III. Détetion de hangements à l'éhelle sous-pixelique 101
10. Performanes empiriques 165
10.3. Inuene du nombre de pixels sans hangement
10.3.2. Résultats
Dans ette setion, les performanes de la méthode vis-à-visdu nombre total de pixels
de hangementsprésentsdansl'imagesontprésentéespourdesimagessimuléesavelarésolution
du apteur Spot/HRV pour la haute résolution et du apteur Meris pour la basse résolution
omme indiqué dans la setion 10.2. Le rapport de résolution que nous onsidérons dans ette
partie est don onstant, égal à
16
. Les hangements sont simulés sur les images BR ommeindiqué danslasetion10.3.1.Pourunpourentage
p
dehangements donnés,nousréalisons500
tests à partir de
500
images représentant le même paysage mais ontenantp%
de hangementstirés aléatoirement. Pour nous aranhir du biais introduit par le tirage aléatoire des pixels et
des valeurs qui leur sontattribuées lorsde lasimulation des hangements, les résultats quenous
présentons ii orrespondent en général à la valeur médiane des résultats obtenus pour es
500
expérienes, ou lavaleurmoyenne lorsqu'elle estplusinformative.
Apartird'uneimageBRsimuléeommedéritdanslasetion10.2etde lalabellisation
(setion 10.2),l'algorithmereherhelesous-domainebasserésolutionquiminimisele nombrede
fausses alarmes.Le seulparamètre laissé àl'utilisateurest le nombred'itérationsà réaliser.Dans
la setion 8.3, le problème de l'estimation du nombre d'itérations néessaire est abordé, mais la
omplexitéduproblèmenepermetpasd'enfaireuneestimationraisonnable.Cependant,rappelons
quelenombred'itérationsdoitêtred'autantplusélevéquelespixelssanshangements sontrares
dansl'image.En eet,les bonspixelspourl'estimationdesmoyennes deslassessontalorsrares,
etlaprobabilitédelesséletionnerparhasarddevienttrèsfaible.Enpratique,pourquelesrésultats
soientomparables,nousproposonsde réaliserhaqueexpérieneaveunnombrexed'itérations
(
600 000
), mêmes'ilpeut arriver quedavantage d'itérationssoientnéessaires pourmener àbien la détetion,en partiulierlorsque l'imageontienten majoritédespixels de hangements.La gure 10.2 présente, en pourentage du nombre de pixels de l'image, la médiane
des erreurs obtenues pour es 500 expérienes en fontion du pourentage de bruit impulsionnel
(hangements) introduit,etpour desimages de diérentsniveaux de ontraste,simulées aveun
éart-type
σ ∈ { 0, 0.05, 0.1 }
. Chaque graphe représente, en fontion du pourentage de bruit impulsionneldansl'image,lepourentagedeserreursobtenuesautotal(enrouge),lepourentagedes pixels de l'image détetés omme ohérents ave la lassiation à tort (faux positifs, en
bleu) et de eux détetés omme hangements àtort(faux négatifs, en vert). Remarquons, tout
d'abord, que dans le as plutt réaliste des images de niveaux de ontraste moyen (
σ = 0.05
),ontenant environ
20%
de bruit impulsionnel, les résultats obtenus sur500
tests(f. gure 10.2(b)) ontiennent alors moins de
1.5%
d'erreurs de détetion, en médiane, i.e. sur50%
des testsréalisés, moinsde
1.5%
despixels de l'image sont détetés àtort(fauxpositifs) ou non-détetés à tort(faux négatifs). En e qui onerne le as limite où le ontraste est très faible (σ = 0.1
),nous observonsenviron
2.5%
d'erreursde détetionen présene de20%
debruitimpulsionnel.Le pourentage des erreursobservées est don d'autant plus fort que le ontraste est faible, ilresteependanttrèsfaibleglobalement.Deplus,nouspouvons onsidérer,d'aprèslagure10.2,quela
détetionestablemêmeen présenede
70%
de bruitimpulsionneloù l'onomptemoinsde10%
d'erreurs mêmepourleniveaudeontrasteleplusfaible(
σ = 0.1
).Cetteperformanede70%
està relier aunombred'itérations eetuées,elle est d'autantplus élevée quele nombre d'itérations
est élevé.
Fig. 10.2.:Pourentagedespixelsdel'imagedétetésàtortommeohérentsavelalabellisation
(fauxpositifs,enbleu),deeuxdétetésàtortommehangements(fauxnégatifs,en
vert), etle totaldeserreursobtenuesen rouge. Valeurmédianedesrésultats obtenus
sur
500
tests pour haque pourentagede bruit impulsionneldonné,ave desimages simulées ave un éart-typeσ = 0
(a),σ = 0.05
(b) etσ = 0.1
(). Mêmeave unfaible niveau de ontraste, la méthode permet de déteter les pixels de hangement
avemoinsde
10%
d'erreursen présene de70%
de bruitimpulsionnel.Ces résultats montrent la robustesse de la méthode en présene de nombreux pixels de
hangementsdansl'image.Cettepropriétéestdueàlastratégiedetirage(RANSAC)adoptéepour
l'algorithmededétetionquipermetd'êtretrèspeusensible àlaprésenede pointsaberrantslors
de la phase d'estimation. Cet avantage est important pour notre étude dans la mesure où les
imagesBRutiliséessontsouventinomplètes.Eneet,dansleasdesimagesgrandhamp,ilest
fréquentquedesnuagesouvrentunepartiedelazonedeouverture,perturbantainsil'aquisition
de lalumière rééhieparlesol.
Globalement,l'évolutiondeserreursdedétetionenfontiondupourentagedebruit
im-pulsionnelintroduitestsimilairepourlesdiérentsniveauxdeontrasteenvisagés(
σ ∈ { 0, 0.05, 0.1 }
),roissantejusqu'àprèsde
80%
depixelsdehangementsdansl'image,puisfortementdéroissante.En eet,au-delàde
80%
dehangements, leshanes deséletionnerparhasardunsous-système quipermettedebienestimerlesaratéristiquesdeslassessontmoinsfréquentespourunnombred'itérations xé (nombre de tirages).Laméthode a alorstendane à sous-déteterles pixels sans
hangements, voire àne déteterauunpixel sanshangement.Dans e as,le nombrede pixels
positifsest nul, ainsi que lenombre de faux positifs.Cettedéroissane nette ne révèledon pas
une améliorationdesperformanes de la méthode maissimplement l'absenede toute détetion.
Si
80%
des pixels de l'image représentent des hangements et qu'auune erreur n'est omptée, la déision prise pour20%
des pixels est alors erronée. Au-delà, la méthode ne détete toujourspas de pixelvalide, ependant le nombre de pixels valides est alors de plus en plusfaible et,par
onséquent, ladéisionprise estplus prohede lavérité.
En e quionerne la répartition des erreurs, entre détetions et non-détetions à tort
(faux positifset négatifs), elle évolue ave le niveau de ontraste des images BR et la quantité
de bruitimpulsionnelintroduit.En partiulier,les fauxnégatifssontlargementprédominantspour
les images à fort ontraste (
σ = 0
) dès que les hangements onernent40%
de l'image BR.Lorsque le ontraste diminue (
σ = 0.05
etσ = 0.1
), ette prédominane tend àdisparaître. Par ailleurs, lenombre de fauxpositifsestrelativement stableà lafoisdanssonévolution en fontiondupourentagedebruitimpulsionneletenvaleur.Cettestabilitéestattenduedanslamesureoùle
prinipedu
N F A
estpréisémentdeontrler(minimiser)l'espérane dunombrede faux positifs (fausses alarmespour lemodèleN F A
), i.e.l'espérane dunombrede non-hangementsdétetés à tort.Pouruneanalyseomplémentairedeserreursobtenues,nousreprésentons,gure10.3(a),
le pourentage des pixels détetés omme hangements à tort (faux négatifs) relativement au
nombre de pixels qui ne orrespondent réellement pas à des hangements (
C/(A + C)
, f.ta-bleau 10.1). Nous ne présentons pas ii la médiane des erreurs qui est peu informative, dans e
as, en raison de la très faible présene de faux positifset de faux négatifs. Les ourbes
repré-sententlepourentagemoyend'erreurssurles
500
testsréalisés,àpartird'imagessimuléesaveunéart-type
σ = 0
envert,σ = 0.05
en rougeetσ = 0.1
enbleu.Aveettenouvellenormalisation, remarquons quel'évolution dupourentagede faux négatifsest très peu sensibleau ontraste del'image, enpartiulierlorsqu'ily amoinsde
70%
de bruitimpulsionneldans l'image.Au-delà,par exemple en présene de70%
de bruitimpulsionnel, ilreste30%
de pixels sanshangements dansl'image BR. Parmies
30%
de pixels sanshangements,20%
sont détetés en moyenne ommeorrespondantàdeshangements d'après lagure10.3(a).Demême,lepourentagemoyen des
pixels détetés omme ohérents avelalabellisationà tortrelativement au nombrede pixels qui
sont réellement des hangements est représenté, gure 10.3 (b), en fontion du pourentage de
pixels de hangements introduitsdansl'image BR. Ce type d'erreurs est globalementtrès faible,
ave environ
3%
d'erreurs pour une image de ontraste moyen (σ = 0.05
), en présene de10
à70%
de hangementsdansl'image.Eneet,pourunniveaude onstrastexé,epourentageestquasimentonstantlorsquelebruitimpulsionnelaugmente,jusqu'à
70%
environ.Au-delà,ommenous l'avons remarqué préédemment, le pourentage de faux positifs hute ar la méthode a
alorstendane àsous-déteter ou à ne rien déteter. L'évolutiondu pourentage de faux positifs
semble trèsstable àl'introdutionde bruit impulsionnel,et restetrès faibleen valeur par rapport
aupourentagedefauxnégatifs.Cettepropriétévientdiretementduhoixdeontrlerlenombre
de faussesalarmes(i.e.faux positifs).Lenombrede fauxpositifssembletrèsrobusteàlaprésene
de bruit impulsionnelet,nalement,seul leniveau de ontraste sembleavoir uneet sure type
d'erreurs.Eneet,pour
40%
de bruitimpulsionnel,lepourentagedefauxpositifspassede moins de0.5%
en moyenne pour des images à fort ontraste (σ = 0
) à environ3%
pour des imagessimulées ave un éart-type
σ = 0.05
et environ5.5%
pour des images à ontraste très faible(
σ = 0.1
).Enrevanhe, lepourentagedefauxnégatifssembleplussensibleàlaprésenedebruitimpulsionneletl'eet duniveaude ontrastedevientprobablementnégligeabledevantlaprésene
de nombreux pixelsde hangements.
Fig. 10.3.:Erreursdedétetionobtenuesenmoyenneenfontiondupourentagedehangements
introduit. Le pourentage moyen de pixels détetés omme hangements à tort par
rapportau nombrepixels sanshangements est représenté gure(a) et,gure(b), le
pourentage moyen de pixels détetés omme ohérents ave la lassiation à tort
parrapportaunombrepixelsdehangements.Letauxde fauxnégatifesttrèsrobuste
au hangement de ontraste, même en présene de
75%
de pixelsde hangement etletaux de faux positifsesttrèsrobusteau pourentagede pixelsde hangement dans
l'image (tant qu'ilest inférieurà
75%
).La gure 10.4 présente les nombres des diérents types d'erreurs obtenues en fontion
du nombre de pixels de hangements. Sur haque graphe,le nombre eetif de hangements est
ompté, etlesrésultatsobtenus pourtouslestestsréaliséssontreprésentés.Legraphe degauhe
représentele nombrede vraispositifs(en vert),de faux négatifs(enbleu) etde pixelsréellement
sanshangement (enrouge)en fontiondunombrede pixelsde hangementsréellement présents
dansl'image.Lenombre depixelsréellement sanshangementest traésimplementpourfailiter
la leture du graphe. Ainsi, plus le nuage de points des vrais positifs (verts) est prohe de elui
des pixels sans hangements (rouge), meilleure est laqualité de la détetion. De plus, rappelons
quelasommedesvraispositifset desfaux négatifsest égaleau nombrede pixelsréellement sans
hangements(f.tableau10.1).Demême,legraphededroitereprésentelenombredevraisnégatifs
(en vert), de faux positifs (en bleu) et de pixels orrespondants réellement à des hangements
(en rouge)en fontiondu nombrede pixels de hangements réellementprésents dansl'image.La
détetiondeshangementsestalorsd'autantplusperformantequelespointsreprésentantlesvrais
négatifssontprohesdelapremièrebissetrie.Deplus,lenombreréeldehangements estégalà
lasommedesvraisnégatifsetdesfauxpositifs.Cesdeuxgraphes,omplémentaires,sontprésentés
pour haque niveaude ontraste onsidéré (
σ = 0
g. (a),σ = 0.05
g. (b) etσ = 0.1
g. ()).Cettesériede graphespermetd'observer lairementl'absenede toutedétetiondèsquelespixels
de hangementsdeviennenttropprésentsdansl'image.Pluspréisément,quelquesoitleniveaude
ontraste desimagestestées,laméthodene déteteplusriendèsqueles hangementsonernent
plus de
200
pixelsenviron, soitapproximativement80%
de l'imageBRomme nousl'avions dejàobservé surles gures 10.2et10.3. Parailleurs, lefaitquelaméthode reposeessentiellementsur
leontrledunombremoyen defaussesalarmes(fauxpositifs)apparaîtavelaomparaisonentre
les graphes de gauhe et de droite (en bleu).En eet, le nombre de faux positifs(à droite) roît
trèspeulorsquelenombredepixelsdehangementaugmentealorsquelenombredefauxnégatifs
a uneroissaneplusmarquéeen fontiondunombre de pixelsde hangements.
Pournir,lagure10.8présentequelquesexemplesd'imagesBRsimuléesavediérents
niveaux de ontraste (
σ ∈ { 0, 0.05, 0.1 }
, respetivement gure 10.5, 10.6 et 10.7), et20%
dehangements (a) ou
40%
de hangements () pour haque niveau de ontraste onsidéré. Pourplusde visibilité,l'imageest présentée enompositionoloréede sorteàfaireapparaitreles pixels
sans hangements en niveaux de gris et les pixels de hangements en ouleur. Les résultats de
la détetion obtenus pourles images (a) et () sontprésentés,respetivement,gures (b) et (d)
où les pixels détetés omme ohérents ave lalabellisation àraison (vrais positifs) apparaissent
ave leur valeur en niveaux de gris, eux qui le sont à tort apparaissent en jaune, les pixels de
hangements détetésàraison(vraisnégatifs)sontreprésentésenvertetàtort(fauxnégatifs)en
rouge.
D'après les résultats obtenus sur des données simulées, la méthode semble
partiuliè-rement robuste fae à la forte présene de points aberrants ou de pixels orrespondants à des
hangements par rapportà laréférene. En eet, les méthodesdéveloppées jusqu'à présent pour
ladétetion dehangements sontgénéralementlimitéesparlaprésened'aumoins
70%
de pixelsorrets. Cette limite est souvent étroitement liée à la méthode d'estimation utilisée, essentielle
pour mener à bien ladétetion. L'utilisationd'une stratégie de type RANSAC ouplée au ritère
du nombrede fausses alarmesonstitue lapierreangulaire de notre méthode pour fairefae àe
type de limites. En eet, ette stratégie est basée sur la résolutionde sous-systèmes bien
déter-minés, séletionnés aléatoirement, plutt que sur l'utilisation de la totalité de l'éhantillon pour
estimer les paramètres. Mêmeen présene de nombreux hangements ou de pointsaberrants, un
sous-systèmeséletionnépeut,parhasard,ne ontenirquedespixelssanshangement.Laqualité
de ladétetions'entrouvealorstrèspeu altérée.Ilsutdond'itérerleproédésusamentpour
avoirau moinsune hanede séletionnerunsous-systèmepertinent.Ave
600 000
itérations,les résultats restent très satisfaisantstant que30%
des pixels, au moins, sontorrets. La méthodepermetalorsunedétetionomportantmoinsde
8%
d'erreurssurdesimagesde ontrastemoyen.0
Fig. 10.4.:Evolutiondesperformanesen fontiondunombredepixelsde hangements présents
dans l'image. A gauhe, les points rouge sur la diagonale représentent les pixels de
non-hangementsprésentsen réalitédansl'image testée,lenombrede pixelsdétetés
omme hangements à tort (faux négatifs) est représenté en bleu, et le nombre de
pixels détetés omme valides à raison (vrais positifs) en vert. A droite, les points
rouge sur la diagonale représentent les pixels de hangements, le nombre de pixels
valides à tortest représenté en roix bleues et, en vert, le nombre de pixels détetés
omme hangements.
(a)
20%
debruit. (b)détetions(20%
). ()40%
debruit. (d)détetions(40%
).Fig. 10.5.:Imagessimulées aveunéart-type nul.
(a)
20%
debruit. (b)détetions(20%
). ()40%
debruit. (d)détetions(40%
).Fig. 10.6.:Imagessimuléesave unéart-type
σ = 0.05
.(a)
20%
debruit. (b)détetions(20%
). ()40%
debruit. (d)détetions(40%
).Fig. 10.7.:Imagessimuléesave unéart-type
σ = 0.1
.Fig. 10.8.:Lesimages(a)et()fontapparaîtreenrouge,respetivement,les
20%
et40%
debruitimpulsionnel ajoutésà une imagesimulée avela variabilitépréisée dansla légende.
Les pixelsdétetés parle NFA sontprésentés gure (b) et () :les vrais négatifsen
vert,les vraispositifsen niveaux degris, lesfaux négatifsenrouge etles faux positifs
en jaune.Globalement,les faux négatifsetles faux positifsapparaissent trèspeu.
Dansleontextepluslassiqueoùenviron
20%
despixelsdel'imageorrespondentàdes hangements,ladétetionàpartird'uneimagedeontrastemoyen(σ = 0.05
)sefaitavemoinsde1.5%
d'erreursautotal,moinsde2.5%
d'erreurslorsqueleontrastedel'imageestfaible(σ = 0.1
)et sans erreur s'ilest fort. Mêmesi e taux d'erreurs est globalementtrès faible, nous observons
qu'il augmente lorsque le ontraste diminue, omme nous l'avions remarqué théoriquement ave
laproposition9.2.2 (setion 9.2).
Dans lasetion10.4, nous abordonsle problèmede ladétetiondes hangements
sous-pixelliques, i.e.des hangements de tailleinférieure àelledupixelbasse résolution.