Le milieu côtier et les ressources halieutiques - Réseaux de ...

X èmes Journées Scientifiques du Réseau Télédétection de l'AUF
faiblesses - par une nouvelle stratégie de détection des signatures à partir des images d’intensité.
L’analyse directe qui devra succéder à ce traitement doit permettre d’extraire les caractéristiques
(physiques et géométriques) les plus exactes possibles des signatures détectées (SOLBERG et al.
1999). Ces caractéristiques contribuent fortement à la bonne classification des signatures. Pour en
optimiser le processus, il est nécessaire de circonscrire, de la manière la plus précise, les surfaces
occupées (LOMBARDO et al. 2000), des plus fins détails aux signatures les plus étendues. De ce
fait, l’approche proposée (figure 1) est basée sur trois paramètres : l’intensité ponctuelle de la
radiométrie I(x,y), l’intensité moyenne IM(x,y), et le gradient morphologique interne IG(x,y)
(SERRA 1982, SOILLE 1999). Le gradient traduit la forme du spectre des vagues à la surface. Il
caractérise les différentes textures présentes sur l’image par un coéfficient d’isolation k(x,y).
L’estimation de la réflectivité se dégage ensuite par une transformation composée de deux
opérateurs linéaire et non linéaire conduisant à un filtrage adapté à la texture. Le comportement
dispersant de la nappe à la frontière (zone de conflit) dans un contexte turbulent de la surface de la
mer, y fait apparaître des micro-structures linéaires selon des directions imposées par le vent et les
vagues en surface. Le phénomène ainsi observé est modélisé par l’hystérésis directionnel
(KANAA et al. 2003). De l’image filtrée IF(x,y) donc, le seuillage par hystérésis, initialement
utilisé pour la détection des structures linéaires dans les images à distribution Gaussienne
(CANNY 1986), est appliqué dans chacune des directions de Freeman (FREEMAN 1986), pour en
extraire le maximum d’information disponible. Pour finaliser le procédé, les réponses obtenues
sont ensuite fusionnées grâce à un opérateur de fusion numérique (BLOC 1996) interpolé par un
opérateur morphologique extensif.
La méthode est testée sur trois extraits d’images RSO du satellite ERS-2 : une image
d’amplitude acquise en 2000, au large du littoral Camerounais, sur le Golfe de Guinée de l’Océan
Atlantique, entre Malabo et Kribi ; et deux images d’intensité issues de la mer Méditéranée,
acquises en 1999. Une technique d’évaluation basée sur la précision et l’erreur de commission
(MAÎTRE et al. 2001) lui est appliquée en vue de la validation quantitative à partir d’une vérité
terrain définie par photointerprétation. Les performances de l’algorithme sont alors exprimées en
termes de probabilités de détection et de fausses alarmes. Finalement, la méthode déployée est
comparée aux approches existantes. Les résultats ainsi obtenus sont très prometteurs et dénotent
une amélioration de la détection des nappes d’hydrocarbures dans les images RSO en milieu
marin.
Références
ALPER W. and HUHNERFUSS H. 1988. Radar signatures of oil films floating on the sea surface
and the marangoni effect, J. Geophys. Res., 93(C4), 3642–3648
MAURO B., BETTI M., and AMecocci A. 1995. Fuzzy segmentation of SAR images for oil spill
recognition. In Image Processing and its Applications, 1995., Fifth International Conference
on, 534–538
BJERDE K. W., SOLBERG A.H.S. and SOLBERG R. 1993. Oil spill detection in SAR imagery,
In International Geoscience and Remote Sensing Symposium, IGARSS 93, volume 3, 943–
945
BLOCH I. 1996. Information combination operators for data fusion : A comparative review with
classification, IEEE Transactions on Systems, Man and Cybernetics, 26(1):52–67
27