Généralisation d'images satellites classées pour leur intégration à un SIG

1996 
Nous presentons ici deux methodes de generalisation d'une image classee, pouvant notamment servir de prkalable a sa vectorisation pour son utilisation dans un SIG vectoriel. Cela permet de reduire le volume des donnees a vectoriser et d'homogeneiser les pn5cisions des differentes sources d'informations contenues dans le SIG (image de resolution 30 m pour une cartographie A 1/200 000). La generalisation presentee ici consiste a faire disparaitre les petites plages et a simplifier les contours restants. L'exemple traite concerne la constitution d'une base de donnees sur les sols au Togo, destinee notanment a l'evaluation des ressources en terre et de leur degradation (projet FUT, >). Les algorithmes proposes sont (a) l'agregation de petites plages dispersees en plages qq synthetiques >> plus grandes et (b) la suppression pure t simple des petites plages. Ils sont bases sur des operateurs de morphologie mathematique. La preniere approche conceme les classes representees par des plages de surface faible mais que leur juxtaposition sur de grandes etendues rend significatives (ex : cultures dispersees dans la savane). On agrege la classe initiale en fonction de sa densite (ex : cultures seules, cultures et savane, savane seule). La deuxieme approche consiste a supprimer les plages en dessous d'une certaine epaisseur, puis a boucher les lacunes obtenues par l classe la plus proche. L'implementation de ces deux algorithmes est fortement automatisee grâce aux possibilites de macroprogrmnation des logiciels PLANETE et OSIRIS, developpes a l'Orstom. Ces deux methodes ont donc repondu a quelques-uns des problemes typiquement poses par l'integration teledetection-SIG, en permettant sans intervention manuelle fastidieuse d'incorporer des resultats de teledetection a une base de donnees vectorielle constituee.
    • Correction
    • Source
    • Cite
    • Save
    • Machine Reading By IdeaReader
    1
    References
    0
    Citations
    NaN
    KQI
    []