Étude de la cocoteraie des Tuamotu sur des images Ikonos

Raimana Teina

Description

| 265Prépublication n° 38 | Fascicule n° 2Étude de la cocoteraiedes Tuamotu sur des images IkonosRaimana TeinaLaboratoire d’Informatique de Paris 6, Université Pierre et Marie [e-mail] BéréziatLaboratoire d’Informatique de Paris 6, Université Pierre et Marie CurieProjet CLIME - Inria [e-mail]ît StollLaboratoire Terre et Océan, Université de la Polynésie Franç[e-mail]ésumé :Cetarticleprésenteuneméthoded’extractionetderecensementdescocotiersàpartird’imagessatellites IKONOS. L’étude a été réalisée sur le site pilote de Tikehau. Cet article présente lesdonnées et l’objectif à atteindre. Un algorithme est proposé et testé sur les données IKONOS.Mots-clés : segmentation, classification, ligne de partage des eaux, carte de densité lo-cale.1 IntroductionL’exploitation des cocotiers, qui permet d’extraire l’huile de Coprah à partir des noix decoco, est une ressource importante pour la Polynésie Française. Le contrôle de la produc-tion nécessite le dénombrement des cocotiers mais l’accès à ces îles isolées implique descoûts de déplacement trop élévés.Le but de cette étude est de développer un algorithme efficace et robuste pour réaliserlerecensementdescocotiersàpartird’imagessatellite.Lecomptageautomatiquedesco-cotiersnécessitedansunpremierlieuunprocessusdesegmentationrobustedescocotiers.Raimana Teina, Dominique Béréziat, Benoît Stoll« Étude de la cocoteraie des Tuamotu sur des ...

Informations

• Publié par: Zuib
• Nombre de lectures: 73
• Langue: Français

Extrait

Prpublication n 38

|Fascicule n 2

Etude de la cocoteraie des Tuamotu sur des images Ikonos

Raimana Teina Laboratoire d’Informatique de Paris 6, Universit Pierre et Marie Curie

[e-mail]

Dominique BÈrÈziat Laboratoire d’Informatique de Paris 6, Universit Pierre et Marie Curie Projet CLIME - Inria Rocquencourt

[e-mail]

Benot Stoll Laboratoire Terre et Ocan, Universit de la Polynsie FranÇaise

[e-mail]

|265

Rsum : Cet article prsente une mthode d’extraction et de recensement des cocotiers Ā partir d’images satellites IKONOS. L’tude a t ralise sur le site pilote de Tikehau. Cet article prsente les donnes et l’objectif Ā atteindre. Un algorithme est propos et test sur les donnes IKONOS. Mots-cls : segmentation, classification, ligne de partage des eaux, carte de densit lo- cale.

1 Introduction

L’exploitation des cocotiers, qui permet d’extraire l’huile deCoprahĀ partir des noix de coco, est une ressource importante pour la Polynsie FranÇaise. Le contrÔle de la produc- tion ncessite le dnombrement des cocotiers mais l’accs Ā ces les isoles implique des coÛts de dplacement trop lvs. Le but de cette tude est de dvelopper un algorithme efficace et robuste pour raliser le recensement des cocotiers Ā partir d’images satellite. Le comptage automatique des co- cotiers ncessite dans un premier lieu un processus de segmentation robuste des cocotiers.

Raimana Teina, Dominique BÈrÈziat, Benot Stoll « Etude de la cocoteraie des Tuamotu sur des images Ikonos » Schedae, 2007, prÈpublication n 38, (fascicule n 2, p. 265-269).

266|

Nous proposons une mthode qui a pour particularit de ne pas utiliser la bande proche infra-rouge (NIR) mais seulement les donnes visibles. Une fois la segmentation ralise, les rgions sont numres et identifies suivant divers critres objectifs tels que la surface de la couronne (l’ensemble des palmes formant la structure suprieure des cocotiers) et sa couleur moyenne, la densit locale de la cocoteraie. Une validation humaine a t faite afin d’estimer l’erreur de dtection de la mthode ainsi qu’une mission sur le terrain pour valider quantitativement la mthodologie.

2 LesdonnÈes et le site d’Ètude

Sur les donnes satellites, nous pouvons distinguer plusieurs structures (figure 1) telles que l’eau de mer, les habitations, le corail et le sable, la vgtation (la cocoteraie, autres vg- tations). Parmi la vgtation reprsentant la cocoteraie, nous distinguons trois types de

(a) habitation

(b) sable et corail

(c) cocoteraie

(d) autre vgtation

Fig. 1: Les diffrents structures visibles dans les images.

plantations : les plantations artificielles (espacement rgulier), les plantations naturelles (es- pacement irrgulier) et les plantations mixtes (tat intermdiaire).

3 MÈthodologie

L’objectif est l’extraction des couronnes des cocotiers prsents dans les images. Nous avons opt pour une variante de l’approche dcrite par [1] utilisant la segmentation par ligne de partage des eaux. Dans un premier temps nous localisons les zones de vgtation haute (section 3.1), ensuite nous filtrons les images et dtectons les contours (section 3.2) et enfin nous segmentons les couronnes (section 3.3).

3.1 Localisationdes zones vÉgÉtales hautes La premire tche consiste Ā discriminer les zones non-vgtales des diffrents types de vgtation (exemple : le sable et les habitations, vgtation haute et basse). La mthode utilise est une classification baysienne par maximum de vraisemblance [2] dont la loia prioriest tablie Ā partir de rgions d’apprentissage choisies par l’utilisateur. La classifica- tion est rgularise en utilisant les oprateurs morphologiquessieveetclumpdu logiciel de traitement d’image ENVI. L’oprateursievepermet de retirer les pixels isols d’une classe dont la population (en nombre de pixels) est infrieure Ā un certain seuil. L’oprateurclump est une fermeture de l’image de classification qui permet de combler une partie des pixels non classs. De cette manire nous pouvons segmenter la vgtation du reste des structures prsentes dans l’image. Indpendamment, nous souhaitons sparer la vgtation basse, qui est relativement homogne, de la vgtation haute dans laquelle nous constatons claire- ment une texture diffrente (voir la figure 1(d)). Nous utilisons les matrices d’occurences introduites dans [3] Ā partir desquelles nous pouvons extraire le paramtre «Data Range» (diffrence entre la valeur maximale et minimale des pixels appartenant Ā un voisinage). Sur ce paramtre, nous appliquons un filtre adaptatif Gamma [4] (adaptation aux proprits

Schedae, 2007, prÈpublication n 38, (fascicule n 2, p. 265-269).

|267

statistiques locales des zones, conservation des contours). Enfin, un seuillage haut adapt est utilis pour sparer la vgtation basse de la vgtation haute.

3.2 Filtrageet dÉtection de contours Ètant donn que nous ne disposons pas de la bande proche infra-rouge, nous effectuons une Analyse en Composantes Principales (ACP) et nous utilisons la premire composante pour le processus d’extraction des couronnes des arbres. Cette composante contient l’in- formation reprsentative de la vgtation [5]. Cette tche est indpendante du processus prcdent et peut tre effectue en parallle. Les images doivent tre segmentes en zones homognes de par leurs constituants vgtaux. La trs haute rsolution de nos images fait apparatre beaucoup de dtails mme dans les rgions homognes et ceux-ci peuvent par la suite perturber les algorithmes de segmentation bass sur des critres d’homognit. Il est donc ncessaire de pr-traiter les images par une diffusion anisotropique [6] afin de lisser les zones homognes tout en conservant les discontinuits (i.e les contours). D’autres algorithmes de diffusion non-linaire ont t utiliss, tel que [7], sans pour autant apporter d’amliorations significatives dans ce contexte d’tude. L’utilisation d’oprateurs de mor- phologie mathmatique (tophat) permet d’accentuer les valles (pixels sombres) entre les objets. Enfin, nous utilisons un simple dtecteur de contours par passage par zro du Lapla- cien, lĀ encore suffisant pour le type d’images employes. á partir de l’image de contours, nous calculons une carte distance euclidienne. Les points Ā quidistance des contours sont des candidats comme initialisation Ā un processus de segmentation.

3.3 Segmentationdes couronnes Pour raliser la segmentation des couronnes des cocotiers, nous utilisons un algorithme morphologique de segmentation par ligne de partage des eaux (LPE) [8, 9]. La LPE donne une sur-segmentation qui peut tre limit en utilisant une bonne initialisation donne par les points quidistants aux contours (voir section 3.2) et complte par des marqueurs qui sont les maxima locaux de l’intensit lumineuse. Dans [10], on utilise un modle synthtique d’arbres dont la couronne extrieure est dcrite par la rvolution de l’ellipsode d’quation n 2 2 n 2 (x−x) +(y−y) (z−z) ( 0 0 ) 0 n + n = 1oÙx 0 ,y 0 ,z 0 est la position de l’arbre,best le rayon de la a b couronne etaest la hauteur de l’arbre. Selon que le paramtrenest infrieur ou suprieur Ā 2, on obtient des formes coniques ou cylindriques (figure 2(a)). Pollock montre que les couronnes prsentent une mittance maximale en leur centre (figure 2(b)). Les centres des couronnes servent donc de sources d’immersion pour la LPE.

(a) Modles 3D

(b) Illumins

Fig. 2: Modle de Pollock et marqueurs.

Il est ncessaire d’affiner les rsultats en discriminant les rgions suivant leur topologie. Pour limiter la sur-segmentation des arbres, nous avons restreint l’intervalle du rayonRdu cercle dans lequel chaque arbre peut tre inscrit. Ceci fournit la segmentation finale dont chaque zone reprsente un cocotier.

Schedae, 2007, prÈpublication n 38, (fascicule n 2, p. 265-269).

268|

4 RÈsultatset validation

á partir de l’image segmente, nous extrayons des informations relatives Ā chacune des r- gions telles que la surface, le centre, les couleurs moyennes dans chacun des canaux rouge, vert et bleu. En utilisant les centres des couronnes, nous calculons une carte de densit lo- cale. Cette carte recense le nombre de cocotiers que l’on trouve dans un voisinage form d’un cercle de 12 mtres de rayon (soit 12 pixels de rayon)[11] (voir la figure 3). La mthode

(a) Originale (b) Rsultat superpos (c) Moyenne rouge

Fig. 3: Rsultats extraits.

(d) Carte de densit

a t applique Ā des zones de test duMotuprincipal de Tikehau qui sont reprsentatives des diverses configurations rencontres dans les images et les rsultats sont compars Ā une segmentation visuelle. Notre mthode dtecte les cocotiers visibles sur l’image avec une erreur de 10% (tableau 1). La mission sur le terrain, effectue pendant l’t 2006, nous

Secteur id 1 2 3 4 5 6 motu 16

Nb Method 908 986 495 346 436 1269 4440

Interp. 818 912 450 356 399 1198 4133

Tab. 1: Comparaison des rsultats et erreur de dtection.

% erreur 9,91% 7,51% 9,09% -2,89% 8,49% 5,59% 6.81%

2 a permis d’effectuer un comptage systmatique sur une surface de6.45% (soit34352m) de 2 la surface totale des zones de test (532870m), par dnombrement Ā l’intrieur de placettes (cercles de 12m de rayon) disposes en quinconce dans les zones test. Suite Ā ce comptage systmatique, nous trouvons que la mthode dtecte58%des cocotiers directement dis- cernables sur les images. Toutefois, ces chiffres ne sont pas pertinents puisque les images datent de 2003 alors que la mission terrain a t effectue en 2006. Nous en concluons que seul l’obtention de donnes 2006 permettra de valider la robustesse de la mthode par rapport Ā la vrit terrain.

5 Conclusionet perspectives

L’laboration d’une mthode non supervise pour la dtection des couronnes des cocotiers s’avre difficile dans notre cas. Le premier inconvnient est le choix par l’utilisateur des zones d’apprentissage pour la discrimination des zones vgtales des zones non vgtales. Le second problme est l’absence de la bande proche infra-rouge qui permet de calculer le NDVI dont on sait qu’il discrimine pertinemment les zones vgtales des zones non- vgtales. Toutefois, notre approche permet de s’en affranchir. Nous obtenons de bon r- sultats mais l’utilisation de donnes 2006 s’impose pour valider la pertinence de la mthode par rapport Ā la vrit terrain. Nous travaillons Ā la comparaison de nos rsultats avec [12] rfrant dans le domaine. Enfin, la mission terrain nous a permis d’tablir une typologie de

Schedae, 2007, prÈpublication n 38, (fascicule n 2, p. 265-269).

|269

la configuration des cocotiers sur le terrain. En utilisant l’ombre porte par les cocotiers, la position du satellite et cette typologie, il est possible d’valuer la hauteur des cocotiers et donc leur ge Ā partir des donnes satellitaires. Nous travaillons actuellement Ā une mth- ode permettant cette valuation.

RÈfÈrences [1] L.Wang, P. Gong, and G.S. Biging. Individual tree-crown delineation and treetop detection in high- spatial-resolution aerial imagery.Photogrammetric Engineering and Remote Sensing, 70(3) :351– 357, March 2004. [2] J.A.Richards and X. Jia.Remote Sensing Digital Image Analysis : An Introduction. Springer-Verlag, 1999. [3] H.Anys, H. Bannari, D.C. He, and D. Morin.Texture analysis for the mapping of urban areas using airborne meis-ii images. InProceedings of the First International Airborne Remote Sensing Conference and Exhibition, volume 3 ofERIM, pages 231–245, Strasbourg, France, 1994. [4] A.Lopes, E. Nezry, and R. Touzi. Adaptive speckle filters and scene heterogeneity.IEEE Tansaction on Geoscience and Remote Sensing, 28(6) :992–1000, 1990. [5] C.Ricotta and C. Avena. The influence of principal component analysis on the spatial structure of a multispectral dataset.International Journal of Remote Sensing, 20(17) :3367–3376, 1999. [6] P.Perona and J. Malik.Scale-space and edge detection using anisotropic diffusion.IEEE Trans. Pattern Anal. Mach. Intell., 12(7) :629–639, 1990. [7] J.Weickert. Coherence-enhancing diffusion filtering.Int. J. Comput. Vision, 31 :111–127, 1999. [8] H.Digabel and C. Lantujoul. Iterative algorithms. InActes du Second Symposium EuropÉen d’- Analyse Quantitative des Microstructures en Sciences des matÉriaux, Biologie et MÉdecine, Caen, 4-7 Otocbre 1977, pages 85–99, Riederer Verlag, Stuttgart, 1978. [9] S.Beucher and C. Lantujoul. Use of watersheds in contour detection. InProc. International work- shop on Image Processing, Real-Time Edge and Motion Detection/Estimation, Rennes, September 1979. [10] R.J.Pollock.The automatic Recognition of Individual trees in Aerial Images of Forests Based on a Synthetic Tree Crown Image Model. PhD thesis, University of British Colombia, Vancouver, Canada, 1996. [11] F.Jacq. Evaluation quantitative et qualitative des peuplements de cocotiers sur tikehau. Technical report, Service du Dveloppement Rural - Dpartement FOGER, Avril 2006. [12] F.A.Gougeon. A crown-following approach to the automatic delineation of individual tree crowns in high spatial resolution aerial images.Canadian Journal of Remote Sensing, 21(3) :274–284, 1995.

Schedae, 2007, prÈpublication n 38, (fascicule n 2, p. 265-269).