HAL Id: tel-00516952
https://tel.archives-ouvertes.fr/tel-00516952
Submitted on 13 Sep 2010
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Caractérisation de la cocoteraie des Tuamotu à partir
d’images satellites à très haute résolution spatiale.
Raimana Teina
To cite this version:
Raimana Teina. Caractérisation de la cocoteraie des Tuamotu à partir d’images satellites à très haute
résolution spatiale.. Interface homme-machine [cs.HC]. Université Pierre et Marie Curie - Paris VI,
2009. Français. �tel-00516952�
L'Université Pierre et Marie Curie
Spé ialité Informatique
Présentée par
Raimana Teina
Pour obtenir legradede
Do teur de l'Université Pierre et Marie Curie
Laboratoire d'a ueil :Laboratoired'Informatique deParis 6 (LIP6)
Équipe d'a ueil :PEQUAN-Département CALSCI
É ole Do toraleInformatiqueTélé om et Éle tronique de Paris
Titre delathèse :
Cara térisation de la o oteraie des Tuamotu à partir d'images
satellites à très haute résolution spatiale.
soutenue le15 Septembre2009 devant le jury omposéde:
Jean-Lu Zarader Président
Jean-Paul Rudant Rapporteur UMLV/OTIG
Jo elyn Chanussot Rapporteur INPG/GIPSA-Lab
Jean-lu Zarader Examinateur UPMC/ISIRParis
René Alt Dire teur de Thèse UPMC/LIP6Paris
Dominique BÉRÉZIAT Co-Dire teur UPMC/LIP6Paris
Je remer ie Jean-Lu Zarader, Professeur,quime faitl'honneurde présider e jury.
Jeremer ie Jean-PaulRudant, Professeur,etJo elynChanussot,Professeur,d'avoirbienvoulu
a epterla harge de rapporteur.
Je remer ie Jean-lu Zarader, Professeur,d'avoir bienvoulujuger e travail.
Je remer ie René Alt, ProfesseurEmérite, quia étémondire teur de thèseadministratif.
Je remer ie grandement DominiqueBéréziat, o-en adrant au LIP6,pour toutl'en adrement qu'il
a apporté pendant ma thèse, de m'avoir onseillé e a ement tout en me laissant libre ours à mes
re her hes et mes travaux, d'avoir été à l'é oute de mes attentes. Je le remer ie aussi pour tout le
soutienqu'ilm'a apportélors de estravauxetsurtout pendant ertains momentsdi iles.
Je remer ie aussiBenoîtStoll, o-en adrant de l'Université de laPolynésie Française, pour toutes
lesmissions etlesen adrements apportés lorsde mes séjoursausein duLaboratoire GePaSud.
Je remer ie aussi tous les membres de l'équipe PEQUAN du LIP6 ainsi que eux du département
CALSCIpour leur soutienetlesdis ussions enri hissantesque j'aipu avoirave eux.
Je remer ie d'autre partFredJa q pour lamiseà disposition detoutes esdonnées relevées surle
terrain.Je remer ieaussilapopulationdeTikehauquenousavonsdérangépendantleurs travauxdans
la o oteraie lors de la missionsur le terrain, le mairede Tikehau qui a vu et quiétait très intéressé
par les premiers résultatssur le dénombrement des o otiers.Je tiens aussi à remer ier leServi e du
Développement Ruraldu Territoire (SDR) et leServi e de l'Urbanisme pour toute l'aide apportée et
pour lamiseà disposition desimagespour leurexploitation.
Jedédie ette thèse
àmes parents,Mareva etAlexandre, pourtousles sa ri esfaitspour medonner lesmoyensd'arriver
jusqu'à lande ette thèse,
àma hérie, Armelle,pourm'avoir en ouragéejusqu'au bout,supportée lorsde laréda tion et soutenue
tout lelong de lathèse,
à mongrand-père, Ja ques
1 Introdu tion 5 1.1 Présentation du problème . . . 5 1.2 Contributions . . . 6 1.3 Plan dudo ument . . . 8 I Problématique et données 9 2 Problématique 11 2.1 Contextede l'étude . . . 11 2.2 Problématique . . . 14
3 Présentation des données des Tuamotu 15 3.1 Formationgéologique des atollsde laPolynésie Française. . . 15
3.1.1 Naissan e desîles . . . 15
3.1.2 Évolution desîles . . . 16
3.1.3 Dénition d'unatoll . . . 16
3.2 Présentation desimages satellites . . . 16
3.2.1 Données de Tikehau . . . 17
3.2.2 Données des autresîles. . . 18
3.3 Adéquation données/ problèmes . . . 21
II Dénombrement des o otiers 23 4 État de l'art surla déte tion des arbres 25 4.1 Re her hedes maximalo auxdu Lapla ien . . . 25
4.2 Re her hede motifs . . . 26
4.3 Suivide vallée. . . 27
4.4 Algorithme de délinéation individuelledesarbres :TIDA . . . 28
4.5 Ligne de partagedeseaux . . . 30
4.6 Pro essus pon tuelsmarqués . . . 30
5 Dénombrement des o otiers 33 5.1 Outils à larésolution du problème . . . 33
5.1.1 Filtre Gamma . . . 33
5.1.2 Analyse de texture:Data Range . . . 34
5.1.3 Segmentation par ligne de partagedes eaux . . . 35
5.2 Délinéation des o otiers enimagerie Ikonos . . . 36
5.2.1 Ar hite ture delaméthode . . . 36
5.2.3 Fusiondesbandes par ACP . . . 37
5.2.4 Lissage desimages . . . 38
5.2.5 Génération desmarqueurs . . . 38
5.2.6 Post-segmentation . . . 39
5.2.7 Exploitation desrésultats . . . 40
6 Appli ation à l'atoll de Tikehau et validation 43 6.1 Résultats etValidation . . . 43
6.1.1 Résultats surdes zonesde test . . . 43
6.1.2 Validation par photointerprétation humaine . . . 43
6.1.3 Validation par vérité terrain . . . 44
6.1.4 Validation de laméthodesur leszones testdu motu16 . . . 46
6.1.5 Comptage exhaustif surun motu . . . 48
6.2 Traitement del'ensembledes motu . . . 50
6.2.1 Traitement dumotu au Nord-Est(motu #13) . . . 50
6.2.2 Traitement dumotu prin ipal (motu #16) . . . 51
6.2.3 Résultats surl'ensemble desmotu . . . 52
6.2.4 Cas deszones d'ombres induites pardes nuages debasse altitude . . . 52
6.3 Con lusion. . . 55
7 Déte tion des ombres et estimation de la hauteur des arbres 57 7.1 Déte tion desombres . . . 57
7.1.1 La méthode dePolidorio . . . 57
7.1.2 La méthode deHuang . . . 59
7.2 Estimation de lahauteurà partirde l'ombreportée . . . 60
7.2.1 Méthoded'estimation deshauteurs . . . 60
7.3 Appli ation à l'estimation deshauteurs des o otiers . . . 62
III Typologie de la o oteraie 65 8 État de l'art sur la lassi ation 67 8.1 Dénition de la lassi ation . . . 67
8.2
k
-plus pro hesvoisins . . . 688.3 Classi ation par parallélépipèdes . . . 68
8.4 Classi ation par distan eminimum . . . 69
8.5 Classi ation par distan ede Mahalanobis . . . 69
8.6 Classi ation Bayésienne . . . 70
8.7 Séparateurs à VasteMarge. . . 71
8.7.1 Introdu tion. . . 71
8.7.2 Le plan séparateuretlamarge . . . 72
8.7.3 Marge optimaledans le asséparable . . . 74
8.7.4 Erreur de lassement minimal: aslinéaire non séparable . . . 75
8.7.5 Séparation hautement nonlinéaire . . . 76
8.7.6 Classi ation multi- lasses ave lesSVM . . . 78
9 Choix du lassieuret des données d'entrée 79 9.1 Mesure de laséparabilité des lasses . . . 79
10 Cara térisation des o oteraies à partir de la texture 89
10.1 Codage del'information . . . 89
10.1.1 Ensemble d'apprentissage . . . 89
10.1.2 Choix de l'information spe trale . . . 90
10.2 Choix du lassieur . . . 91
10.2.1 Analyse desperforman es . . . 91
10.3 Appli ation auxdonnéesIkonos . . . 92
10.3.1 Choix desparamètres du lassieur . . . 92
10.3.2 Résultats . . . 93
10.4 Con lusion. . . 97
11 Cara térisation des o oteraies par l'analyse de la distribution spatiale des o otiers 99 11.1 Analyse spatiale des oordonnées . . . 99
11.1.1 Pro essus pon tuel . . . 99
11.1.2 Pro essus pon tuel de Poisson. . . 99
11.1.3 Estimation de l'intensitépar un SPPP . . . 101
11.2 Appli ation àla ara térisation dela o oteraie . . . 103
11.2.1 Estimation de lafon tion d'intensité
λ(x)
. . . 10411.2.2 Analyse de se ondordre dela o oteraie . . . 105
11.2.3 Classi ation desplantations de o otiers . . . 107
12 Con lusion et perspe tives 111 IV Annexes 115 A Télédéte tion Optique 117 A.1 Le satellite Ikonos . . . 117
A.2 Cara téristiques orbitales . . . 117
A.3 Systèmes embarqués . . . 118
B Intera tion ave la végétation 121 B.1 Cara téristiques spe trales de lavégétation . . . 121
B.1.1 Propriétés optiquesdesfeuilles . . . 121
B.2 Les diérentsindi es devégétation . . . 123
C Génération des masques de végétation 125 D Cartes de densité des se teurs test 139 E Méthode utilisée pourl'interprétation visuelle 141 F Correspondan e des résultats ave les mesures surle terrain 143 G Cas des motu 13 et motu 16 147 G.1 motu 13 . . . 147
G.2 motu 16 . . . 148
H Extra tion des informations de texture 149 I Estimation des surfa es de o oteraies sur les atolls 153 J Validation et extrapolation du nombres d'arbres sur Tikehau 157 J.1 Proto oledes relevés . . . 157
Bibliographie 166
Table des gures 167
Table des tableaux 171
Index 173
Chapitre
1
Introdu tion
1.1 Présentation du problème
Dans emanus ritdethèsesontprésentéslestravauxee tuéssurla ara térisationdes o oteraies
(plantationsde o otiers) del'ar hipeldesTuamotu,situé auNord-EstdelaPolynésieFrançaise(voir
la gure 1.1 ), à partir d'images satellites multi-spe trales Ikonos, sans bande pro he infrarouge, à
très hauterésolution spatiale.Ce travail de re her he a ontribué àl'élaboration d'un programme de
régénération et de gestion des o oteraies des atolls mis en pla e par le Servi e du Développement
Rural(SDR) delaPolynésieFrançaise.
Fig. 1.1 Cartede laPolynésie Française.
En dehors du tourisme, l'exploitation du Coprah, huile extraite à partir de la noix de o o, est
l'une desprin ipales ressour esnan ières desatolls sur lesquelsau une a tivitéde perli ulture n'est
re ensée.Ilest don né essaire,d'unpoint devueé onomique,deréaliserunre ensement ompletdes
o otiers an d'estimer le volume d'huile pouvant être produit en n d'année. En omplément à e
re ensement, l'estimation de la surfa e o upée par les plantations, ainsique les typesde plantations
disponiblessurlesatollspermettent d'obtenirun étatdeslieuxdelasituationservantde basepour le
programmederenouvellementdelapopulationde o otiers.Desmissionsdere ensement,surleterrain,
peuvent être ee tuées mais ela demande du temps etdes frais de mise en pla e importants. Grâ e
auxprogrèsee tuésenimageriesatellite,ilestmaintenantpossibled'obtenirdesimagespouvantaller
jusqu'à60 m de résolution du pixel au sol, omme par exemple ave le satellite Qui kbird. Quant à
mdu pixel au sol, e qui est susant pour résoudre leproblème de re ensement des o otiers et de
ara térisationde o oteraies.L'utilisationde esimages, ombinéesàdeste hniquesdesegmentation
adaptée, permet de faire un re ensement des o otiers et don de réduire les oûts des missions de
terrain, mais, bienentendu, la onnaissan e du terrain reste fondamentale pour valider lesméthodes.
Ce travail de re ensement de la population de o otiers sur les atolls des Tuamotu né essite deux
prin ipalesétapes:
•
la segmentation individuelledes o otiersan d'estimerle nombretotal d'arbresvisibles surles images,•
la lassi ation des diérents types de plantation en prenant en ompte la densité lo ale, l'or-ganisation spatiale des o otiers.Avant d'ee tuer la segmentation des arbres, une étude préliminaire des images est né essaire
an de lo aliser et lassier la végétation. Pour ela, il existe plusieurs indi es, al ulés à partir de
l'information spe trale,qui ara térisent lestypesdevégétation. Mais esindi esné essitent labande
pro he infrarouge pour pouvoir être al ulés. Or, nous n'avons à notre disposition que des images
prisesdanslespe tre visible, 'est-à-dire les anaux rouge,vertetbleu.L'absen e de labandepro he
infrarouge nous oblige alors à trouver des méthodes alternatives qui exploitent la stru ture spatiale
visibledansl'image pour segmenter et lassierlavégétation.
La littérature abonde en méthodes de segmentation d'arbres dansdes imagessatellites. Certaines
utilisentunmodèlesynthétique3Dd'arbrequiestprojetésurleplandel'imageenayant orre tement
pla é la sour e de lumière etle point de vue. Ce modèle génère un motif qui est alors re her hé par
orrélation dans l'image. Mais e type de méthode présente l'in onvénient prin ipal de ne déte ter
quele entre desarbres et non leur ouronne. L'information apportés par la ouronne est une sour e
d'information importante sur le développement des palmes et l'état de santé de l'arbre. De plus, il
estné essaire demodéliser orre tement l'arbrepour que lare her he par orrélationsoit fru tueuse.
Une autre méthode, basée sur la re her he des maxima lo aux du lapla ien, permet de déte ter des
arbres en entier. Mais nous verrons que son appli ation sur les images IKONOS de o oteraies ne
donne pas de résultats satisfaisant. Ce i est prin ipalement dû au fait que les arbres ne sont pas
susamment ontrastés ave le sol (présen e de sable fréquente sur le sol dans les atolls). D'autres
méthodes utilisent l'hypothèse qu'il existe toujours des pixels plus sombres entre haque arbre. En
visualisant l'image omme un paysage montagneux, es pixels sombres représentent les vallées. Un
système de heminement de es vallées basé sur des règles et une stratégie de par ours dans le sens
horairepermetdedéte terlesarbresetmêmedes inderendeux euxquise hevau hent.Surlemême
prin ipe, étant donné que les pixels sombres représentent les vallées, les plus lairs représentent une
approximationdessommetsdesarbres.Cesmaxima lo aux, dansunvoisinagede
7 × 7
pixels,servent degrainesaupro essusde roissan ederégions.Cette roissan es'arrêteunefoisunpixeld'unevalléeren ontré ou lorsque e pixelappartient déjà à une autre région.Une autre méthode, plus omplexe,
modélisel'image ommeunpro essuspon tuel où haqueréalisationestunmodèled'arbre ara térisé
par uneellipse etpour lesrégions oùles arbres sontpro hesles uns desautres. Pour les arbres isolés,
e modèleest enri hien prenant en ompte sonombreportéeau sol.Cetteméthode n'est pasutilisée
dans ette thèse arilestdi ilede modéliser orre tement laformed'un o otier, plusgénéralement
lestron s ne sont pasre tilignes etpeuvent présenterdes onguration de roissan etrèsdiérentes.
1.2 Contributions
La première ontribution de ette thèse est une méthode de re ensement des o otiers ne
né essi-tant pas le anal pro he infrarouge et basée sur l'hypothèse qu'il existe des pixels sombres entre les
arbres. En eet, ette hypothèse est onforme à e que l'on peut observer dans les images Ikonos.
Nous onstruisonsunréseaudetouslespixelsquiappartiennentauxvalléesetre her honslesmaxima
lo auxdansunefenêtrede
7 ×7
pixels.Leréseaudesminimaainsiquelesmaximalo auxserventalors demarqueurs, 'est-à-direde sour ed'immersion, pour lasegmentation par lignede partagedeseaux.Une fois la ouronne de haque arbre segmentée, nous al ulons le entre de gravité pondéré par les
anaux,lasurfa emaisaussilapositionde haquearbreetladensitélo aledesarbres.Andevalider
laméthode,lasegmentation a étéappliquéeà l'image del'atoll de Tikehau surlequelune missionsur
leterrainaétéprogrammée.Desrelevésdedensitéontétéréalisésetrepérésaumoyen d'unGPS. Les
informationssurlatopologiedesarbresenfon tiondeleurvoisinageapermisdemettreenéviden ela
présen ed'un hevau hement important dansles o oteraies arti ielleset ertains arbressetrouvent
sousleurs voisinsdon ilsnesontpasvisibledepuislesatellite.Lesrelevéssurleterrainsont omparés
aux artesde densité al ulées àpartirdu résultat delasegmentation.
Lase onde ontribution de ettethèse on erneletraitement deszonesombragées par desnuages.
En eet, l'ombreportéedes nuages faité houer lepro essusde lassi ation de lavégétation etdon
biaise le résultat du dénombrement puisque es zones ombragées sont pas traitées. Nous proposons
une méthode très simple qui permet de segmenter orre tement les o otiers dans es zones. Là
en- ore, notre appro he dière de elles de la littérature par le fait qu'ellen'utilise pasla bande pro he
infrarouge.
Sous ertaines onditions, il est possible d'utiliser l'ombre des o otiers, fa ilement déte table, pour
estimer leur hauteur. Ce i est possible si l'ombre portée au sol des o otiers est visible dansl'image,
la position du soleil est onnue grâ e aux méta-données disponibles dansles images. Sur e prin ipe,
nous proposonsune méthode d'estimation dela hauteurdes o otiers.Ce dernierpoint onstitue une
troisième ontribution, mineure,de ette thèse.
Lederniervoletde ettethèse on ernela ara térisationdelarépartitionspatialedes o oteraies.
En parti ulier, il s'agit de re onnaître les o oteraies arti ielles ou sauvagesainsi quedes
ongura-tions intermédiaires qui orresponde à des zones de ultures laissés à l'abandon. Pour réaliser ette
ara térisation, deuxparadigmes sont examinés.
Le premier repose sur la ara térisation des o oteraies à partir de leur signature visuelle (stru ture
spatiale et radiométrique) dansles images, 'est-à-dire leur texture. Le problème est alors traité par
un formalisme de lassi ation supervisée. Les paramètres de la lassi ation sont al ulés à partir
d'ensembles d'apprentissage hoisis par l'opérateur. L'information est en odée à l'aide d'une série de
des ripteursdetexturepertinentspourla ara térisationdesstru turesvégétales.Uneétudedequalité
quasi-exhaustive sur les huit lassieurs les plus utilisés de la littérature a été mené pour déterminer
lesperforman es de ha un. Ce i onstitueune quatrième ontribution de ette thèse.
Unetelleméthodologieimpliquela lassi ation de haquepixeldanslesimagesetinduitunfort oût
algorithmique (plusieurs heures de al ul sur de grandes images). Plutt que d'analyser la texture,
un se ond paradigme onsiste à examiner la position spatiale de haque o otier et d'analyser leur
répartition dansle plan. Ce i est rendu possible grâ e à l'algorithme de dénombrement des o otiers
proposé pré édemment. Cette appro he est pertinente ar le pro édé de dénombrement est rapide
(en omparaison à une lassi ation pixel à pixel). Pour ara tériser spatialement la répartition des
o otiers, nous avons hoisit de tester statistiquement ette répartition ave elle engendrée par un
pro essuspon tueldePoisson.Ladensitédesarbresestalors ara tériséepar leparamètre d'intensité
dupro essuspoissonien. Ceparamètreestestimé lo alement etàdiérentes é hellespour bienrendre
ompte de la variabilité de la densité sur le terrain. Cette partie onstitue la inquième et dernière
ontribution de ette thèse.
Après ara térisation des diérents types de plantation, les résultatssont roisés ave desrelevés
de terrain sur l'ensemble de l'atoll de Tikehau. Ce i permet d'obtenir, d'une part, une validation
supplémentaire de la méthode de dénombrement des o otiers par l'analyse des diérentes densités
lo aleset,d'autrepart,de al ulerdestauxd'erreurdedéte tionenfon tiondutypedelaplantation.
1.3 Plan du do ument
Cemanus ritestorganiséen troisparties. Danslapremière partie,ilestprésentélemé anismede
formationdesatollsdelaPolynésieFrançaise. Ce ipermetdebien omprendrelastru turegéologique
du terrain. Ensuite, les données sont présentées en détaillant elles de l'atollde Tikehau et elles de
l'atollde Vahitahi. Enn, nous on luons ette partie en présentant les ontraintes liées auxdonnées
etla faisabilité de la résolution des problèmes onsidérées au tenant ompte des résolutions spatiales
desimages.
La se onde partie s'arti ule autour du dénombrement individuel des arbres. Un état de l'art des
méthodes utilisées pour la segmentation des ouronnes des arbres est présenté. Cet état de l'art
pro-poseune liste nonexhaustive de méthodes:utilisation d'unmodèle synthétique d'arbresetre her he
de motif dans l'image, re her he de minima lo aux du lapla ien, segmentation à base de règles de
heminement de valléepour détourer unarbre, segmentation par lignede partage deseaux ontrainte
pardesmarqueursandelimiterlasursegmentation,ouen ore segmentation parpro essuspon tuels
marquésutilisantunmodèled'arbreetdesonombreportéeausol.Nousprésentonsnotre ontribution
àl'étatde l'artdudénombrement d'arbresdanslesimagessans analpro he infrarouge. Lesrésultats
obtenus etleurvalidation sont ensuiteprésentés.
Latroisièmepartie traitede l'analysede l'organisationspatialedesplantationsde o otiersande
lassierlesplantationssuivantleurdensité,leuralignementouen oreleurrégularité.Nousprésentons
unétatdel'artdesméthodesde lassi ationsuperviséestellesquela lassi ationparparallélépipèdes,
ladistan e minimale, la distan ede Mahalanobis, la lassi ation par maximumde vraisemblan e et
les séparateurs à vaste marge (SVM). Nous montrons alors que la ara térisation des o oteraies est
possible enutilisant ommeinformation latexture, dé ritepar desmatri esde oo urren e al ulées
surl'image multispe trale. Unenouvelle étudeestréaliséepourdéterminerle lassieurleplus
perfor-mant. Enn, la ara térisation des o oteraies par pro essus pon tuel de Poisson est présentée pour
résoudreleproblèmedu temps de traitement observé lorsde la lassi ation surles textures.
Nous avons fait le hoix de séparer le dénombrement individuel des o otiers de la typologie des
plantations dans deux parties diérentes ar e sont deux problèmes distin ts. En eet, le premier
s'arti uleessentiellement autourde lasegmentation desarbresalors quelese ondutilise lesméthodes
de lassi ationpour ara tériserlestypesdeplantation.Dansledénombrementdes o otiers,la
las-si ationn'est utiliséeque pour l'étape de masquage deszones végétales et ela pour palierl'absen e
du anal pro he infra rouge. Cette étape aurait très bien pu se faire par seuillage du
NDVI
si nous avionsle analpro he infrarouge.Le le teur trouvera en annexe des ompléments auxnotions utilisés dans ette thèse, les résultats
omplets desdiérentes méthodesutilisées pour lasegmentation deszones végétales,la segmentation
Présentation de la problématique et des
Chapitre
2
Problématique
Dans e hapitre,nousprésentonsles ontextedenotreétudeenmettantenavantl'intérêté onomique
quereprésentel'exploitationduCoprah.Ensuite,nousprésentonslaproblématiquequenoussouhaitons
résoudre toutau longde ette thèse.
2.1 Contexte de l'étude
L'exploitation des o oteraies permetl'extra tionde l'huile de Coprah à partir de lanoix de o o
mais aussil'utilisation du bois à partir des o otiers séniles (projetde s ierie surl'atoll de Tikehau).
L'exploitation du Coprah onstitue l'une des prin ipales ressour es nan ières des atolls habités sur
lesquels au unea tivitéperlière n'est re ensée. LeCoprah estl'albumen sé héde lanoix de o o. Les
noix de o o sont ré oltées unefoisarrivéesàmaturité. Ellessontouvertes etlaisséesà sé herun
mo-mentpourfa iliterledétro age(voirlagure2.1 )qui estee tuémanuellement.La hairextraiteest
ensuitesé héeausoleil,surdesprésentoirs(voirlagure2.2 ),jusqu'àladisparitiontotal desateneur
en eau qui ne doit pas dépasser 6% pour obtenir du Coprah. Le Coprah sé hé est ensuite rassemblé
dans des sa s qui sont pesés avant leur vente etl'a heminement maritime vers Papeete où se trouve
l'Huilerie deTahiti.
Fig.2.1 Sé hage préliminaire desnoixde o o ouvertes avant détro agede l'albumen.
La ulture du Coprah o upe traditionnellement une position privilégiée dans le paysage agri ole et
é onomique delaPolynésie Française. Cette ultureest onsidérée parles pouvoirspubli s ommeun
moyen essentiel de maintien des populations rurales dans les îles, notamment dans les atolls les plus
éloignés où la perli ulture n'est pas pratiquée. Ainsi, dans le adre de l'aménagement du territoire,
Fig. 2.2 Sé hage dela hair de o o au soleil.
minimumauxprodu teurs de Coprah. Cedispositifde soutienreposesurun prix deventeadministré
etdessubventions a ordéesàl'Huilerie deTahiti,seulorganisme habilitéàa heterlaprodu tion aux
ultivateurs.
Le prix a quitépar l'huilerie varie selon laqualité du Coprah livré par le ultivateur, il estde 100
FCFPlekilogramme pourleCoprahdepremièrequalité(prixxédepuisle1 er
O tobre2004)etde55
FCFP lekilogramme pour le Coprah de deuxième qualité, saufpour les Marquisesoù e prix est xé
à65FCFP.Le tableau 2.1présentelaprodu tion selon laqualité etlavaleur duCoprah pour l'année
2007.Letableau2.2présentelaquantité enpoidsnetquiestentréeen siloselon laqualité àl'Huilerie
deTahiti pour l'année2007.
Origine
Quantitésré oltéesenKgetprixpayéauprodu teurenFCFP/Kg Valeuràla produ tionen millionsde FCFP 1 ère qualité Prix 1 ère qualité 2 ème qualité Prix 2 ème qualité Total % ÎlesduVent 306674 100 88 55 306762 3,23% 30,67
ÎlesSousleVent 1197420 100 7238 55 1204658 12,67% 120,14
ÎlesAustrales 110070 100 3494 55 113564 1,19% 11,20
ÎlesMarquises 1934659 100 55496 65 1990155 20,93% 197,07
Tuamotu-Gambier 5730389 100 161681 55 5892070 61,97% 581,93
PolynésieFrançaise 9279 212 227997 9 507209 100,00% 941,01
Tab.2.1 Produ tion par ar hipel selon laqualité etlavaleur du Coprah en 2007. Sour e:Huileriede Tahiti, Servi eduDéveloppementRural.Quantitéré oltées:poidsnetaudépartdesîles.
Origine
QuantitésentréesensiloenKg 1
ère
qualité 2 ème
qualité Total %perte
ÎlesduVent 302674 302674 1,33%
IlesSousleVent 1177980 7221 1185201 1,62%
IlesAustrales 107985 3361 111346 1,95%
IlesMarquises 1866081 52826 1918907 3,58%
Tuamotu-Gambier 5383112 154029 5537141 6,02%
Polynésie Française 8837832 217437 9055269 4,75%
Tab. 2.2 Quantités entrées en silo en Kg pour l'année 2007. Sour e : Huilerie de Tahiti, Servi e du DéveloppementRural.Quantitéré oltées :poidsnetensilo.
Fig.2.3Évolutiondelaprodu tiond'huiledeCoprah parar hipelentre1970et2007.Sour e:Huilerie deTahiti,Servi eduDéveloppementRural.
L'Huilerie de Tahiti transforme le Coprah en huile brute et en tourteaux. L'huile brute est, pour
l'essentiel exportée. Une faible part estranée sur pla e pour lafabri ation du Monoï de Tahiti.Les
tourteauxpar ontreservent de nourriture animale(bétailetvolaille) etsont essentiellement destinés
au mar hé lo al. Les utilisations de l'huile de o o sont prin ipalement alimentaires : fabri ation de
margarines etgraissesvégétales (beurre de o o). L'huile de o o estaussi utiliséedansl'industrie de
la savonnerie en raison notamment de sa teneur en a ide laurique, qui donne au savon d'ex ellentes
propriétés nourrissantes.L'huilede o oestaussiutilisédanslese teur osmétiquedelalièreCoprah
en produisant leMonoï deTahiti quia reçu ladistin tiono ielle de l'appellation d'origine en1992.
En Europe,il est ouramment utilisé ommehuile solaire hydratante et soindu orps.
La gure2.4présente l'évolution delaquantitéd'huile de Coprah exporté( ourbeen rouge) ainsi
quelavaleurqu'ellereprésente( ourbejaune).Laprodu tiontotalestaussia hée( ourbejaune)pour
situer lapartreprésentée par l'exportation. L'huilerie de Tahiti exporteprin ipalement saprodu tion
vers l'Union Européenne. Le Coprah polynésien est en on urren e dire te ave les produ tions des
pays d'Asiedu Sud-Estave de grosprodu teurs ommeles Philippines, laThaïlande oul'Inde.
Fig. 2.4 Évolution de l'exportation et de la valeur d'huile de Coprah entre 1993 et 2007. Sour e : HuileriedeTahiti,Servi eduDéveloppementRural,InstitutStatistiquedelaPolynésieFrançaise.
potentiellementproduite.La onnaissan edel'étatde haque o oteraiepermetégalementd'optimiser
laprodu tion.
Leproto ole deKyotoimposeauxpays defaireunbilan arbone,don dessurfa esforestièresdeleur
territoire.Uneétudeesten oursenPolynésie,maisà ejourles o oteraiesnesontpas omptabilisées
pouréviterquedespaysnebrûlentdesforêtsprimairesetnereplantentdes ulturesdetype o oteraie,
palmeraie à huile, et . Cependant, les o oteraies des Tuamotu devraient être onsidérées dans les
surfa esdeforêtnaturelle,de partleursurfa e importanteetlamonotypi ité du ouvertvégétal dans
lesatolls polynésiens,etlefait queles o oteraies sontimplantées depuis dessiè les.
2.2 Problématique
La Polynésie Française se situe dans le Pa ique Sud à 18000 km de Paris (voir la gure 2.5 ).
C'est un territoire omposé de inq ar hipels ave un total de 120 îles dont la plus importante et la
pluspeuplée estTahiti.Les inq ar hipelsqui omposent laPolynésieFrançaisesont:l'Ar hipelde la
So iété (les ÎlesduVent etles ÎlesSousleVent), l'Ar hipeldesMarquises, l'Ar hipeldesAustraleset
l'Ar hipeldesTuamotu-Gambierdontlaplupartdesîlessontdevenuesdesatolls.Leterritoire s'étend
surunesurfa ede2,5millionsdekm 2
,aussigrandquel'EuropesanslaRussie,ave seulement4000km 2
de terre émergée, lagons ompris. Depart la onguration et l'éloignement des îles, l'organisation de
missionsurlesdiérentsatollsesttrès oûteused'autantplusque ertainsatollsnesontpasa essibles
enavion maisuniquement par voix maritime.
Fig.2.5 Cartede laPolynésie Française.
Grâ e aux progrès réalisés dans le domaine de l'a quisition d'images satellites, il est possible
d'obtenirdesimages d'unetrès granderésolution spatiale,telles quepar exemple les imagesobtenues
ave le satellite Ikonos dont la résolution maximale du pixel au sol est de 80 m. Le Territoire de
la Polynésie Française possède les droits d'exploitation sur de la donnée optique Ikonos de la quasi
totalité des atolls de l'ar hipel des Tuamotu. À partir des informations ontenues dans es images,
noussouhaitonsrésoudre lesproblèmes suivants :
•
La lo alisation de haque o otier et l'identi ation de ritères obje tifs omme la taille du houppier, delapalme, la ouleur de elle- i etladensitélo ale de la o oteraie,•
la lassi ation des o otiersetdes o oteraies selon leur organisationspatiale.Anderéaliser esobje tifs,nousdevonsexploiteraumieuxl'information ontenuedanslesimages
satellites.Il estdon important de omprendrelepro essusphysique quirésulte del'a quisition et de
Chapitre
3
Présentation des données des Tuamotu
Ce hapitre présente lesdonnées utiliséesdans ettethèseainsiquele ontexted'a quisition.Pour
ela, il est important de omprendre la topologie du terrain et don de la formation géologique des
atolls. Nousprésentons ensuiteles donnéesproprement dites.
3.1 Formation géologique des atolls de la Polynésie Française
3.1.1 Naissan e des îles
Toutesles îlesde laPolynésieFrançaisesontd'origine vol anique.Cesîlesreposentsurune grande
plaquerigidedelalithosphèreterrestre,laplaquePa ique,engendrée àl'Estparladorsaledumême
nom.Elle se dépla e versl'Ouest etleNord-Ouestà raison d'environ 11 mpar an,et plonge sous la
plaque Eurasienne, à l'Ouest, au niveau des grandes fossesdu Pa ique(fosses des Aléoutiennes, des
Mariannes,desKouriles,et ).
Sur ette plaque, quirepose parplus de 4000 mde fond,naissent deuxtypesde vol ans :
Ceuxapparusauniveaude ladorsaleduPa ique-Est, zonede fra turefavorableau passagede
lave autraversdelalithosphèresituéeaugrand largedel'AmériqueduSud,puisquiontdérivé.
Il s'agit desplus vieux vol ans de l'ar hipel, dont l'âge est très pro he de elui de laplaque sur
laquelleils reposent (40à60 millions d'années).C'est le as desîlesde l'ar hipeldesTuamotu.
Ledeuxièmetypedevol an,ditdepoint haud, on ernenttouteslesautresîlesdelaPolynésie
Française.Loindeslimitesdesplaques,lemagmades ou hesprofondesremonteprèsduplan her
o éanique, le fait fondre, le per e, puis éje te ses matériaux, parfois au-delà de la surfa e de
l'o éan,formant ainsiune île.
Le point haud est xe, le plan her o éanique se déplaçant vers le Nord-Ouest, on assiste ainsi à la
réation d'un hapelet d'îles plus ou moins espa ées en fon tion du rythme des épisodes éruptifs. À
titred'exemple, l'ar hipeldesAustrales,situéauSudde laPolynésieFrançaise,aété réépar lepoint
hauddeMa Donald,toujoursena tivitéeta tuellementsituéà40milesauSud-Estdel'îledeRapa.
Le sommet du vol an, a tuellement en formation, n'est plus qu'à quelques dizaines de mètres de la
surfa e de l'o éan.
Lesépisodeséruptifsquiontdonnénaissan eauxvol anspolynésiensontétébrefset onsidérables.
Brefs, ar la vitesse de dépla ement de la plaque sur laquelle ils reposent étant relativement rapide,
es vol ans ont étérapidement oupésdeleur sour ede magma.Onestime parexemple quelevol an
prin ipal de Tahiti a été réé en 0,75 million d'années seulement. Considérables, arils ont éje té en
peu detemps desquantitésformidablesde lave.Le vol an deTahiti aunvolumeestimé de 8millions
de m
3
.Sa hauteur totale à l'origineétait de 12000 m. 3000 mpour lapartie aérienneet9000 mpour
la partie sous-marine, sil'on tient ompte de l'enfon ement queson poids a provoqué sur leplan her
3.1.2 Évolution des îles
Àpeineformé,levol anaérien (ouîle haute)estsoumisàdiérentsphénomènesquivont
progres-sivementletransformerenîlebasseouatoll.C'estl'eetditdesubsiden e auséàlafoisparl'érosion
aérienne,l'enfon ement de l'île,laformation delabarrière ré ifaleetladérive duplan hero éanique.
L'érosion aérienne est dire tement liée à la violen e des phénomènes limatiques (pluies tropi ales et
ventsprin ipalement)quilessiventsesan s.L'enfon ementduvol anestdûàsonproprepoidsajouté
à eluides oraux,quipoussent,faisant é hirleplan hero éaniquesurlequelilrepose. Toutau long
de satransformation,des oraux sedéveloppent en eet surles tes puisau large, formant une
bar-rièreeten er lantainsil'îled'unlagon.Une foislevol antotalementeondré,ilnereste quel'anneau
oralienqui émerge,appeléatoll, etqui disparaîtralui aussi.
Lepassagedustaded'îlehauteà eluid'atollestrapideàl'é helledestempsgéologiques(5à6millions
d'années).Aujourd'hui,onpeutobserverenPolynésieFrançaisetouslesintermédiairesentre estypes
d'îles,y ompris des ongurations totalement immergées sousl'o éan.
Lagure3.1 illustrelepro essusde formation d'unatoll.
Fig. 3.1 S héma de laformationd'unatoll.[Field etal., 2002 ℄
3.1.3 Dénition d'un atoll
Un atoll (mot originaire des îlesMaldives) est une île annulaire desmers tropi ales onstituée de
ré ifs oralliens entourant une lagune entrale, le lagon. Plus s ientiquement, on parle de
bio on-stru tion al aire sur fond vol anique. Cette dénition rend bien ompte de la véritable nature d'un
atoll. Des organismes minus ules, les oraux (ou plus exa tement les madrépores) ont onstruit par
empilement su essif de leurs squelettes al aires, des édi es atteignant des volumes olossaux. Les
atollssont aussile résultat de la lutte que les oraux mènent pour rester à lalumière alors que leurs
supports s'enfon ent inexorablement vers les profondeursde l'o éan. En Polynésie Française, les ilots
qui omposent unatollsont appelés motu.
3.2 Présentation des images satellites
Pour notre étude, les données ont été ré upérées auprès du Servi e de l'Urbanisme du Territoire
de laPolynésieFrançaise qui possède les droitsd'exploitation de esdonnées. Lespremières données
misesà notre disposition sont elles de l'atoll de Tikehau. Puisd'autres données sont venues enri hir
le ataloguepour d'autrestraitements.
Touteslesdonnéesennotrepossessionontétéortho-re tiées. Cesimagessontleproduitd'unefusion
entrelesinformationsradiométriquesdesimagesmultispe trales(à
3, 2
mderésolutionaunadir)etles informationsspatialesdelabandepan hromatique(à82
mde résolutionau nadir)and'obtenir des imagesRVB(Rouge,VertetBleu)d'unerésolution spatialede1
mou80
maprèsréé hantillonnage. Cettefusionaétépréalablementee tuéeavantlaré eptiondesimages.Nouspré isonsaussiquenousnedisposonspasdu analpro he infrarouge.
3.2.1 Données de Tikehau
Les premières données mises à notre disposition sont elles de l'atoll de Tikehau a quises par le
satellite Ikonos 2 les 2 Juillet 2003 (à 20h35 GMT) et 20 Août 2003 (à 20h20 GMT). Ces données
sont utilisées pour l'étude pilote de la o oteraie des Tuamotu qui onsiste à re enser et dénombrer
les o otiers présents sur l'atoll. Les images de Tikehau ont une résolution du pixel au sol de
1
met sont géoréféren ées dans le système WGS84, hémisphère sud et zone 6. La mosaïque omplète
de l'atollTikehau (gure 3.2) a une résolution de 28517 pixels par 28617 pixels et est entrée sur les
oordonnéesgéographiques
148
◦
17
′
36.24
′′
W
et
14
◦
53
′
12.91
′′
S
.Departlastru turedesatolls(présentée
danslase tion 3.1),iln'yaque
10%
dedonnées signi atives arlaplusgrandepartiede l'imageest o upée par l'eau.Fig.3.2 Vue globale del'atollde Tikehau.
Comme nous pouvons le onstater sur la gure 3.2 , l'eau o upe une grande partie de l'image.
Nousavonsdon fra tionnél'imageen zones omportant ha uneun ertainnombredemotu.Pourles
identier, nous leur avons attribué des numéros. La gure 3.3 montre les diérentes zones marquées
d'une lettrerouge etlanumérotation des motus traitésen jaune.
Fig.3.3 Fra tionnement en zone de l'atollde Tikehau : haque zone(lettre en rouge) omporteun
Lavalidationdesrésultatsestréaliséesurdeszonesdetesttellesque ellesdénies surlagure3.4
grâ e à une mission terrain. Ces zones de test sont représentatives des diérentes ongurations de
plantationsqu'il estpossibled'avoirsurles images.
Fig. 3.4 Motuprin ipal :lo alisation des
6
zones de testdu motu#16
.3.2.2 Données des autres îles
Panorama de es données
Unautrejeu dedonnéesave desimagesdont larésolutiondu pixelausolestde
80
mest également à notre disposition. L'a quisition des images a été réalisé entre Mars et O tobre 2005 en fon tion deladouzained'atolls observés.
Ces données ne omportent ependant toujours pasde bande pro he-infrarouge mais uniquement les
anaux rouge, vert et bleu. Ces dernières sont utilisées pour l'estimation des surfa es de o oteraies
ainsiquela lassi ation destypesdeplantation.Ellespermettentégalement demontrerlarobustesse
des algorithmes proposés dans ette thèse. Elles illustrent aussi la pertinen e de nos méthodes pour
letraitement de grande quantité de données. Ces travaux rentrent dansle adre d'un programme de
régénération de la o oteraie desTuamotu onduit par leServi e du Développement Rural(SDR) de
laPolynésie Française. Le tableau 3.1 montre la liste ave les noms et date d'a quisition des images
satellitesetlagure3.5donne un panoramade es données.
Atoll Date Résolutionmosaïque Coordonnéesgéographiques
Amanu 02/08/200519:53GMT
31308 × 29930
pixels140
◦
52
′
41.97
′′
W
,17
◦
42
′
11.55
′′
S
26/10/200519:49GMT Fakahina 23/03/200519:44GMT11077 × 6942
pixels140
◦
10
′
22.83
′′
W
,15
◦
57
′
43.18
′′
S
Fangatau 22/07/200519:51GMT10135 × 6227
pixels140
◦
54
′
17.32
′′
W
,15
◦
47
′
57.80
′′
S
Nukutavake 05/06/200519:40GMT7126 × 2689
pixels138
◦
48
′
47.55
′′
W
,19
◦
16
′
14.48
′′
S
PukaPuka 30/07/200519:43GMT
8352 × 7117
pixels138
◦
51
′
1.00
′′
W
,14
◦
47
′
39.18
′′
S
Reao 28/03/200519:27GMT24142 × 16771
pixels136
◦
28
′
8.91
′′
W
,18
◦
27
′
34.78
′′
S
02/06/200519:31GMT 05/07/200519:33GMT Tatakoto 05/06/200519:40GMT17468 × 4761
pixels138
◦
27
′
32.39
′′
W
,17
◦
19
′
36.04
′′
S
Tureia 10/08/200519:45GMT10473 × 16957
pixels138
◦
34
′
53.97
′′
W
,20
◦
46
′
3.36
′′
S
Vahitahi 01/09/200519:46GMT10673 × 4120
pixels138
◦
51
′
52.96
′′
W
,18
◦
45
′
35.19
′′
S
Vairaatea 07/08/200519:36GMT8983 × 6120
pixels139
◦
15
′
45.15
′′
W
,19
◦
19
′
38.08
′′
S
09/09/200519:38GMT(a)Amanu (b)Fakahina ( )Fangatau (d)Nukutavake
(e)PukaPuka (f)Pukarua (g) Reao (h)Tatakoto
(i)Vahitahi (j)Vairaatea
Fig.3.5 Panorama desautres donnéesà notredisposition.
Présentation des données Ikonos de Vahitahi
An d'illustrer les méthodes utilisées pour résoudre le problème de lassi ation des sols (voir le
hapitre 9 ) et de ara térisation des types de o oteraies (voir le hapitre 10 ), nous présentons en
détail les données utilisées.La gure3.6 montre une image Ikonos de l'atoll de Vahitahi situé à
1110
Km à l'Est de Tahiti dont les oordonnées géographiques sont18
◦
47
′
de latitude Sud et
138
◦
50
′
de
longitudeOuest.Letableau3.2présenteles statistiquesextraitesdel'image,tellesqueleminimum, le
maximum,lamoyenneetl'é arttypede ladistributiondesniveauxdegris.Nousobservonsles anaux
R,GetBsontfortement orrélésentreeux(tableau3.2(b) ).Lagure3.7illustrel'histogrammeasso ié.
Le problèmed'o upation des solssera illustrésur une petitezoned'intérêt (voirla gure 3.8) pour
Min Max Mean StDev
R 1 2047 231,54 252,49 G 62 2047 390,17 267,82 B 116 2047 387,6 166,44 (a)Bases R G B R 1 G 0,95 1 B 0,89 0,96 1 (b)Correlation
Tab.3.2 Statistiquesde l'image 3.6.
Fig. 3.7L'histogramme de l'image 3.6 .
lesexpérimentations arlesdimensionsde l'image sont grandeset demandent beau oupde ressour es
informatiques.
Fig. 3.8 Visualisationd'unezonepour lesillustrations futures.
La gure 3.10 i-dessous présente la région du Nord-Est de l'atoll sur laquelle toutes les
Fig. 3.9Visualisation endétail delazone duvillage.
Fig. 3.10 L'atoll deVahitahi etun zoomdela zoned'étude auNord-Est.
3.3 Adéquation données / problèmes
Lors de ette étude, nous nous sommes onfrontés à plusieurs ontraintes. Premièrement, nous
n'avons au une maîtrise sur la fusion des images multi-spe trales ave le anal pan hromatique ar
elle- i a été réalisé au préalable avant l'a hat des images. Il en est de même pour le
réé hantillon-nage. Deuxièmement, les indi es de végétation robusts (voir l'annexe B) sont al ulés ave la bande
pro he infrarouge.Étant donnéquenousne disposonspasde ette donnéemaisseulement desbandes
spe trales rouge, verte etbleue, il nousfaudrapasseroutre es indi eset trouver une appro he
alter-native pour segmenter les régions végétalisées dans les images IKONOS. L'indi e
IP
est le seul indi e de végétation qui ne né essite pas la bande pro he infrarouge mais uniquement les anaux rouge etvert.Néanmoins,untelindi e n'est passusant pour ara tériser orre tement leszonesvégétalisées.
Ladernièregénérationdes apteursdusatelliteIkonospermet,grâ eàlagranderésolutionspatiale,
d'observerdes détailsplus ns.Il estalors possibled'étudier et d'extraire demanière pluspré ise des
objets. Le premier problème onsidéré est le dénombrement des o otiers dans les images Ikonos.
Ce dénombrement né essite de segmenter individuel haque arbre. Les palmes des o otiers peuvent
atteindre deslongueursde
6
m. En simpliant la formede la ouronne des o otiers par un er lede rayon2 ≤ r ≤ 6
m, nousavonsalors dessurfa esde12
m2
à
113
m2
àdéte ter. Enprenant le asdes
images de Tikehau, ave unerésolution dupixel de
1
m, ilfaut alors déte ter desrégionsde12
à113
pixels.Chapitre
4
État de l'art sur la déte tion des arbres
Ce hapitre présente un étatdel'artnon exhaustifdesméthodesdesegmentation delavégétation
arborifère danslesimages satellitaires.Cinq appro he représentative sont présentées.
4.1 Re her he des maxima lo aux du Lapla ien
Dans[Karantzalosand Argialas,2004 ℄,lesauteursproposentdedéte terlesoliviersparlare her he
des maxima lo aux du lapla ien. La méthode onsiste dans un premier temps à réaliser une
diu-sionanisotropique[Perona andMalik, 1990℄.L'imageltrée,I,vériel'équationauxdérivéespartielles
(4.1 ).Cette équationestdis rétisée et on al ule ainsil'image Iau temps
t > 0
àpartir del'équation (4.1 ) etde la ondition initiale(4.2) qui estl'image originaleI
0
.g (∇I)
est une fon tion qui ontrle la diusionetest hoisieen fon tion dugradient an depréserverles ontours,k∇Ik
est lanormedu lapla iende l'image etle oe ientκ
ontrle lasensibilitésur les ontours.
∂I(x, t)
∂t
= div (g (k∇I(x, t)k) ∇I(x, t))
∀x ∈ Ω, ∀t > 0
I(x, t
0
) = I
0
(x)
∀x ∈ Ω
(4.1) (4.2) aveg (∇I) = exp
−
k∇Ik
κ
2
!
(4.3)(a)Imageoriginale (b)10itérations ( )20itérations (d)70itérations
Fig. 4.1 Exemple de ltrage par diusion anisotrope : l'image originale et trois ltrage pour
t =
5, 10
et20
,ave lavariableκ = 25
.L'imageainsiltréeapourpropriétéd'avoirses ontoursrenfor éesetlesrégionshomogèneslissées.
Ceteet estd'autant plusnetqueleparamètre
t
estgrand. Lagure4.1montreles résultatsd'untel ltrepour diérentes valeurs det
.Dans un deuxième temps, une théorie onnue sous le nom de déte tion de gouttes (Blob
lapla ien de l'image. Soit
I
une image, on rappelle que la matri e hessienne est la matri e dont les éléments sont les dérivées partielles du se ond ordre et que le lapla ien est la tra e d'une hessienne(voiréquation (4.4 )).
H =
∂
2
I
∂x
2
∂I
∂x
∂I
∂y
∂I
∂y
∂I
∂x
∂
2
I
∂y
2
!
(4.4)Un pixel dont lelapla ien est nul et le déterminant de lamatri e hessienne est positif est appelé
pointelliptique(à ausedelasurfa eapparentedel'imagedans etterégion)etest on aveou onvexe
selonle signedu lapla ien (voir lagure4.2 ).
Extrairelesgouttesdansuneimagerevientàre her herlesextremalo auxdulapla ien,oudemanière
(a)
I
xx
+ I
yy
>
0
(b)I
xx
+ I
yy
<
0
Fig. 4.2 Apparen e des points elliptique en fon tion du signe du
lapla- ien[Karantzalos andArgialas, 2004℄.
équivalente, àdéte ter lespassages par zérodesongradient tels que:
∇(∇
2
I) = 0
(4.5)Lesigne de
∇
2
I
détermine la lartéede lagoutte: lairsi
∇
2
I > 0
etfon ée si
∇
2
I < 0
Cette méthode a été appliquée à la déte tion des oliviers sur des diérentes images satellites à
diérentes résolutions du pixel au sol (1 m pour Qui kbird, 4 m pour Ikonos et 10 m pour SPOT
HSV)[Karantzalosand Argialas,2004 ℄.Les étapessont illustrées danslagure4.3. Or, il s'avère que
dans esimagesleshouppiersdesolivierssontrelativement bien ontrastés parrapportausolqui,lui,
esttrèshomogène, equi n'est pasle aspour desimagesIkonosde o oteraies. Destestsontété fait
maissansrésultat probant.
(a) Originale (b)Lapla ien ( )Gouttes (d)Déte tés
Fig. 4.3 Appli ation àl'extra tion desoliviersd'après [Karantzalosand Argialas,2004 ℄.
4.2 Re her he de motifs
Les méthodes de re her he de motifs, développées initialement par [Pollo k, 1996℄, reprises et
l'im-Dans [Pollo k, 1996 ℄, il est montré que la ouronne d'un o otier est orre tement approximé par
unerévolutionautour d'unaxed'une ourbede typedemi-ellipse modiée dont l'équation est:
|z|
n
a
n
+
(|x|
2
+ |y|
2
)
n/2
b
n
= 1
(4.6)a, b ∈
R+
∗
etn
un entier.Le paramètren
ontrle laforme généraleetvaut typiquement :1 (pourun ne), 2 ou 3 (pour une ellipsoïde).En hangeant es paramètres, il estpossible de générer diérentsmodèles en 3D pour diérentes tailles de houppier. La gure 4.4 montre diérents modèles générés
ainsique esmêmesmodèles illuminés parune lumière etprojetéssurleplande l'image.La première
ligne a été générée en utilisant
a = 100
et la se onde avea = 200
, dans tous es exemplesb = 50
. Pour ha unedes olonnes,n
prendles valeurs1
,2
et3
.(a)Modèle3D. (b)Modèle3Dilluminéetprojeté.
Fig. 4.4 Modèlesynthétique d'arbres[Pollo k, 1996 ℄.
Pour déterminer la position des arbres, il est né essaire de réaliser une re her he par maximum de
orrélationde esmotifs. L'in onvénient de ette méthode est que lerésultat indique uniquement les
positions desarbres maisnerenseigneen au un assurlaformedel'arbredéte té. Deplus, lemotifà
re her herdans l'image varieen fon tion de lataille etlaforme desarbres àdéte ter e quiimplique
d'avoirautantdemodèlesquedetypesd'arbresàdéte teretné essitedefaituneétapede alibration.
4.3 Suivi de vallée
Late hniquede suividevallée[Gougeon, 1995,Gougeon et al.,2003 ℄ onsidèreles niveaux degris
ommedesaltitudes.De ettefaçon,les ontourssombresbordant haquearbresontdesminimalo aux
etautantdevallées.Laméthoderéalisequatrepar oursdel'image :haut-gau he,versbas-droite,
bas-droite vershaut-gau he,bas-gau he vers haut-droite ethaut-droite versbas-gau he en re her hant si,
parrapportà sonvoisinage,lepixel ourant n'estpasunpoint d'unevallée, 'est-à-direunpixeldont
leniveau degrisestunminimumlo aldans evoisinage. Lagure4.5présentelesdiérentsvoisinages
utilisésenfon tiondusensdupar ours.Lepixelbleuestlepixelen oursd'analyseetenrouge esont
lespixelspris danslevoisinagepour omparerlesvaleursde niveauxde gris.Ladire tion dupar ours
del'image indiqué par laè he.
appliqueensuiteunensemblede règlespour élaguer e réseauetobtenir des ouronnes.Ces règles,au
nombrede inq,dénissentles sensderotation etd'avan éepossiblelelongdu ontourd'unerégion :
•
Règle 1:assureque lesuividu ontoursefait danslesenshoraire etsans dis ontinuité,•
Règle 2:autorise uné art de45
◦
danslesensanti-horaire dans ertains as,•
Règle 3 : gèreles virages à90
◦
dans le sens anti-horaire en vériant que le pixelfait partie du
ontour ousi elui- i estuntrou,
•
Règle4:gèrelestoursà135
◦
quipeuvent êtresoitdesanomaliessoituneséparation du ontour en deuxqui ara térise deuxarbres,•
Règle 5:gère lesretours enarrière quisignie généralement laprésen ede deuxarbres.(a) (b) ( ) (d)
Fig. 4.6 Appli ation desrèglesde suivide ontoursurdes imagessynthétiques.
Bien que les règles aient été validées sur des images synthétiques (voir la gure 4.6) et que nous
ayons suré hantillonné nos images à une résolution du pixel au sol de
32 cm
de manière à avoir la même résolution que elle utilisée par l'auteur, la méthode n'a pas donné de résultats probants surlesimagesIkonos(voirlagure4.7 ).En parti ulier,laméthode é houelorsque les o otiers sont trop
agglomérés.
(a)Originale. (b)Filtrée. ( )Vallées. (d)Résultat.
Fig.4.7 Appli ation de laméthode surune image réelle.
4.4 Algorithme de délinéation individuelle des arbres : TIDA
La méthode TIDA [Culvenor, 2002 ℄ onstruit un réseau de pointsde ontour qui orrespond aux
ouronnesdesarbres.Lespointsde ontourssontlesminimalo aux al ulésdansunvoisinagede
7 ×7
pixels etdansquatre dire tions: verti ale, horizontale etles deux diagonales (voir lagure 4.8 ).Desmaximalo auxsont re her héssuivant lemêmeprin ipe et esderniersservent parlasuitede graines
pour lepro essusnal.
À haque maximumlo alonasso ieunefréquen e
f
LocalM ax
d'identi ation quiindiquelenombrede foisoù ils sont identiés omme maximum lo alpour les quatredire tions dere her he.La gure 4.9montredesimagesdemaximalo auxpourdiérentesfréquen es.Lespixelsdontlafréquen e
f
LocalM ax
estsupérieureou égale à3
sont debons andidatspour êtredes entres d'arbre.D'autrepart,la onstru tiond'unréseaudeminimaestréaliséeenutilisantlesquatrepar ours
présen-téspré édemment. Onretire du réseau les pixels qui ont le moins de han e d'appartenir au ontour
Fig.4.8 Les4 dire tionsdénissantle domaine dere her he d'unmaximum lo al.
(a)
f
LocalM ax
≥
1
(b)f
LocalM ax
≥
2
( )f
LocalM ax
≥
3
(d)f
LocalM ax
≥
4
Fig. 4.9 Identi ation desmaxima lo aux en fon tion de leur fréquen e d'identi ation. Les pixels
en jaune sont eux identiés ommedesmaxima lo aux [Culvenor, 2002 ℄.
2. retirerles pixels isolésqui n'appartiennent pasauréseau desminima,
3. anerle ontour desorte qu'il fasseun pixeld'épaisseur.
Un pixel n'appartenant pas à un ontour est re lassié omme appartenant au ontour si au moins
deuxde es voisins appartiennent à e ontour etque es voisins ne sont pas ontigus. La gure 4.10
présente les règlesutilisées pour lare lassi ation d'unpixel.
Fig. 4.10 Exemple de as dere lassi ation d'unpixel ommeappartenant au réseau desminima.
Ensuite, il faut pro éder à l'élimination despixels isolés onsidérés ommedesminima mais
n'appar-tenantpasauréseau.Ce iestréaliséen retirant lespixelsquiontmoinsde deuxpixelsimmédiatsqui
ne font paspartisduréseau. La gure4.11présentelerésultat del'ajustement réalisé.
(a)Avant. (b)Après
Fig.4.11 Avant etaprèslepro essus d'ajustement [Culvenor, 2002 ℄.
ren ontreave leréseau de minima,
ren ontre d'unpixel dont leniveau de gris est en dessousde la moyenne des entres des arbres
à unfa teur multipli atif près xéempiriquement (voirlagure4.12 ),
ren ontreave une autrerégion.
(a)
k
= 1.0
(b)k
= 0.7
( )k
= 0.4
(d)k
= 0.0
Fig. 4.12 Eetde la onstante
min
k
surlerésultat de la roissan ede région [Culvenor, 2002 ℄.4.5 Ligne de partage des eaux
La ligne de partage des eaux (LPE) [Beu herand Lantuéjoul, 1979 , Vin ent andSoille, 1991 ℄ est
très utilisée pour segmenter des arbres dans des images satellitaires. Citons [Komura etal.,2002 ,
Komura etal.,2003 ,Komura etal.,2004 ℄danslesquelleslesauteursproposentdereprésenterla ouronne
d'un arbre par un er le. Ils utilisent ensuite la LPE pour séparer les régions ir ulaires segmentant
ainsi les arbres. Dans [Wang etal.,2004℄, les auteurs proposent d'utiliser la LPE ontrainte par des
marqueurspour segmenterles arbres.
Nousallonsutiliserune variante de es méthodesque nousprésenterons au hapitre 5 .
4.6 Pro essus pon tuels marqués
Dans[Perrin etal.,2006 ℄,lesauteursproposentd'extraireleshouppiersdesarbresenmodélisantles
peuplementsforestiersparunpro essuspon tuel[Baddeleyand vanLieshout, 1993,vanLieshout, 2000 ℄
marquéd'ellipses. Lesmarques d'une ellipse sont sa position (qui est aussi ellede l'arbre), sonpetit
et songrandrayonainsique sonorientation (voirlagure 4.13).
Fig. 4.13 Position etmarques d'uneellipse [Perrin etal.,2006 ℄.
Unarbreestmodéliséen onsidérant uniquementleurombre.Ainsi,unarbreest onsidéré omme
uneforme laireentourée d'unezoned'ombre(voirlagure4.14 ).
Les positions des arbres sont générés au moyen de pro essus pon tuels (voir le hapitre 11 pour
Fig. 4.14 Modélisation d'unarbreave sonombre[Perrin etal.,2006 ℄.
•
euxquine hangent paslenombred'arbresdéte tés:ilsmodientuniquement lapositionoules marquesdesobjets.Cesmouvementsontlarotation(modi ationdel'orientation),latranslation(modi ationde laposition),ladilatation (modi ation dupetit axeetdugrandaxe) ainsique
toute ombinaison de esmouvements(voirlagure4.15 ).
Fig.4.15 Exemplesde mouvements simples[Perrin etal.,2006 ℄.
•
euxqui hangentlenombred'arbresdéte tés: estypesdemouvementspermettentdefusionner ou diviserdesobjets and'éviterune sur-déte tion ou unesous-déte tion (voirlagure4.16 ).Fig. 4.16 Exemplede fusionetde division[Perrin etal.,2006 ℄.
Lesrésultatsobtenusenutilisantlesmé anismesdé rits i-dessussontprésentésdanslagure4.17 .
Lagestiondesarbresisolésutiliseunemodélisationparti ulière:eneet,unarbreisolésedistingue
(a)Imagetest. (b)Résultats.
Fig. 4.17 Exemple derésultatsobtenus surdesdonnéessatellites.
(a) Ellipse et son ombre portée.
(b) L'ombre portée est une ellipsetranslatée.
Fig.4.18 Modèlepour unarbre isolé.
Chapitre
5
Dénombrement des o otiers
Ce hapitre présente notre ontribution àl'état de l'art pour la segmentation des o otiers. Cette
ontribution se distingue par le fait qu'elle n'utilise pas (par for e de né essité) la bande PIR mais
plutt l'information spatiale stru turelle des images. De e fait, l'algorithme se stru ture en quatre
étapes prin ipales qui sont : pré-traitement et masquage des zones végétales, déte tion des arbres,
segmentation des o otiers etpost-traitement. Certaines de esétapesreposent surdeste hniquesde
l'étatdel'artquenousprésentonsdansunepremière se tion.L'ar hite ture delaméthodeestpré isée
danslase ondese tion etl'exploitation desrésultatsest montrédanslatroisième se tion.
5.1 Outils à la résolution du problème
Il est présenté dans ette se tion les outils utiliséspour résoudre notre problème de déte tion des
o otiers. Ces prin ipaux outils sont : leltre gamma, l'analyse de texture etla ligne de partage des
eauxpoursegmenter les o otiers.
5.1.1 Filtre Gamma
Leltre Gammaréalise unltrageGammaparMaximumAPosteriori(MAP). LeltrageGamma
estprin ipalement utilisé surdes données radar, don en niveaux de gris, an d'atténuer le bruit des
hautesfréquen es (Spe kle) toutenpréservant leséléments dansles hautesfréquen es ( 'est-à-direles
ontours).
Le ltre Gamma MAP a été proposé par [Kuan etal.,1985 ℄. L'appli ation d'un tel ltre né essite
une onnaissan e a priori des fon tions de densité de probabilité de la distribution des niveaux de
grisde l'image.Cettedistributiondesniveaux degrisest supposéesuivreunedistribution gaussienne.
Cependant, en'est pastoutàfaitréalistepuisque ettehypothèse supposeimpli itementdesniveaux
degrisnégatifs.Lesauteursde[Lopes etal., 1990 ℄proposentdemodierleltredeKuanensupposant
ette fois- i que la distribution des niveaux de gris dans l'image suit une loi Gamma et mettant en
pla edeuxniveauxdeseuillage.Ladénitiond'unltreGammaMAPestdonnéeparl'équation(5.1 ):
R =
¯
I
f or C
I
≤ C
u
(α−L−1)¯
I+
√
I
¯
2
(α−L−1)
2
+4αL ¯
I
2α
f or C
u
≤ C
i
≤ C
max
I
cp
f or C
i
> C
max
(5.1)ave :
L = N LOOK
le nombre d'observations de la même s ène (pour des images d'intensités de niveaux de gris,L = 1
),C
max
=
√
2C
u
etα =
1+C
2
u
C
2
I
−C
2
u
,C
u
=
σ
u
¯
u
etC
I
=
σ
i
C
i
.
u
¯
est la moyenne des niveauxdegrisdelafenêtreglissanteutiliséepourleltrageave unevarian eσ
2
u
.I
¯
estlamoyennedes niveauxdegrisdel'imageetC
cp
estlavaleurdeniveauxdegrisdupixel entrédelafenêtredeltrage. Letaille delafenêtre dultreGammavarieentre3
et11
.Sileltreesttroppetit,l'algorithmede ltragene sera pase a e. Par ontre sile ltre est tropgrand, des détails de l'image seront perduslorsdu pro essusde ltrage.Un ltre de taille
7 × 7
donne généralement de bonsrésultats.Celtreminimise laperted'information detexturesurune image dont ladistributionstatistiquesuit
une loi Gamma mieux que ne le font les ltres de Frost [Frostetal., 1982℄ ou de Lee [Lee, 1986 ℄.Ce
ltre onvient à un grand nombre d'appli ations dont la distribution statistique suit une loi Gamma
telquedansl'industrie forestière,en agri ultureetpourles appli ationsauxo éans. Leltre onserve
lavaleur despixels lorsque ladistributionstatistique nesuit paslaloi Gamma.
(a)Imageoriginale (b)Imageltrée
Fig. 5.1 Exemple d'utilisation du ltre Gamma : à gau he l'image originale (résultat d'un ltre de
texture:leData Range) etàdroite l'image ltrée ave ltre Gamma enutilisant unefenêtre de
7 × 7
pixels.5.1.2 Analyse de texture : Data Range
La lassi ation de la mer, le orail et la végétation peut être réalisée fa ilement grâ e à une
lassi ation bayésienne (voir la se tion 8.6) ave apprentissage. Con ernant la végétation, seuls les
arbres nousintéressent. Pour masquer les zonesde végétationnon signi ativesdansles images, nous
appliquons un ltre de texture appelé Data Range [Anys etal.,1994 ℄ sur une fenêtre de
3 × 3
pixels (voir la gure 5.2 a)). Le Data Range, al ulé à partir des matri es d'o urren e, permet de mettreen éviden edes zones àforte varian e lo ale. Ensuite nousltrons ette image ave un ltre Gamma
ave une fenêtre de
7 × 7
pixels. Un prol de la zone ave de la végétation haute etde la végétation basse nous permetde visualiser la valeur de seuil qui nous permettra de réer un masque ontenantuniquement de la végétation haute. Le tableau C.1 de l'annexe C indique les diérentes valeurs de
seuillageutiliséespour ha un desmotu.
(a)Imageoriginale (b)DataRange ( ) Prol
Fig. 5.2 Exemple de segmentation de texture :l'image originale, l'image obtenue ave un ltre de
texture Data Range ave la position d'un transe et le prol du transe pour visualiser la valeur de
5.1.3 Segmentation par ligne de partage des eaux
Laligne departagedeseaux(LPE) onsidèrelesimagesentermesgéographiques.Une imagepeut
en eet être perçue omme un relief si l'on asso ie le niveau de gris de haque pixel à une altitude.
La ligne de partage des eaux est don la rête formant la limite entre deux bassins versants (voir la
gure5.3 ).Pour l'obtenir,ilfaut imaginerl'immersion d'unreliefdansdel'eau,enpré isantquel'eau
Fig. 5.3 Terminologie utiliséepour laLPE.
ne peut pénétrer dans les vallées que par ses points d'immersion. La ligne de partage des eaux est
obtenue parles points oùdeux la sdisjoints serejoignentau oursde l'immersion (voir lagure5.4 ).
Après immersion,on obtient desrégionshomogènesen niveau degris.
(a) (b) ( ) (d)
Fig.5.4 Pro essusd'immersion delaLPE.
Danslaméthodehistorique[Vin ent and Soille, 1991 ℄,lespointsd'immersionssont donnésparles
minima lo aux. Dans lapratique, un tel hoix onduit à une forte sur-segmentation puisqu'à haque
minimum lo al orrespondra une région. Pour limiter ette sur-segmentation, il sut de limiter le
nombre depointsd'immersion. Onparlede ontraindre laLPE.Lagure5.5montreainsi omment
fusionner deux régions, en ne hoisissant qu'un seul desdeux minima lo aux. Par lasuite, on parlera
de marqueurs lespointsd'immersionee tivement retenus.
(a) (b) ( ) (d)
Fig. 5.5Pro essusd'immersion delaLPE ave desmarqueurs.
5.2 Délinéation des o otiers en imagerie Ikonos
5.2.1 Ar hite ture de la méthode
Notre méthode omporte quatre étapes. La première étape onsiste en un masquage des zones
végétales. Par e que nous ne disposons pas de la bande pro he infrarouge qui permet de al uler
des indi es de végétation pertinents nous avons dû utiliser une stratégie alternative basée sur une
lassi ation superviséeet une analyse de la texture. À l'issue de ette étape, les trois anaux RGB
sontfusionnésenunseul analgrâ eàuneanalyseen omposantesprin ipales(ACP),letraitementest
poursuivitenutilisant etunique anal.La se ondepartie onsisteenune onstru tion desmarqueurs
telsquelesmaximalo auxetlesminimalo auxdel'image.Lesmaximalo auxsontlespixels andidats
des entres desarbres. La troisième étape est le pro essusde segmentation, par ligne de partage des
eaux, ontraintespar les marqueurspré édemment al ulés.La quatrièmeetdernièreétape onsisteà
éliminerlesrégionsaberrantes.Cesétapessontprésentéesdanslessous-se tionssuivantes.Lagure5.6
résumélesquatre étapesde laméthode.