RAPPORT DAVANCEMENT Par Narcisse Talla Tankam CURAT-LETSfévrier-mars 2004

Thème : Analyse des textures et classification par les réseaux de neurones pour la cartographie des états de surface de la région semi montagneuse de Man (Ouest de la Côte dIvoire).

PLAN I- INTRODUCTION I-1:Sommaire I-2:Objectif principal I-3:Objectifs spécifiques II- PROBLEMATIQUE ET CADRE SCIENTIFIQUE II-1:Problématique II-2:Etat de lart II-3:Résultats attendus III- METHODOLOGIE III-1:Données utilisées III-2:Approche neuronale III-3:Approche préliminaire III-4:Environnement de travail IV- QUELQUES RESULTATS PRELIMINAIRES V- CONCLUSION ET PERSPECTIVES V-1:Conclusion V-2:Perspectives

Détection automatique des caractéristiques dans les images : Minimisation du temps des experts géologues dans lextraction dinformations utiles dans limage radar. Réduction du risque de subjectivité dans lanalyse. Réseaux de neurones : Méthode basée sur un voisinage de huit. Méthode basée sur un voisinage plus grand.

Résultats attendus: Une représentation imagée pour les différentes thématiques Une image globale résultat de la classification renseignée. Objectif principal : Mettre en évidence les paramètres de texture les mieux adaptés à la cartographie des états de surface et faire ressortir les différentes thématiques de la zone de Man. Objectifs spécifiques : Identifier des différentes thématiques. Evaluer de différents paramètres de texture pertinents identifiés pour chaque thématique. Classifier de limage radar par la technique supervisée.

Non satisfaction des images optique pour la région: présence quasi permanente des nuages au dessus de la zone détude. Nécessité dusage dimages satellitaires radar. Usage des techniques spatiales et des données exogènes

Module dextraction dune portion dimage sans perte dinformation.

Module dévaluation des paramètres de texture Fig4 Module dévaluation des paramètres de texture pour une thématique

Environnement de travail : le C++Builder Flexibilité dans la manipulation des données dimages Une bibliothèque assez riche en traitement dimages. Pas de contrainte sur la taille de limage à traiter.

Données utilisées: – 2 images radar ROS de ERS2 – Les cartes Approche neuronale – Effervescence de lapproche neuronale – Modèle à voisinage de 8 – Modèle à grands voisinage – Modèle à répartition directionnelle

W = Règle de connexion R(2,1,45 o,135 o ) C1(2,56,4) C2(2,56,45) C3(2,4,1) C4(2,4,2) Tx Ty

Trois principales phases : – Identification de la thématique – Identification des paramètres de texture pertinents pour la thématique – Détermination de la classe dappartenance de chaque pixel de limage Paramètres utilisés : La différence Inverse Le moment différentiel Inverse La probabilité maximale Limportance des petits nombres Limportance de la profondeur La variance de différence

Fig2.Quelques linéaments dans la chaîne montagneuse de Man

Fig1. Mise en exergue du Sassandra et de quelques linéaments

Entrée: image ROS de ERS2 Une portion de limage extraite au 1/300 Méthode de vecteur de texture utilisée avec 7 paramètres différents

Application la totalité de la méthode danalyse par les réseaux de neurones Utilisation dune trentaine de paramètres de texture Utilisation de lordre 3, 4 et 5