Définition d’une méthodologie de détection de
phénomènes dynamiques dans une chronique d’images

DEFINITION DE LA METHODOLOGIE DE DETECTION

« Si l’on sait exactement ce qu’on va faire, à quoi bon le faire ? » Pablo Picasso Définition de la méthodologie.Dans ce chapitre sont définies les diverses étapes de la méthodologie générale employée, .permettant de détecter, à partir d’une série d’images brutes d’une même zone, des phénomènes en mouvement. On qualifie de « brutes » les images directement issues du capteur (soit radiomètre à bord de satellite, soit caméra vidéo au sol). La première étape dans le traitement des images est leur mise en coïncidence , géométrique afin de les rendre superposables. Cette partie du travail a été justifiée et décrite dans le chapitre 2, et ne sera donc pas reprise dans ce chapitre. Nous avons toutefois vu qu’il était généralement préférable d’étalonner les valeurs avant de mettre en coïncidence les images. Dans ce cas, l’ordre des deux premières étapes qu traitement sont inversées. La seconde étape est l’étalonnage des valeurs afin d’homogénéiser les images. La troisième étape est la détection proprement dite des phénomènes par l’étude de leur cinématique. L’étalonnage et la détection sont développées dans ce qui suit, avec la présentation et la comparaison de différentes méthodes qui seront employées dans les chapitres suivants pour différentes applications. 

Etalonnage

Nous disposons d’une série d’images dont les valeurs ne sont calibrées ni dans l’espace ni dans le temps. La détection s’effectuant par des méthodes plus ou moins complexes de comparaison des valeurs entre elles, il est nécessaire de s’affranchir de la variation de la valeur des pixels au cours du temps et dans certains cas en fonction de sa position dans l’image, dans la mesure où cette variation n’est pas due au phénomène considéré. On effectuera donc un étalonnage des valeurs. Chaque image de la série représente une réalisation de la scène observée à un instant donné. Or la valeur mesurée en un pixel est variable dans le temps à cause de l’évolution de l’éclairement, de l’évolution du phénomène observé, ou de la modification des conditions de prise de l’image. Ceci explique la possible variation des valeurs d’un pixel dans la série. L’hétérogénéité spatiale des valeurs est, quant à elle, fonction de la position géographique du pixel et par suite, de l’angle de vue du capteur, ce qui engendre une résolution spatiale différente en chaque point. La quantité physique /mesurée n’est donc pas constante dans l’image.Définition de la méthodologie Le premier type d’étalonnage présenté consiste à réaliser l’étude et la modélisation des processus physiques qui interviennent dans la composition de l’image. Le second type des méthodes présentées utilise une approche globale statistique de l’image. 

Etude des processus physiques

Les images numériques à étudier, ont été obtenues grâce à un capteur (caméra, radiomètre à bord de satellite … ) qui a effectué une mesure du rayonnement dans la gamme spectrale correspondant à sa sensibilité. Une approche déterministe du problème consiste à décrire les processus physiques du rayonnement en fonction du type de capteur, de sa bande spectrale, et de la scène étudiée, puis de le modéliser afin de connaître le type de signal formant chaque pixel de l’image. En connaissant le type de variation, en fonction du temps et de l’espace, à laquelle est soumis chaque pixel, on pourra alors normaliser l’image de façon à ce que chaque pixel représente la même grandeur physique. Ce chapitre ayant pour but de présenter des méthodes générales d’étalonnage, on ne décrira pas en détail une modélisation physique particulière qui serait trop dépendante du type d’image et du type de capteur. Cette méthode d’étalonnage a été utilisée pour l’étude d’images provenant du capteur « visible » de satellite géostationnaire. Les détails de la modélisation sont présentés dans le chapitre 5 concernant l’extraction de nuages sur des images satellitaires. Nous avons tenté le même type de modélisation pour des images provenant d’une caméra vidéo fonctionnant dans le visible et le proche infra-rouge. Les détails de la modélisation sont présentés dans le chapitre concernant la détection précoce des fumées d’incendie de forêt.

Approche globale statistique

Il se peut qu’une approche déterministe ne soit pas réalisable, les processus engendrant l’évolution de l’image au cours du temps n’étant pas toujours facilement modélisables. Nous disposons par contre, grâce à la série d’images, des différentes valeurs des pixels dans le temps. Nous allons faire une étude statistique globale de l’image afin, soit d’homogénéiser la dynamique des valeurs entre les images, soit de déterminer une loi de variation temporelle.

Etalonnage par ajustement de la dynamique

Les variations des conditions d’éclairement, les conditions de numérisation par la chaîne d’acquisition, entraînent une modification de la dynamique des valeurs des 1 pixels. La dynamique des valeurs d’une image peut être représentée en calculant l’histogramme des valeurs. La méthode utilisée pour normaliser les images et les rendre comparables, est leur recodage en fonction de la dynamique des valeurs mesurée sur l’histogramme. Cette méthode, qui est décrite par Rosenfeld et Kak (1976), peut être présentée de la façon suivante : Soit une image Iij• i désigne l’indice des lignes et j l’indice des colonnes. On notera n la valeur des pixels, n appartenant à l’intervalle [0, 255]. Soit N le nombre de pixels formant l’image. On peut représenter l’histogramme des valeurs de l’image par la fonction S telle que S(n) soit égal au nombre de pixels de l’image ayant la même valeur n (Fig. 3.1). , S(n) 1 Figure 3.1 Représentation de l’histogramme, fonctionS(n). On peut écrire : 255 N = l: S(n) n-= 0 (3.1) – 27- Définition de la méthodologie Soient nmin et nmax les bornes inférieures et supérieures des valeurs rencontrées dans l’image. On peut écrire : n € [0, 255], n < nmin ==> S(n) = 0, (3.2) ne [0, 255], n > nmax ==> S(n) = O. (3.3) On désire s’affranchir de valeurs aberrantes et non représentatives, qui, avec des valeurs trop faibles, peuvent décaler la borne inférieure vers 0, ou avec des valeurs trop élevées, décaler la borne supérieure vers 255. Pour cela, on tronque les cinq pour cent des valeurs les plus faibles et les cinq pour cent des valeurs les plus fortes. On définira ainsi deux nouvelles bornes n’min et n’max définies comme suit: n’min n’min tel que n~nmin S(n) < 5/100 N, (3.4) n’max n’max tel que n~nmax+l S(n) < 5/100 N. (3.5) On obtient ainsi des bornes n’min et n’max plus représentatives de l’intervalle de variation des valeurs de l’image. Afin d’homogénéiser la dynamique de chaque image, on effectue un recodage de l’image de façon à ce que la borne inférieure n’min corresponde à 0 et la borne supérieure n’max corresponde à 255. Appelons rn les nouvelles valeurs dont on veut affecter les pixels. Les valeurs de rn seront telles que l’on ait : rn= an+ b, (3.6) avec mmin = 0 et mmax = 255. Les valeurs de a et de b seront déduites des équations suivantes: mmin = 0 = a n’min + b (3.7) mmax = 255 =a n’max+ b – 28- Définition de la méthodologie Les solutions de ce système sont : a = 255 1 (n’max – n’min), b = 255 n’min 1 (n’min – n’max). On peut alors écrire la loi linéaire de transformation : rn = 255 (n – n’min) 1 (n’max – n’min). (3.8) De cette manière, pour l’ensemble des images à étudier, l’échelle de variation des valeurs sera la même, de plus, la nouvelle dynamique des valeurs sera maximale. La transformation linéaire des niveaux de codage opère une homothétie sur les niveaux de façon à occuper tout l’intervalle disponible. Cela permet d’espacer les valeurs dans l’échelle de codage et donc de les rendre plus discernables. Cette méthode, appliquée à des images représentant une même scène, permet d’obtenir pour chaque type d’objet un codage identique dans toutes les images. La comparaison des images entre elles est alors possible. Il y a cependant un cas de figure qui peut mettre en défaut cette méthode. C’est le cas de l’apparition dans une des images de la série, d’un type d’objet codé avec des valeurs représentant plus de cinq pour cent des valeurs les plus fortes ou les plus faibles. Dans ce cas, l’apparition de cet objet va modifier l’échelle de codage des valeurs et la dynamique globale de cette image ne sera pas comparable avec les images précédentes de la série. Cependant, on doit remarquer que les séries d’images auxquelles on a appliqué cette méthode sont suffisamment proches dans le temps pour que ce type de phénomène ne se produise pas. L’application de cette méthode a été faite pour des images provenant d’un satellite géostationnaire. L’étalonnage de ces images, par la méthode présentée ci-dessus, avait pour but de les recoder en réalisant un ajustement automatique du contraste afin d’obtenir des images comparables et très contrastées lors de leur visualisation. Cette méthode est présentée dans le chapitre concernant la mise en évidence de phénomène grâce à une animation.