12.07.2015 Views

THÈS EE - CESBIO - Université Toulouse III - Paul Sabatier

THÈS EE - CESBIO - Université Toulouse III - Paul Sabatier

THÈS EE - CESBIO - Université Toulouse III - Paul Sabatier

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Chapitre 3. Modèle d’erreur pour les méthodes de classification basées sur un rapport d’intensité SAR.Chapitre 3Modèle d’erreur pour les méthodes de classificationbasées sur un rapport d’intensité SAR.<strong>III</strong>Article 1 :Bouvet A., Le Toan T., Floury N., Macklin T."An end-to-end error model for classification methods based on temporal changeor polarization ratio of SAR intensities"soumis à I<strong>EE</strong>E Transactions on Geoscience and Remote Sensing le 30 avril 2009évaluation le 24 juin 2009, deuxième soumission le 21 septembre 2009accepté le 13 novembre 20093.1. IntroductionDans le Chapitre 1, nous avons identifié deux caractéristiques de la rétrodiffusion des rizièresen bande C qui doivent permettre de différencier celles-ci des autres types de surface : uneaugmentation saisonnière marquée de la rétrodiffusion en co-polarisation, et des valeursélevées du rapport de polarisation HH/VV. Dans les deux cas, ces caractéristiques peuventêtre mesurées par un rapport d’intensité, qu’il s’agisse d’un rapport temporel ou d’un rapportde polarisation. Nous envisageons donc dans cette thèse de développer des méthodespermettant de cartographier les rizières en utilisant ces rapports d’intensité comme critère declassification.Il s’agit dans ce chapitre de formaliser le développement de ces méthodes et de définir leursensibilité vis-à-vis des imperfections des systèmes SAR présentées dans le Chapitre 2.Une première étude des méthodes de classification basées sur un rapport d’intensité a étéeffectuée dans Rignot et van Zyl (1993). Cette étude a permis d’établir une expression de laprobabilité d’erreur de classification obtenue lorsque l’on cherche à séparer deux classeséquiprobables a priori en appliquant un seuil optimal sur le rapport d’intensité considéré. Cemodèle d’erreur ne permet pas d’évaluer l’impact des défauts d’étalonnage du système sur laperformance des algorithmes de classification, car ceux-ci conduiraient dans certains cas àutiliser un seuil non-optimal. La sensibilité de ces algorithmes aux autres paramètres dusystème SAR (rapport d’ambiguïté, fréquence de revisite, nombre de vues) n’a pas été nonplus simulée.61

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!