Le portail francophone de la géomatique

Bonjour,

Je reformule ma demande pour une meilleure compréhension de ma préoccupation comme suit: Je suis entrain de réaliser une classification d’images à haute résolution. Je désire savoir s’il existe actuellement des nouveaux algorithmes de classification supervisée et non supervisée autres que le maximum de vraisemblance, le K-mean, K-NN, Isodata etc. qui permettent de mieux obtenir les différentes catégories ou caractéristiques d’une telle image. Une orientation du ou des liens  à partir desquels je pourrais m’en procurer ou me documenter serait le bienvenu. A titre de rappel, j’utilise le logiciel PCI geomatica. Merci!

Bonjour Arras,

Juste quelques lignes pour soutenir l'idee d'Inglada. La methode SVM est en effet assez bien adaptee pour des classifications sur des images haute et tres haute resolution. Cette methode semble donner de meilleur resultat sur ces types d'images que les algo classiques supervises tels que l'algo de vraissemblance...
Cette algo est egalement presents dans la nouvelle version d'ENVI

Mais autre solution a essayer :
pour classer les images hautes resolution, il est bien de tester differentes methodes d'analyse d'images (classification, analyse de texture-structure) afin de voir quelle analyse fait le mieux ressortir telle classe pour ensuite combiner les differents resultats et donc obtenir plus qu'une seule image classee.

Je ne connais pas d'autre methode (exceptee le SVM) mais je suis sure qu'avec l'envol des images tres haute resolution, tres vite d'autres nouvelles methodes de classification vont apparaitre. Un grand nombre d'equipes travaillent actuellement sur ces sujets.