Vue d'ensemble de la classification des images

Disponible avec une licence Image Analyst.

Disponible avec une licence Spatial Analyst.

La classification des images désigne la tâche d'affectation de classes (définie dans un système de classification d'occupation du sol et d'utilisation du sol, connu sous le nom de structure) à tous les pixels dans une image télédétectée.

Le raster en sortie de la classification des images peut permettre de créer des cartes thématiques. Selon l'interaction entre l'analyste et l'ordinateur pendant la classification, il existe deux méthodes de classification : assistée et non assistée. Elles peuvent toutes les deux être basées sur des objets ou sur des pixels.

La classification des images peut être un workflow long avec plusieurs étapes de traitement. Dans ArcGIS Pro, les processus de classification ont été rationalisés dans l’Assistant de classification afin qu’un utilisateur doté de certaines connaissances en classification puisse intégrer et parcourir le processus avec une assistance de l’assistant. Des outils de classification individuels sont également à la disposition des utilisateurs plus avancés qui souhaitent effectuer une partie seulement du processus de classification.

Outil	Description
Assistant de classification	L'assistant de classification guide les utilisateurs à travers le workflow de classification. Il offre une solution composée des meilleures pratiques et d'une expérience utilisateur simplifiée pour guider efficacement les utilisateurs à travers le processus de classification.
Segmentation	La segmentation est un composant essentiel du workflow de classification basé sur les objets. Ce processus regroupe les pixels adjacents dont la couleur est similaire et qui présentent certaines caractéristiques de forme.
Gestionnaire d'échantillons d'apprentissage	La page Gestionnaire d'échantillons d'apprentissage se divise en deux sections : la section de gestion des structures en haut et la section des échantillons d'apprentissage en bas. Une structure de classification permet d'organiser toutes les entités de votre imagerie dans des classes distinctes. Un échantillon d'apprentissage est une zone que vous avez définie dans une classe en particulier, qui doit correspondre à votre structure de classification.
Classer	Vous pouvez classer vos données à l'aide de techniques de classification non assistées et assistées. Cette étape traite vos images dans les classes, en fonction de l'algorithme de classification et des paramètres spécifiés.
Combiner des classes	Après avoir réalisé une classification assistée, vous pouvez être amené à combiner certaines des classes dans des classes plus généralisées. Vous êtes limité aux classes qui sont les classes parent dans votre structure.
Attribuer des classes	Après avoir réalisé une classification non assistée, vous devez organiser les résultats en noms de classe significatifs en fonction de votre structure.
Evaluation de la précision	L'évaluation de la précision utilise un jeu de données de référence pour déterminer la précision de votre résultat classé. La précision est représentée de 0 à 1, 1 représentant une précision de 100 pour cent.
Reclassificateur	Après avoir classé une image, il est probable que vous rencontriez des erreurs mineures dans le résultat de classification. Vous pouvez mettre à jour des entités ou objets individuels.

Classification assistée et non assistée

Selon l'interaction entre l'analyste et l'ordinateur pendant la classification, il existe deux méthodes de classification : assistée et non assistée.

La classification assistée vous permet de décider des catégories de classes auxquelles vous souhaitez attribuer des pixels ou des segments. Ces catégories de classes constituent ce qu’on appelle votre schéma de classification. Une fois la classification terminée, vous devez parcourir le jeu de données classé obtenu et réattribuer les classes ou les polygones de classe erronés à la classe appropriée en fonction de votre schéma.

La classification non assistée permet de laisser l’ordinateur choisir les classes présentes dans votre image en fonction des différences statistiques dans les caractéristiques spectrales des pixels. Une fois la classification non assistée effectuée, vous devez attribuer les classes résultantes dans les classes au sein de votre schéma.

Classifications basées sur des objets et sur des pixels

Deux options sont disponibles pour le type de méthode de classification que vous choisissez : basée sur des objets et sur des pixels.

L'approche basée sur des pixels est traditionnelle. Elle décide à quelle classe chaque pixel appartient de manière individuelle. Elle ne tient pas compte des informations provenant des pixels voisins. Elle peut entraîner un effet « sel et poivre » dans vos résultats de classification.

L'approche basée sur des objets regroupe les pixels voisins en fonction de leur similarité dans un processus connu sous le nom de segmentation. La segmentation tient compte des caractéristiques de couleur et de forme lors du choix du mode de regroupement des pixels. Comme cette approche calcule essentiellement la moyenne des valeurs de pixels et tient compte des informations géographiques, les objets créés à partir de la segmentation ressemblent davantage aux entités réelles dans votre imagerie et génèrent des résultats de classification plus propres.