Télécharger la présentation
La présentation est en train de télécharger. S'il vous plaît, attendez
Publié parMarc Lavergne Modifié depuis plus de 10 années
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)
4
Indices de végétation : quelques idées dapplication- densité du couvert végétal par arrondissement
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 1988 1990
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
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 1 47.65 TM 2 24.7615.70 TM 3 35.7120.3431.91 TM 4 12.458.2712.0120.56 TM 5 34.7123.7938.8122.30114.89 TM 6 30.4618.7030.8612.9960.6344.92 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 1 74.7911 16.4062 2 61.4148 17.1485 3 51.2282 27.5069 4 98.2576 31.1294 5 88.0108 31.7703 6 52.5936 31.4314
24
Les composantes principales: un exemple: Landsat ETM+ Eigenchannel Eigenvalue Deviation %Variance 1 2975.8875 54.5517 69.43% 2 1183.9803 34.4090 27.62% 3 100.4680 10.0234 2.34% 4 15.4482 3.9304 0.36% 5 6.9089 2.6285 0.16% 6 3.5029 1.8716 0.08%
25
Les composantes principales: un exemple: Landsat ETM+ Eigenvectors of covariance matrix (arranged by rows): 0.26994 0.30076 0.47963 -0.00602 0.53021 0.57050 0.14326 0.06524 0.21380 -0.89785 -0.34963 0.03354 -0.48328 -0.40850 -0.37532 -0.36806 0.47184 0.31717 -0.24083 -0.20121 0.11782 0.23552 -0.60335 0.68420 0.66311 0.02006 -0.67950 -0.01820 -0.06396 0.30617 -0.41873 0.83518 -0.32829 -0.05055 -0.07666 0.10455
26
Les composantes principales: un exemple: Landsat ETM+ Scaling Information: Eigen Output -----Unscaled----- Deviation Midpoint Scale Channel Channel Min Max Range Factor 1 7 -139.321 408.347 3.00 127.500 0.782 2 8 -128.424 120.870 all 127.500 1.000 3 9 -353.465 135.908 all 127.500 1.000 4 10 -109.360 121.895 all 127.500 1.000 5 11 -109.074 78.016 all 127.500 1.000 6 12 -60.543 56.278 all 127.500 1.000
27
Les composantes principales: un exemple: Landsat ETM+
30
Quelques exercices
Présentations similaires
© 2024 SlidePlayer.fr Inc.
All rights reserved.