Accueil > Documentations scientifiques > Revues récentes > Mada-Géo : journal des sciences de la terre > Archives > Volume 13, mai 2009, ISSN 2074-4587 > Combinaison de classificateurs selon la théorie de Dempster-Shafer pour la (...)

• 
  Combinaison de classificateurs selon la théorie de Dempster-Shafer pour la classification d’images satellitaires
  Mada-Géo : journal des sciences de la terre, Volume 13, mai 2009, ISSN 2074-4587 pp:52 - 61

  Auteur(s)  : Ranoeliarivao S., Rakotoniaina S., Rakotondraompiana S.

  Auteur correspondant :

  Mots-clés : IMAGES DE TELEDETECTION/CLASSIFICATEUR/COMBINAISON/ DEMPSTER-SHAFER
  
  

  Résumé de l’article

  [FR] En télédétection, la classification d’images consiste à regrouper dans une même classe des pixels de mêmes propriétés. L’image satellite, image multispectrale, étudiée dans ce cadre est celle d’une région de Genève et cinq classes ont été choisies. Nous avons d’abord classifié l’image de trois façons : maximum de vraisemblance (MDV), k plus proches voisins (k-NN) et arbre de décision (AD) ; ces classificateurs ont été ensuite combinés, suivant la théorie de Dempster–Shafer, de deux manières, le but étant d’obtenir le plus d’informations possibles sur les images résultats. Les précisions globales pour les trois classificateurs sont supérieures à 81,23%. Les résultas issus de l’application de la théorie de Dempster-Shafer montrent une valeur minimale de précision globale de 81,28% pour la combinaison de k-NN et AD et de 77,54% pour la combinaison des trois classificateurs. Ces deux valeurs correspondent à la classe des « surfaces bitumées ». Les précisions globales et valeurs de kappa montrent qu’en général, les classifications issues des combinaisons de classificateurs sont meilleures par rapport à celles issues des classificateurs pris isolément.

  [MG]

  [EN] In remote sensing, image classification consists in assembling in the same class the pixels with alike properties. The studied satellite image, multispectral image, is an image of Geneva area ; five classes have been chosen. First, the image has been studied in three ways : maximum likelihood (MDV), method of k nearest neighbors (k-NN) and algorithm following decision tree ; then, these classifiers were combined, according to the Dempster - Shafer theory, in two ways to obtain more information on the images results. Global precisions for the three classifiers are greater than 81,23%. Results issued from application of the Dempster-Shafer theory show least value of global precision of 81,28% for k-NN and AD combination and 77,84% for the three classifiers combination. These last values correspond to the class of “tarred areas”. The global precisions and values of kappa generally show that the classifications issued from classifiers combinations are generally better than those issued from single classifiers.

  Télécharger