Les contraintes fonctionnelles inhérentes à la détection de changement

Nous comprenons suite à tout ce qui a été présenté jusqu’ici qu’il y a un grand nombre de facteurs qui viennent influencer ce qui peut être réalisé comme analyse de détection de changement à l’aide d’images satellitaires. Ceci n’est bien sûr pas limité aux images satellitaires, mais il s’agit de notre thème d’analyse et nous limiterons donc notre exploration de ce concept à ce domaine spécifique. Pour des détails d’ordre plus généraux, voire pluridisciplinaires, le lecteur peut consulter la revue de littérature de (Radke et al., 2005) traitant de ce thème et qui offre une bibliographie plus détaillée d’articles reliés aux concepts plus généraux de la détection de changement sans distinction de discipline.

Nous trouvons tout de même de nombreux ouvrages de synthèse qui sont dédiés à la détection de changement dans le contexte de la télédétection et aux différents aspects techniques mentionnés jusqu’ici en lien avec ce point de vue spécifique. Par contre, la plupart de ces travaux traitent de ce sujet en fonction de contextes spécifiques, comme le suivi écologique dans (Coppin et al., 2004), mais il est tout de même possible de trouver des articles traitants du concept d’un point de vue plus général comme dans (Lu et al., 2004a) ou dans (Dai et Khorram, 1998a).

De ces travaux, qu’il s’agisse du contexte de la télédétection spécifiquement ou d’un autre contexte d’utilisation de la détection de changement, nous pouvons identifier un certain nombre de contraintes fonctionnelles qui sont importantes à considérer lorsque nous contemplons l’utilisation de ces méthodes de traitement. Certaines de ces contraintes sont reliées à la télédétection proprement dite, mais sont, en somme, des cas spécifiques de contraintes affectant toute analyse de ce type.

Ces contraintes peuvent avoir des conséquences sur différents aspects du traitement, mais il est plus important de considérer l’ensemble de l’analyse en fonction du résultat de la détection de changement lorsque nous évaluons ces éléments techniques et leur impact sur l’objectif visé. La qualité du résultat, la précision de la détection et de la classification des changements peut être affecté par plusieurs éléments comme ceux identifiés dans (Lu et al., 2004a) qui sont :

• La qualité du recalage,

• La qualité de la calibration et/ou de la normalisation radiométrique,

• La complexité de la zone géographique, des points de vue topographique et de l’utilisation de territoire à l’étude,

• La disponibilité de vérité terrain pour une région donnée,

• La technique de classification, de mise en correspondance et de suivi des classes, • La technique de détection de changement et des algorithmes utilisés,

• L’expérience et les compétences techniques de l’analyste, • La connaissance de la zone à l’étude,

• Le coût de l’analyse et le temps disponible pour mener l’analyse.

Nous constatons que plusieurs des éléments que nous avons soulignés dans les sections précédentes se retrouvent dans cette liste. Il y a d’autres facteurs qui peuvent avoir un impact sur la sélection d’une méthode de détection de changement, mais il s’agit de cas plus spécifiques qui ne seront pas traités dans le contexte de ce document.

Les éléments les plus prépondérants que nous avons mentionnés et qui sont aussi identifiés dans (Lu et al., 2004a) que nous retrouvons aussi dans plusieurs autres ouvrages de ce type se résument de la manière suivante :

• Le recalage d’image et la précision de la transformation réalisée, donc de tout ce qui concerne les prétraitements (l’orthorectification et le géoréférencement), le recalage et le bruit de recalage résiduel,

• La correspondance radiométrique des images et/ou la correction radiométrique reliée aux phénomènes atmosphériques, en somme il s’agit de la normalisation des images d’une série pour minimiser les variations accidentelles de représentation, • La date d’acquisition, idéalement nous désirons des images quasi annuelles pour

minimiser l’impact des variations saisonnières et/ou phénoménologiques,

• L’utilisation d’images provenant de capteurs aussi similaires que possible, autant du point de vue de la résolution spatiale que spectrale, s’il n’est pas possible de travailler avec des images du même capteur.

Nous voyons en comparant les deux listes que la majorité des différents éléments de la première s’insèrent dans l’un ou l’autre de ces quatre grands groupes de contraintes fonctionnelles à part les notions qui sont directement reliées à la classification des données, à l’analyste et à ses connaissances propres. Ces derniers concepts sont cependant un élément incontournable de la chaine de traitement mise en cause par la détection de changement et à notre sens font partie intégrante de ce concept. Conséquemment, nous groupons classification et détection de changement en un seul bloc, car les contraintes affectant l’un des paliers ne peuvent faire autrement que de se transférer à l’autre.

Nous rappelons ici la chaine de traitement qui a été présentée dans le CHAPITRE 1 qui nous a permis de faire ressortir le fait que l’ensemble du concept peut être schématisé en fonction des :

• Données qui sont utilisées et des prétraitements leurs étant reliés, le point d’entrée de la séquence, ce bloc de traitement est le précurseur de toute analyse en télédétection qu’il s’agisse de détection de changement, de différence ou simplement de la classification de l’usage du territoire,

• Techniques de classification et d’analyse utilisées pour établir les classes d’occupation du territoire pour une région donnée, ce bloc de traitement est précurseur à toute analyse de changement et peut être mis en œuvre de différentes manières en fonction de la qualité du recalage réalisé,

• Techniques de détection de changement proprement dites qui reposent sur le résultat de la classification pour établir quelles classes ont changé et pour quantifier cette variation,

• Création des produits cartographiques dérivés mettant en valeur les changements survenus.

Comme la détection de changement est la dernière étape du traitement reliée à l’analyse des images et de leurs différences, nous comprenons que toutes les étapes la précédant ont un impact direct sur ce qui pourra être identifié et que la cascade d’opérations ne peut faire autrement que de passer au prochain palier toute erreur ou distorsion de l’information résultant des différents traitement utilisés. En fonction de la marge d’erreur qui est attribuable à chaque palier et à l’accumulation des erreurs, il est inévitable qu’il y ait de fausses détections et des omissions de détection si nous considérons l’image en entier. Par contre, rien ne garantit que ces erreurs nous empêchent de réussir à créer les produits cartographiques dérivés qui sont requis pour assister à la gestion des efforts de secours. Il faut être conscient de ceci et en tenir compte lorsque nous analysons le succès relié à l’utilisation d’une technique de détection de changement dans un contexte donné. Il n’est pas nécessairement utile d’obtenir une classification parfaite et complète de toute une image pour

être en mesure d’établir ce qui est différent entre deux images d’une même région. Ce qui nous permettra de définir ce qui est pertinent est évidemment dicté par le contexte de l’analyse ainsi que le but du traitement.