification plutôt qu'une correction géométrique de transformation (logiciel idoine) 3. Pour la couverture du sol, approche multi-source sous eCognition: images panchromatiques + carte Siegfried numérisée

Recommandations Si, comme pour 1937, une orthorectification ne donne pas de résultat satisfaisant et qu’une correction géométrique par fonction de transformation est nécessaire, il faut: Utiliser des images de références précises (orthophoto moderne) pour trouver suffisamment de points de contrôle; Effectuer un semis de points le plus homogène possible en couverture et en densité; Utiliser l'erreur quadratique pour minimiser l'erreur moyenne; Appliquer un processus itératif de vérification visuelle à l'aide de la superposition des vecteurs; Utiliser le rubber sheeting pour améliorer les jointures, en prenant garde aux artefacts.

Merci pour votre attention! Pour de plus amples informations: Jean-Philippe Richard, Dr Jean-Michel Jaquet UNEP/DEWA/GRID-Europe 11, ch. des Anémones 1219 Châtelaine Tél. 022 917 86 32 Email: jean-philippe.richard@grid.unep.ch jean-michel.jaquet@grid.unep.ch Url: http://ww.grid.unep.ch