EXTRACTION DE ROUTES PAR CLASSIFICATION SUPERVISÉE ET PAR RÉSEAUX DE NEURONES ARTIFICIELS À PARTIR D'IMAGE SPOT : CAS D'UNE VILLE OASIENNE (ALGÉRIE)

International audienceL'apparition des images satellitaires à très haute résolution spatiale (THRS) constitue une révolution dans les études urbaines. Cependant les images de résolution (haute et moyenne continuent à être utilisées pour l'étude de l'évolution du paysage urbain, constituant ainsi une alternative intéressante à l'absence de données cartographiques. L'objectif de la présente étude est d'identifier les voies de communication à partir d'une image THR de SPOT (XS, du 26 mars 2007 à 10 mètres de résolution) par deux approches: 1) la classification dirigée: l'identification correcte est de 90 % sur la zone de vérification et la qualité de la classification atteint 85% ; le résultat est amélioré par morphologie mathéma-tique et vectorisé par la transformée de Hough; 2) Une approche par réseaux de neurones multicouches avec l'algorithme de rétro propagation et une nouvelle structure du vecteur d'entrée. Les données d'apprentissage sont basées sur les caractéristiques spectrales de l'image THR de SPOT ; une fenêtre de dimension (3×3) pour chacune des composantes R, V et B de la composition colorée obtenue à partir des canaux XS1, XS2 et XS3 de l'image multi spec-trale constitue l'entrée du réseau neuronal ; sa sortie est codée par 'un' si le pixel central de la fenêtre correspond à une route et par 'zéro' si le pixel central correspond au fond de l'image ; cette méthode donne un résultat avec une erreur quadratique moyenne (EQM) inférieur à 0.03