Вы находитесь на странице: 1из 59

CNTA ’09 Université A.

MIRA BEJAIA

La poursuite de cibles dans un environnement radar PAR (phased array radar)


(Simulation matlab)
A.CHERIFI, A.Belghoraf
Laboratoire de génie électrique université Mohamed Boudiaf usto Oran
Algérie

1. RESUME: Le travail présenté dans ce mémoire, consiste à implémenter une technique de


poursuite de manœuvres, basé sur l’estimation de l’accélération (amplitude de l’objet.* cible*) dans
un système radar PAR (Phased Array Radar). Après la présentation de cette technique, en phase de
filtrage on va utiliser trois filtre : le filtre αβ , filtre αβγ et filtre de Kalman , une analyse des
résultats de simulation a été effectuée avec logiciel matlab. A la base des résultats obtenus, une étude
comparative entre les trois filtres, a démontré une amélioration remarquable des performances de la
poursuite par l’estimation de l’accélération avec le filtre deαβγ par rapport à la poursuite avec les
deux filtres (kalman et αβ ) en terme de réduction des erreurs d’estimation de la position et de la
vitesse des cibles.
Mot clet
Radar PAR (Phased Array Radar) , poursuite, Manoeuvre, filtre αβ , αβγ , filtre de kalman .
ABSTRACT: The work presented in this memory, consists to implement a technique of manoeuvre
tracking based on the estimation of maneuver amplitude,. After a presentation of this technique, an
analyze of simulation results is done. From the obtained results, a comparison between this technique
of thre tracker an the old one, has shown a remarkable amelioration of tracking performances by using
the acceleration’s estimation in term of estimation position an velocity errors reduction. After, the new
maneuver tracker αβγ has been integrated in the existent track program. The implementation of this
program has revealed an increase of about 15% in computation’s time.However, this increase has not
affected the real time restrain of the track algorithm.

Key words:
Radar PAR (Phased Array Radar) , Tracking , Manoeuver, αβ Tracker, αβγ , kalman Tracker.
2. Introduction
Le Radar tridimensionnel à balayage électronique* PAR* (phased-array radar_ en
anglais) est un radar qui utilise une antenne formée d'un très grand nombre d'ouvertures de tubes de
guides d'ondes sur une surface plane: une antenne réseau à commande de phase. [1]
3. Principe
Nous définissons la poursuite radar comme étant l'estimation des trajectoires des objectifs
volants dans l’espace de couverture radar, en se basant sur les plots issus du processeur du
signal. Elle consiste à associer à chaque cible détectée dans le champ de couverture radar [2],
parmi les plots reçus, celui qui lui correspond, filtrer les bruits de mesure, et supprimer les faux plots
correspondant au bruit. Pour cela on pose la question : comment poursuivent t’elles ; cibles de t’elle
façon on combinant le radar (PAR) avec le filtre de kalman. La tâche de filtrage est un processus
séquentiel qui estime le vecteur d'état des cibles et corrige ces paramètres. [4]. Le filtre de poursuite
sert à estimer les paramètres cinématiques présents et futures par un changement de l’accélération.
4. La Poursuite par le filtre de kalman
Le filtre de Kalman est un estimateur linéaire stochastique qui minimise l’erreur quadratique
moyen des cibles à travers les mesures radar qu'on reçoit périodiquement. Ces paramètres sont
souvent la position, la vitesse et l’accélération [2]. Trois types de filtres sont utilisés dans les
systèmes de poursuit radar : filtres à coefficients constants dont le filtre αβ , αβγ et les filtres à
coefficients variables (adaptatifs) dans le temps tel que le filtre de Kalman [3] comme le montre la
figure. [I].
CNTA ’09 Université A.MIRA BEJAIA

x(n / n ) = x s (n) = x(n / n − 1) + K (n )[ y (n) − G ( xn / n − 1)]

FIG I Structure de filtre de kalman

Le vecteur de mesure est :


y (n) = Gx(n) + v(n)
Le bruit de distribution gaussien blanc avec la covariance de moyen nul ℜ c
ℜ c = E { y (n ) + y (n ) }
t

Le vecteur de gain :
[
K (n) = P(n / n − 1)G t GP(n / n − 1)G t + ℜ C ]−1

{
Q = E u ( n) u t ( n) }
La matrice de covariance de prédiction, Q où la matrice de covariance pour l'entrée u
P (n+ 1 / n )= E{ Χ S (n + 1 ) Χ ∗S (n )} =ΦP (n/n ) Φ t + Q
L'équation de correction (covariance de correction de l’estimation) est :  T 2
1 T 
2
P (n/ n ) = [ I – K (n )G ] P (n/ n– 1 ) Φ =  0 1 T 

En conclusion, l'équation de prédiction est : x(n + 1 / n) = Φx(n / n) 0 0 1 
 
4.1. Le Filtre αβ
 

Le filtre αβ est un algorithme à base des équations du filtre de Kalman. Des


simplifications ont été apportées à ce dernier pour faciliter d’avantage son implémentation sur
machine et réduire le temps de calcul . Dans ce type de filtre, les gains de position et de vitesse qui
sont respectivement α et β/T sont constants, ce qui réduit énormément les calculs[5] :
1−α (1 − α )T  α  1 T 
A = − β ; K = β  ; G = [1 0] ; Φ= .
 (1 − β )   T  0 1 
T 

Figure II. Schémas d’implémentation du filtre. αβ [5]


CNTA ’09 Université A.MIRA BEJAIA

4.2Le Filtre αβγ


Le filtre de poursuite αβγ est un cas particulier à base des équations du filtre de Kalman ,
Dans ce type de filtre, les gains de position, vitesse et accélération qui sont respectivement α , β/T
et γ /T 2 sont constants, ce qui réduit énormément les calculs. Le modèle mathématique du filtre est
défini par les équations suivantes [5].
x s (n) = x p (n) + α ( x0 (n) − x p (n))
β
x S (n) = x S (n − 1) + TxS (n − 1) + ( x 0 (n) − x P (n))
T

xS (n) = xS (n − 1) + ( x 0 (n) − x p (n))
T2
T2
x P (n + 1) = x S (n) + T x S (n) + xS (n)
2
La matrice de transition d'état pour le filtre αβγ est :
 
 T2  α 
= [1 0 0] ;
1 T   1− β (1 − α )T (1 − α )T 2 / 2
 2  ; K =  β  ;G  
Φ = 0 1 T   T  A = ( I − K G )Φ =  − β / T − β +1 (1 − β / 2)T 
0 0 1  γ 2  − 2γ / T 2
 − 2γ / T (1 − γ ) 
   T 

Figure III. Schémas d’implémentation du filtre. αβγ [5]


5. Simulation
Nous présentons les résultats de simulation du filtre de poursuite. Les modifications (adaptations)
apportées aux paramètres des filtres de poursuite, sont effectuées sur la base de la position estimée
Une fois estimé le module de la position on va comparé à trois (3) filtre : ( αβ , αβγ et le filtre
de kalman), ensuite des corrections sur les vecteurs d’état prédit et filtré seront apportées Pour évaluer
les performances du trois filtre[6], on doit se mettre dans des conditions qui approchent au mieux les
situations réelles. En effet, il existe deux types d’accélérations ; une accélération longitudinale qui
produit un changement de vitesse, et latérale qui produit un changement de direction, cette dernière est
la plus fréquente dans le domaine militaire. Pour cela, nous présentons une méthode de génération de
trajectoire [7], qui peut fournir des mesures de la cible (position, vitesse), pour différentes
accélérations latérales, et différentes périodes de balayage (scan). On peut modéliser l’accélération
(manœuvre) d’une cible dans le cas idéal par un échelon d’amplitude donnée, mais dans la réalité, les
grandeurs physiques, quelque soit leurs natures (vitesse, accélération, etc…), ne varient pas d’une
manière brusque. Dans cette simulation, nous adoptons le modèle d’accélération proposé par Singer
[8], sa forme évolue d’une manière exponentielle. Une fois que les mesures sont générées, les
performances du nouveau algorithme seront évaluées en analysant les erreurs de position prédite, ce
grandeur nous renseignent fidèlement sur la qualité de la poursuite et Nous comparons les résultats
obtenus.
CNTA ’09 Université A.MIRA BEJAIA

Résultat de Simulation
5.1 Génération de trajectoire
Pour le radar (P A R) les données nécessaires n Pour la génération de la trajectoire sont :
Ne : nombre des échantillons de mesures ; V : le module de vitesse de la cible (m/s).
T : période de balayage du radar (s) ; δ : direction initiale du mouvement (vitesse) de la cible (rad).
A (.) : vecteur contenant les Composantes de l’accélération (m/s²). XI, YI : coordonnées initiales cible
la direction du mouvement (δ), L’azimut (θ), la vitesse angulaire (ω) et le rayon de courbure de la
trajectoire (r) Un bruit gaussien (N (0, σρ)) [9] .
Entrée

Xi = XI ; Yi = YI
VXi = V cosδ ; VYi = V cosδ

Oui Non
Ai>0
2
r=V
Ai
w =V
R

Xc = Xi-1+X sinδ
Yc = Yi-1+X cosδ

π
θ= +δ - wT
2
δ = δ - wT

Xi = Xc + θ cos θ Xc = Xi-1+VT sinδ


Yi = Yc + r sin θ Yc = Yi-1+VT cosδ

VXi = V cos δ
VYi = V sin δ

Sortie
CNTA ’09 Université A.MIRA BEJAIA

Deux modèles de trajectoire sont envisagés :

Modèle1 trajectoire de cible non Modéle2 trajectoire de cible avec manœuvre


Manoeuvrante (Trajectoire rectiligne) agressive (trajectoire manœuvre)

Figure VI. Tracés de la position générée en FigureVI.1 Evolution des erreurs


rouge) et estimée (en bleu) par filtre d’estimation de la position (résiduel) par
αβ Manœuvre lente. même filtre

Figure VI.2. Tracés de la position générée (en rouge) figureVI.3 Evolution des erreurs d’estimation
et estimé(en bleu) par filtre αβγ Manœuvre lente. De la position (résiduel) par même filtre
CNTA ’09 Université A.MIRA BEJAIA

L'erreur reste assez grande au début ; mais pendant l’estimation la moyenne de l’erreur est autour de zéro. La
variation est due au bruit d’estimation est calculée par la fonction matlab (var residual) = 0.0014

FigureVI.4 tracés de la position générée et estimée FigureVI.3 Evolution des erreurs d’estimation de
par filtre de kalman manœuvre lente. position (résid) par filtre de kalman
La variation est due au bruit d’estimation est calculée par la fonction matlab (var residual) = 0.0048

FigureVI.6. tracés de la position générée et estimée FigureVI.7Evolution des erreurs d’estimation


de la position (résidu) par filtre αβγ manœuvrant (résidu) par filtre αβγ manœuvre agressive
Agressive.

FigureVI.8.tracés de la position générée et estimée FigureVI.9Evolution des erreurs d’estimation de la par


position par filtre kalman Manœuvre agressive. filtre de kalman même manoeuvre
CNTA ’09 Université A.MIRA BEJAIA

Figure (VI.7) et (VI.9), on voit les variations entre les positions générée et estimées de la cible (coordonnée x). Les
erreurs d'estimation obtenues sont faibles comptes tenus des imprécisions du modèle et des observations. La figure
(VI.7) démontre le bruit estimé par le filtre αβγ et L'erreur d’estimation se fixe rapidement. La variation est due au
bruit d’estimation est calculée par la fonction matlab (var residual) = 0.0023. Mais la figure (VI.9) démontre le bruit
estimé par le filtre de kalman et L'erreur d’estimation égale a 0.0071 ; La comparaison entre les deux filtres est due au
temps de convergence de chaque filtre (les gains de positon, vitesse et accélération sont fixée avant pour le filtreαβγ ).

Les Trajectoire
Trajectoire
trois rectiligne
Manœuvre résidu
filtres (uniforme)
bruit
résidu
Filtre Il ne converge pas 
αβ 0,0014 Il y a une accélération
(manoeuvre)agressive
Filtre 0,0014 0,0023
αβδ
Filtrede 0,0048 0,0071
Kalman

CONCLUSION
La différence résiduelle entre les trois filtres démontre nettement la recherche de limiter au
maximum le bruit pour éviter la détection radar. Le filtre qui offre le moins des bruits c’est le
filtre αβγ ( var res=0.0023) pour manœuvre agressive et Pour manœuvre lente (0,0014 ), Le filtre
du kalman ( var res=0.0071) pour manœuvre agressive et (0.0048)pour manœuvre lente.
La comparaison entre les trois filtres basés sur l’estimation de la position démontre la supériorité
de la performance du filtre αβγ sur les deux filtres. Au début de la manœuvre l’erreur de prédiction
augmente jusqu’à atteindre sa valeur maximale environ 0.03 pour le filtre αβ dans la trajectoire peut
être rectiligne, 0.02 pour le filtre αβγ et 0.08pour le filtre de kalman malgré le mouvement de la
cible étant manoeuvré, puis elle décroît rapidement pour avoisiner le zéro pendant la manœuvre. Cette
décroissance est le résultat des corrections effectuées sur les états filtrés et prédits, il est dû au retard
d’estimation de la manœuvre que nous avons déjà constatée auparavant ainsi le temps de convergence
de filtre.
Bibliographie :
[1] «http://fr.wikipedia.org/wiki/Radar» le 22 mars 2007.
[2] [Williams, 2003] J.L.Williams, "Gaussian Mixture Reduction for Tracking Multiple Maneuver
Targets in Clutter", Thesis, AFIT/GE/ENG/03-19, March 2003.
[3] Kalman. R. E. “A New Approach to Linear Filtering and Prediction Problems.”
Transactions ASME, Journal of Basic Engineering .82, P 35-45.1960.
[4] Bar-Shalom Yaakov and Xiao-Rong Li. “ Estimation and Tracking: Principles,
Techniques and Software”. 1èreedition , Edition Artech House1993.
[5] Bassem R. Mahafza. “Radar Systems Analysis and Design Using MATLAB”.Edition Chapman
& Hall/CRC. 2000.
[6] T.C. Wang and Pramod K. Varshney. “A Tracking Algorithm for Manoeuvring Targets”. IEEE
Transactions on Aerospace and Electronic Systems, Vol. AES-29, N°.3, July 1993.
[7] A. Farina, E. Studer. “Introduction to radar data processing”. Volume I – II, 1èmeedition,
Edition Artech House, December 1984.
[8] Robert A. Singer. “Estimation Optimal Tracking Filter Performance for Manned Manoeuvring
Targets”. Transactions on Aerospace and Electronic Systems. Vol AES-6, N0 4 July 1970.
[9] [Lemonde, 2005] V.Lemonde and M.Devy, " Détection d’obstacle par stéréovision sur véhicules
intelligents ", thèse, LASS-CNRS Toulouse, 2005.
CNTA ’09 Université A.MIRA BEJAIA

Fusion/Classification D’images Satellitaires


Par le modèle Hybride De Dezert-
Smarandache
Nassim Abbas, Abdenour Bouakache, Radja Khedam & Aichouche Belhadj-Aissa
Laboratoire de Traitement d’Images et Rayonnement (LTIR)
Faculté d’Electronique et d’Informatique (FEI), Université des Sciences et de la Technologie
Houari Boumediene, BP. 32, El Alia, Bab Ezzouar, 1611, Alger, Algérie.
Email : abbasnassim10@yahoo.fr, h.belhadj@mailcity.com

Résumé—Les modèles de co mbinaison et d e c odification et elles conduisent souvent à confondre ces deux notions
des cl asses t hématiques reposent sur le f ormalisme d e la avec la mesure de probabilité. C’est pourquoi, de
théorie du r aisonnement plausible e t paradoxal de D ezert- nouvelles théories permettant la modélisation de
Smarandache ( DSmT). D ans u n c adre g énéral, l a l’incertitude et l’imprécision ont été introduites, à savoir
fusion/classification par cet te t héorie pose, la théorie des ensembles flous [17], la théorie des
essentiellement deux problèmes : l e n ombre d e D edekind possibilités [6], la théorie de l’évidence (DST) [13] et la
{ } qui d evient i mportant dès que l e nombre de c lasses théorie récente DSmT [14], [15], etc. Selon les objectifs
augmente et l ’existence d es cl asses v irtuelles dans recherchés, la fusion des images peut s’opérer à
l’ensemble de sortie. L’objectif principal de ce travail est la
différents niveaux pour lesquels plusieurs approches
mise en œ uvre d’un modèle hy bride dans le ca dre de l a
DSmT. C e modèle, construit so us l es h ypothèses de existent [2], [12], [11]. Dans ce travail, nous nous
l’existence et de la topologie des classes thématiques, permet sommes intéressés à la théorie de DSmT, qui complète la
de ré duire le n ombre d ’éléments focaux e t de cl asses n on théorie de DST. Pour cela, nous avons développé les
réalistes. P our s on a pplication à la f usion/classification modèles de la DSmT dans un cadre ponctuel en ne tenant
d’images s atellitaires, n ous avons mis e n œ uvre pl usieurs compte que de l’information spectrale. Ces modèles de
règles d e co mbinaison a ssociées a u modèle d e t ransfert d es fusion/classification sont appliqués aux données
masses ( modèle d’Appriou g énéralisé). L e p rocessus satellitaires multisources, multitemporelles.
développé a ét é testé s ur des images s atellitaires
multisources pour u ne analyse s patio-temporelle d es é tats
II. APPROCHE DU RAISONNEMENT
de surface de la zone test.
PLAUSIBLE ET PARADOXAL DE Dezert-
Mots-clés : Théorie de l’évidence, théorie de Dezert-
Smarandache
Smarandache, fusion/classification thématique, images
Les travaux de Dezert et Smarandache [14], [15]
multisources multitemporelle, modèle libre de DSm,
montrent comment la DSmT permet de gérer les cas
modèle hybride de DSm.
délicats pour lesquels la DST est mise en défaut. Dezert
I. INTRODUCTION et Smarandache affirment que la DST a montré ses
limites de fiabilité et son domaine d’applicabilité du fait
La multiplication des satellites de télédétection et
des deux contraintes inhérentes à celle-ci, à savoir :
l’utilisation de plusieurs capteurs pour l’observation de
(C1) – La DST considère uniquement un cadre de
la terre ont permis l’acquisition d’une multitude
discernement basé sur un ensemble discret, fini, exhaustif
d’images présentant des caractéristiques spatiale,
spectrale et temporelle différentes. L’extraction des et exclusif d’hypothèses élémentaires .
informations utiles, liées à la nature physique des (C2) – Les sources d’évidence sont supposées
surfaces observées, fait appel à différentes techniques, distinctes et indépendantes (chaque source ne partage pas
approches et méthodes de traitements d’images la connaissance des autres sources) et fournissent les
numériques. Parmi ces procédures figure la fusion de mesures de crédibilités sur l’ensemble des parties du
données. Cette méthode permet d’exploiter le caractère cadre de discernement avec la même interprétation
redondant et complémentaire contenu dans les données
commune de .
satellitaires et doit prendre en compte des sources
d’information de plus en plus nombreuses et variées.
A. Principe et Formalisme
Cependant avec la quantité et la diversité des données,
La DSmT peut être interprétée comme une généralisation
une méthode adéquate d’exploitation en utilisant des
de la DST selon le sens suivant.
approches mathématiques s’avère nécessaire, qui tient en
Soit l’ensemble de discernement contenant
compte de deux notions de mesure : l’incertitude et
l’imprécision de ces données. juste deux classes élémentaires, alors :
Les approches probabilistes, en général, représentent • la DST suppose que est un ensemble exhaustif
bien l’incertitude qui entache l’information, mais elles ne et exclusif tels que
permettent pas aisément de représenter son imprécision
CNTA ’09 Université A.MIRA BEJAIA

• la DSmT accepte la possibilité d’ajouter modèle hybride et est une matrice binaire
l’information paradoxale tels que simplifiée associée à .
Nous avons appliqué les deux modèles libre et hybride de
DSm à la fusion/classification des images satellitaires.
Dans la cas général, lorsque le nombre d’hypothèses Dans ce qui suit, nous allons présenter les fonctions de
(classes) devient important, la génération de l’ensemble mesures associées à la DSmT.
des sous ensembles du cadre de discernement nécessite
l’établissement de modèles de combinaison des éléments 3) Mesures de l’évidence généralisées
de ce dernier [5], [14]. Ces modèles facilitent aussi la La fonction de masse généralisée est définie de
manipulation des éléments focaux grâce à un codage dans vérifiant :
adéquat. Parmi ces modèles nous trouvons : (3)
1) Modèle libre de DSm Le jeu de masse autorise la pondération des
Le modèle libre de DSm prend en compte toutes informations paradoxales contrairement au jeu de masse
les combinaisons possibles entre les classes du cadre de classiquement défini dans le cadre de la DST. A partir de
discernement en utilisant les opérateurs logiques tout jeu de masse généralisé , nous pouvons alors
d’intersection et d’union. Ainsi, l’ensemble construit, , définir pour tout élément de les fonctions de
est appelé ensemble hyper-powerset. crédibilité et de plausibilité généralisées par :
La génération de l’ensemble de fusion est effectuée (4)
suivant un ordonnancement basé sur les fonctions (5)
booliennes isotones, tout en utilisant un algorithme
récursif. Considérons satisfaisant le B. Estimation des fonctions de masse
modèle libre de DSm avec éléments L’estimation des fonctions de masse n’est pas
présentant des recouvrements partiels. Tous les éléments directement explicite. Celle-ci dépend du domaine
de peuvent être obtenus par résolution d’un d’application et de type de données. Plusieurs techniques
système d’équations linéaires : d’estimation de masses existent dans la littérature. Parmi
(1) celles-ci, on peut citer les méthodes d’estimation directes
où est le vecteur (fonctions de masse particulières) [10], [3] et les
méthodes d’estimation utilisant des modèles de transfert à
des éléments de , est le vecteur de codification de partir des densités de probabilités bayésiennes [4], [7],
Smarandache et est une matrice binaire particulière [1]. Dans ce travail, nous avons utilisé le modèle
[14]. dissonant d’Appriou généralisé [1], [9].
2) Modèle hybride de DSm C. Règles de combinaison de Dezert-Smarandache
Pour les problèmes réels de la fusion de données, certains Pour le calcul des masses monosource, nous avons
éléments du cadre de discernement peuvent apparaître considéré tous les éléments de (modèle libre) et nous
inévitablement exclusifs et raffinés. Ces éléments avons utilisé la règle classique DSmC [14]. Puis, pour
présentent une décorrélation avec d’autres éléments de . l’application du modèle hybride, nous avons utilisé
Donc, si on dispose des connaissances sur la zone d’étude d’autres règles, à savoir la règle hybride de DSm
ou on connait la nature exacte de l’un des éléments du (DSmH) [15], la règle de redistribution proportionnelle
cadre de discernement, on intègre une ou plusieurs du conflit (PCR5) [8], [15], les règles de redistribution
contraintes sur quelques éléments de l’hyper-powerset uniforme du conflit MURR et PURR [16].
, en forçant ces éléments à être vides dans le nouveau
modèle hybride . Après avoir généré l’ensemble de D. Règle de décision
fusion , on introduit une contrainte telle que de Au niveau de l’étape de décision, on calcule le minimum
est vide, puis on élimine les colonnes correspondantes de l’incertitude de chaque pixel par rapport à chaque
aux parties qui composent dans la matrice et la classe de l’ensemble hyper-powerset . L’affectation
ligne de et les lignes de tous les éléments de qui des pixels à ces classes est effectuée en comparant
sont des sous ensembles de , nous obtenons une chaque valeur d’incertitude à un seuil fixé par
l’utilisateur.
nouvelle matrice représentant un nouveau modèle
hybride . Dans la base , on élimine également les III. APPLICATION ET PRESENTATION DES
parties qui forment , ainsi la dimension de cette base est RESULTATS
, où est la cardinalité de DSm de Dans ce travail, nous avons appliqué les différents
chaque élément [14]. Tous les éléments de modèles mis en œuvre en utilisant, comme données les
peuvent être obtenus par résolution d’un système images multispectrales de télédétection. Nous avons
d’équations linéaires : considéré deux applications différentes :
(2) • La caractérisation des états de surface du sol.
où est le vecteur des éléments non vides de , • La détection de changements.
est le vecteur de codification de Smarandache réduit du
CNTA ’09 Université A.MIRA BEJAIA

A. Description du site d’étude La prise de décision se fera toujours sur les classes
Le site test que nous avons retenu représente une région simples et les classes d’intersection, en négligeant les
située aux environs de la ville d’Alger. Cette région se masses associées aux unions des classes. Ces classes
distingue par deux zones : une zone agricole située au sud sont :
de l’aéroport d’Alger, caractérisée par de grands espaces Le conflit partiel généré par le modèle hybride est donné
verts et le sol nu, et une zone urbaine située au nord de par la figure 3. Ce conflit multisources multitemporel
l’aéroport, caractérisée par un espace structurel et un varie entre 0.723 et 0.740, il est calculé d’une manière
réseau routier très dense. Pour notre travail, nous avons supervisée comme suit :
utilisé deux images satellitaires (de taille 256x256),
extraites de deux images multispectrales, multisources et (6)
multitemporelles couvrant cette région. La première est
acquise par le capteur HRV du satellite SPOT 2 le 01 Tels que est le vide absolu, est
Avril 1997 et la deuxième acquise par le capteur ETM+ l’ensemble des éléments vides associé au modèle hybride
du satellite Landsat 7 le 03 juin 2001. Tout d’abord, nous et est la masse de fusion de l’élément vide de
avons effectué un prétraitement sur les deux images .
satellitaires ; une correction géométrique et une
correction radiométrique. 0.740
Nous avons ramené les résolutions des deux images à la
résolution la plus grossière (la résolution de ETM+ de 30
mètres), en faisant un reéchantillonnage sur l’image
acquise par SPOT 2 en 1997, par la méthode de plus
proche voisin (PPV). La composition colorée des deux 0.723
images est donnée par les figures 1 et 2.

Figure 3. Conflit partiel multisources


multitemporel dans le cas du modèle hybride

Dans ce qui suit, nous présentons les résultats de la


fusion/ classification issus de la redistribution du conflit
donné par la figure 3 en appliquant les règles DSmH,
PCR5, MURR et PURR. Les taux d’occupation des
différentes classes, pour chaque règle sont répertoriés
Figure 1. Composition Figure 2. Composition colorée
colorée de la scène d’Alger de la scène d’Alger ETM+
dans le tableau 2.
HRV 1997 2001
Pour chaque image monosource, nous avons extrait une Classes DSmH PCR5 MURR PURR
SN∩V 14.92 11.44 44.05 40.88
base d’entraînement et une base de contrôle. Ces bases
V 21.03 21.03 21.03 21.03
contiennent trois classes thématiques reportées dans le
U∩SN 14.11 2.67 0 0
tableau 1, avec : N.E.B.E : nombre d’échantillons de la
SN∩(U∪V) 15.02 29.94 0 3.17
base d’entraînement. N.E.B.C : nombre d’échantillons de
SN 15.26 15.26 15.26 15.26
la base de contrôle.
U 19.66 19.66 19.66 19.66
Tableau 2. Taux d’occupation des classes de la
N.E.B.C

N.E.B.C
(ETM+)

(ETM+)
N.E.B.E

N.E.B.E
Thèmes
Classes

(HRV)

(HRV)

fusion/classification multisources et multitemporelles


par les règles DSmH, PCR5, MURR et PURR

Urbain (U) 132 126 155 155 Le résultat de la détection des changements binaire entre
Sol Nu (SN) 118 122 148 139 1997 et 2001 par la fusion/classification multisources et
Végétation (V)
multitemporelle en utilisant le modèle libre est donné par
137 133 149 149
la figure 4.
Tableau 1. Données de la base d’entraînement et
de la base de contrôle de l’image HRV et ETM+ Non Changement
B. Résultats de la fusion multisources et multitemporelle
Changement
par le modèle hybride
A partir de connaissances a pr iori sur la zone d’étude,
nous introduisons comme contrainte d’exclusivité la
classe d’intersection « U∩V ».
Donc, l’ensemble des éléments focaux de se réduit à
l’ensemble suivant :
Figure 4. La carte de changements binaire
entre 1997 et 2001 obtenue par le modèle libre.
CNTA ’09 Université A.MIRA BEJAIA

Les classes simples représentent le non changement (en b) Cas de données multitemporelles
noir), par contre les classes composées représentent le Dans la fusion/classification multitemporelle, nous avons
changement (en blanc). pris les mêmes hypothèses d’évaluation définies dans le
A partir d’une évaluation qualitative de cette image, nous cas du modèle libre à savoir : la zone agricole qui est
apercevons qu’il y a une grande dynamique dans la zone située au sud de l’aéroport est prise comme exemple des
d’étude entre les deux dates considérées, une évolution sites de changements entre les dates d’acquisition
des classes thématiques « sol nu » et « végétation » au considérées. Les figures 8.a, 8.b et 8.c représentent des
sud de l’aéroport qui est due d’un coté au défrichement zooms sur cette zone en composition colorée (ETM+ et
des terrains agricoles et d’un autre coté à l’exploitation HRV) ainsi que le résultat de fusion/classification
agricole des terrains nus et une forte urbanisation au nord multitemporelle par la règle DSmH.
de l’aéroport, notamment dans la région d’El Hamiz. Classe simple : SN Classe simple : V Classe complexe : SN∩V

1) Fusion/classification par la règle DSmH


a) Cas de données multisources
Le résultat de la fusion/classification multisource par le
modèle hybride en appliquant la règle de fusion DSmH
est donné par la figure 5.
L’évaluation de ce résultat portera toujours sur les sites Figure 8.a. Zoom de Figure 8.b. Zoom de Figure 8.c. Zoom du
RGB HRV RGB ETM+ résultat de la DSmH
invariants entre les dates 1997 et 2001. Les pistes de
l’aéroport, représentées par les figures 6.a et 6.b, sont Nous constatons à partir de la figure 8.c qu’il y a un
observées comme sites qui n’ont pas subi de changement thématique survenu sur cette zone. Un
changements entre les deux dates considérées. changement du sol nu (origine) vers végétation
U (destination). La validation de ce résultat est faite en
prenant un pixel appartenant à la classe « SN∩V » et
SN
ensuite, observer sa variation entre 1997 et 2001. A partir
V des signatures spectrales de la figure 9, nous constatons
SN∩V que ce pixel de la classe « sol nu » dans 1997 a changé de
U∩SN classe, après quatre ans, vers la classe simple
« Végétation ».
(U∪V)∩SN

Figure 5. Résultat de la classification/fusion multisources


des images HRV 1997 et ETM+ 2001 par la règle DSmH

Figure 9. Signatures spectrales des classes Sol Nu


(HRV 1997) et Végétation (ETM+2001) dans le
site variant de la zone agricole
Figure 6.a. Zoom de Figure 6.b. Zoom de Figure 6.c. Zoom du L’évaluation quantitative représentée par le taux
RGB des pistes RGB des pistes résultat obtenu par
d’occupation de chaque classe thématique simple ou
dans l’image HRV dans l’image ETM+ DSmH
composée pour l’image de la figure 5, est donnée dans le
Nous constatons, voir figure 6.c, qu’au niveau des pistes tableau 2. A partir de ce tableau, nous remarquons que les
de l’aéroport, la présence des classes pures comme la classes simples sont représentées par les mêmes taux que
classe U sur lesquelles les deux capteurs émettent un avis le modèle libre. Cependant, les classes composées sont
commun et les classes d’intersection comme la classe représentées par environ 15% pour chaque classe, des
« SN∩V » sur lesquelles les deux capteurs émettent un aires beaucoup plus importantes que celles du modèle
avis différent. Ce résultat est bien illustré par le tracé des libre.
signatures spectrales (figure 7) d’un pixel des pistes En effet, il y’a eu lieu le transfert des masses des classes
appartenant à la classe d’intersection « SN∩V ». composées dans le modèle libre vers des classes
composées non vides après l’application des contraintes
d’intégrité. Ce transfert est effectué par les deux termes
et de la règle de combinaison DSmH (voir [14],
[15]).

2) Fusion/classification par la règle PCR5


La fusion/classification par la règle PCR5 permet de
Figure 7. Signatures spectrales des classes Sol redistribuer d’une manière proportionnelle les conflits
Nu (HRV 1997) et Végétation (ETM+2001) partiels uniquement aux éléments impliqués dans ces
dans le site invariant pistes de l’aéroport conflits. Dans notre travail, nous avons appliqué cette
règle dans le processus de fusion/classification. Par
conséquent, nous avons obtenu le résultat représenté par
CNTA ’09 Université A.MIRA BEJAIA

la figure 10. Nous remarquons que la répartition spatiale manière uniforme par la règle MURR (la règle de
des thèmes au sol dans l’image de la figure 10 concorde redistribution uniforme modifiée).
avec la réalité terrain, un tissu urbain dense au nord de
l’aéroport et une zone agricole au sud de l’aéroport. Cette 4) Fusion/classification par la règle PURR
carte contient de nouvelles classes qui représentent L’image résultat de l’application de cette règle contient
réellement des classes ayant des signatures spectrales deux nouvelles classes qui représentent réellement des
intermédiaires. classes ayant des signatures spectrales intermédiaires.
L’évaluation quantitative représentée par le taux
U
d’occupation de chaque classe thématique simple ou
SN composée pour l’image de la figure 12, est donnée dans
V le tableau 2. Nous constatons que les classes simples sont
SN∩V représentées par les mêmes taux que le modèle libre et les
U∩SN classes composées SN∩V et SN∩(U∪V) sont
(U∪V)∩SN représentées respectivement par 41% et 3%. En effet, il
y’a eu le transfert des masses des éléments des conflits
partiels (U∩V et U∩SN∩V), engendrés par
Figure 10. Résultat de la fusion/classification multisources l’introduction de la contrainte principale vers les
des images HRV 1997 et ETM+ 2001 par la règle PCR5 éléments composés d’une manière partiellement uniforme
par la règle PURR (la règle de redistribution
A partir de tableau 2, nous remarquons que les classes partiellement uniforme).
simples sont représentées par les mêmes taux que le
modèle libre. Cependant, les classes composées sont U
représentées par des taux variant entre 2.5% et 30%. SN
En effet, il y’a eu le transfert des masses des éléments des V
conflits partiels (U∩V et U∩SN∩V) engendrés par
SN∩V
l’introduction de la contrainte principale vers les
éléments composés selon la relation de proportionnalité (U∪V)∩SN
de la règle PCR5.
On remarque au niveau de la décision que la règle PCR5
a modélisé, en plus du paradoxe, l’ignorance en affectant Figure 12. Résultat de la fusion/classification d’images
un taux d’occupation très important (environ 30%) à la HRV et ETM+ par la règle PURR
classe SN∩(U∪V).
C. Comparaison entre le modèle libre et le modèle
3) Fusion/classification par la règle MURR hybride
Le résultat de l’application de cette règle contient une Après avoir obtenu les images résultats de l’occupation
nouvelle classe (SN∩V) ayant une signature spectrale spatio-temporelle des états de surface en utilisant les
intermédiaire. Par conséquent, le nombre de classes modèles libre et hybride de DSm, nous avons effectué
diminue à cause de manque de précision au niveau de une étude comparative entre ces deux modèles sur le plan
transfert de cette règle qui est effectué d’une manière complexité, temps de calcul, nature des classes
uniforme (voir [16]). résultantes, etc..). Les différents résultats de cette étude
U sont donnés dans le tableau 3. Dans la
fusion/classification multisources et multitemporelle par
SN
le modèle hybride, la carte de changements binaire que
V nous avons obtenue est la même que pour le modèle libre.
SN∩V
Modèle libre Modèle hybride
Cardinalité Importante et Réduite suivant
de l’hyper- suivant les les contraintes
powerset nombres de introduites
Figure 11. Résultat de la fusion/classification multisources des Dedekind
images HRV 1997 et ETM+ 2001 par la règle MURR
Temps Important et pour Acceptable
L’évaluation quantitative représentée par le taux d’exécution très
d’occupation de chaque classe thématique simple ou important
composée pour l’image de la figure 11, est donnée dans Taille de la Importante et Suffisante
le tableau 2. Nous constatons que les classes simples sont mémoire pour
représentées par les mêmes taux que le modèle libre. Par nécessaire insuffisante
ailleurs, il existe seulement une classe composée (classe Carte Comporte des Comporte des
paradoxale) d’un taux de 44%. En effet, il y’a eu le obtenue classes non classes plus
transfert des masses des éléments des conflits partiels significatives réalistes
(U∩V et U∩SN∩V), engendrés par l’introduction de la
contrainte principale, vers les éléments composés d’une Tableau 3. Comparaison entre les modèles libre et hybride
CNTA ’09 Université A.MIRA BEJAIA

Cette similitude est dûe à la règle de décision que nous [9] Khedam, R., Bouakache, A., Mercier, G., Belhadj-Aissa, A., 2006,
«Fusion multitemporelle par la théorie de Dempster-Shafer pour la
avons appliquée. Les pixels qui représentent le non
detection et la cartographie des changements : Application au milieu
changement (les classes simples) sont les pixels qui urbain et préurbain de la région d’Alger», Revue Télédétection. Vol. 6,
appartiennent à la même classe simple dans les deux N°. 4, pp. 359-404, 2006.
résultats obtenus par le MVS. Par contre, les pixels qui [10] Khedam, R., Bouakache, A., Abbas, N., Ait Abdesselam, Y. et
Belhadj-Aissa, A., «Amélioration de la carte d’occupation du sol par la
représentent le changement sont les pixels qui fusion d’images satellitaires multi-échelles. Application au milieu
appartiennent à des classes composées. La différence urbain et périurbain de la région d’Alger». Acceptée pour publication
entre les deux images de changement se situe au niveau dans la Revue Internationale de Géomatique, Hermès Sciences
des classes qui représentent l’évolution diachronique des Lavoisier, vol. 19, n°1, 2008. Paris, France.
[11] Le Hégarte-Mascle, S., Richars, D. And Ottlé, C., 2003, «Multi-
états de surface. Dans le modèle libre, le nombre de scale data fusion using Dempster-Shafer evidence theory», Integrated
classes de changement est supérieur au nombre de classes Computer-Aided Engeneering, IOS press, 2003.
de changement dans le modèle hybride. Notons que la [12] Schistad solberg, A. H., 1999, “Contextual Data Fusion Applied to
précision, l’efficacité et la puissance de chaque modèle Forest Map Revision”. IEEE Transactions on Geoscience and Remote
Sensing, 37, 3, pp. 1234-1243, 1999.
sur le plan applicatif et selon les contraintes soit
[13] Shafer, G., 1976, « A Mathematical Theory of Evidence ».
physiques (recouvrement ou non des thèmes), soit Princeton University Press, Princeton (NJ), 312 p.
mathématiques liées au nombre de Dedekind (le nombre [14] Smarandache, F et Dezert, J., 2004, «Advances and Application of
de classe ), faisabilité faisabilité ( ) , etc..) DSmT for Information Fusion», American Research Press, Vol. 1, 418
p, 2004.
feront l’objet des travaux envisagés dans les perspectifs [15] Smarandache, F et Dezert, J., 2006, «Advances and Application of
de ce travail. DSmT for Information Fusion», American Research Press, Vol. 2, 442
p, 2006.
IV. CONCLUSION [16] Smarandache, F., Dezert, J., 2007, «Uniform Redistribution
Rules», (preprint draft at http://arxiv.org/pdf/cs.AI/0702028v1),
Nous avons présenté les résultats obtenus par les February 2007.
différents modèles de fusion/classification que nous [17] Zadeh, L. A., 1968, «Fuzzy algorithm». Inform. Contr., vol. 12, pp.
avons mis en œuvre en utilisant la DSmT, appliqués aux 94-102, 1968.
données multisources. Nous avons donné les résultats du
modèle libre afin d’effectuer une analyse comparative
avec les résultats du modèle hybride. Pour ce dernier,
nous avons défini une contrainte physique spécifique à la
zone d’étude. Plusieurs règles de décision sont mises en
œuvre et nous avons présenté quelques résultats
illustratifs dans le cas de la fusion/classification
multisource et multitemporelle. Il faut noter que la
cartographie spatio-temporelle est un axe très promoteur
et trouve beaucoup d’applications particulièrement dans
les Systèmes d’Information Géographique Historiques
(SIGH) pour la constitution des bases de données spatio-
temporelles et la réalisation des simulations de prévention
et gestion des régions d’intérêt.

REFERENCES
[1] Appriou, A., 1991, «Probabilités et incertitude en fusion de données
multisenseurs». Revue Scientifique et Technique de la Défense. Vol.
11, pp. 27-40, 1991.
[2] Bloch, I., 1996, «Information Combination Operators for Data
Fusion: A comparative review with classification». IEEE, Trans. Sys.
Man Cybern. A. Vol. 26, pp. 52-67, 1996.
[3] Bouakache, A., Khedam, R., Abbas, N., Ait Abdesselam, Y. and
Belhadj-Aissa, A., 2008, «Multi-scale Satellite Images Fusion using
Dempster Shafer Theory». The IEEE International conference on
information and communication Technologies: from theory to
applications- ICTTA’08, Damascus, Syria, April 05-10, 2008.
[4] Dempster, A.P., 1976, «Upper and lower probabilities induced by a
multivalued maping». Annalsof Mathematical Statistics. Vol. 38, n° 2,
pp. 325-339, 1967.
[5] Dezert, J., 2002, «Fondations for a new theory of plausible and
paradoxical reasoning», Information & Security, An int. Journal, edited
by Prof. Tzv. Semerdjiev, CLPP, Bulgarian Acad. of Sci., Vol. 9, 2002.
[6] Dubois, D., Prade, H., 1988, «Representation and combination of
uncertainty with belief functions and possibility measures».
Computational Intelligence, 4, pp. 244-264, 1988.
[7] Dubois, D., Prade, H., 1994, «Fuzzy Sets-A Convenient Fiction for
Modeling Vagueness and Possibility». IEEE Transactions on Fuzzy
Systems, Vol. 2, N° 1, 1994
[8] Florea, M.C., Dezert, J., Valin, P., Smarandache, F., Jousselme, A.-
L., 2006, «Adaptative combination rule and proportional conflict
redistribution rule for information fusion». Proc. Of COGnitive systems
with Interactive Sensors Conf. Cogis’06, Paris, France, March 2006.
CNTA ’09 Université A.MIRA BEJAIA

Contribution des SVMs au traitement des


données de télédétection
FIZAZI ISABATENE .H BENHABIB .W GHARDAOUI .S
USTO, dept. Informatique USTO, dept. Informatique USTO, dept. Informatique
Laboratoire SIMPA Laboratoire SIMPA Laboratoire SIMPA
Oran, Algérie Oran, Algérie Oran, Algérie
hadriafizazi@yahoo.fr inyac@yahoo.fr medlat7@hotmail.com

Résumé— La segmentation du contenu d’une image est un des témoins de l’amélioration du traitement d’image qui devient
traitements utilisés pour l ’extraction d ’informations très demandé dans les recherches afin de mieux comprendre
significatives et l’ identification d es différents c omposants de et extraire les informations. Pendant ces années les
cette i mage. Ainsi, n ous a vons t enté d' introduire les S VMs Séparateurs à Vaste Marge SVMs) [1] [2] [5] [6] [7] [12]
(Séparateurs à Vaste M arge) dans l e t raitement de s i mages [13] [14] ou Support Vector Machines en Anglais, sont des
satellitaires . L es S VMs, s ont des t echniques d’apprentissage méthodes de classification supervisée développées par
conçus p our ré soudre l es problèmes d e cl assification binaire V.Vapnik [1]. Les SVMs visent à séparer, dans un espace à
supervisée, puis g énéralisés par d ifférentes s tratégies ( un dimension n appropriée, un ensemble de vecteurs de données
contre u n, un co ntre tous) à l a c lassification multi-classes.
appartenant à des classes différentes par des séparateurs
Selon la séparabilité des données, les SVMs se distinguent aussi
par deux modèles : l inéaire e t n on l inéaire. Nous avons d onc
linéaires (droite, plan ou hyperplan). Parmi la multitude de
effectué u ne s egmentation par classification du c ontenu d’ une séparateurs linéaires susceptibles d’être utilisés, les SVMs
image satellitaire représentant la région d’ORAN ouest par les cherchent le séparateur le plus optimal, présentant une
séparateurs à vaste marge n on l inéaires s elon l ’approche un distance maximale entre les classes. Selon la séparabilité des
contre tous. données, Les SVMs se distinguent par deux modèles : les
SVMs linéaires (dans le cas ou les données sont linéairement
Mots clefs — Télédétection, s egmentation, séparateurs à séparables) et non linéaires (dans le cas ou les données sont
vaste marge, image satellitaire. non linéairement séparables). Nous avons donc introduit les
techniques d’apprentissage SVMs à la segmentation [10][11]
Astract— The segmentation of a n i mage i s o ne o f t he par classification du contenu d’une image satellitaire[8][11].
treatments us ed to extracting meaningful i nformation a nd
identification of different components of it. Thus We have tried II. FONDEMENTS MATHÉMATIQUE DES SVM
to introduce SVMs (suport Vector Machines) for he treatment
of r emote s ensing data. T he SVMs, a re l earning t echniques Les SVMs ont été conçues pour résoudre les problèmes
designed t o s olve t he p roblems of b inary c lassification de classification binaire supervisée, puis étendues, par le
supervised, t hen g eneralized by different s trategies ( one biais des stratégies ou approches, à la classification
against one, o ne ag ainst al l) t o t he multi-class c lassification. multi-classes.
According t o t he s eparability o f t he data, S VMs c an be
distinguished also by two models: linear and not linear. So, we
we a pplicate a s egmentation by classification unsing a n ot A. Les SVMs binnaires
linear s upport v ector machines b y t he approach o ne a gainst Dans le cas où les données sont linéairement séparables
all to a satellite image representing the west region of Oran . et dans le cadre d’une classification binaire, on considère un
ensemble de m vecteurs de données auquel on associe des
Key wordss — Remote sensing, segmentation, support vector étiquettes ti Î{-1, +1 } représentatives de leurs classes. Le
machines, satellite image. séparateur linéaire de cet ensemble de données est définie
par h(x)= wt.x+b=0 où w=(w1,…, wn) représente le vecteur
I. INTRODUCTION normal, x= (x1,..., xn) un vecteur du séparateur linéaire et b
le seuil.
L’apparition des ordinateurs performants et puissants
nous a permis de travailler sur les images [3][10], mais un
véritable essor n’a lieu que dans les années 90 qui sont
CNTA ’09 Université A.MIRA BEJAIA

La fonction h(x) va représenter la frontière de séparation L’équation (5) nous permet de retranscrire le problème
entre les deux classes ainsi, la classe ti d’un nouvel exemple d’optimisation primal exprimé en (6) par son dual :
x est définie par : ti = signe (wt.x+b). La maximisation de la
distance entre les classes passe par la maximisation de la
marge. Cette dernière représente la distance aux plus proches
 m
1 m
Max ∑ α i − 2 .∑ t i . .t i .α i .α j .x i .x j
t
vecteurs dits vecteurs de support. Comme la valeur de la
marge est inversement proportionnelle à la norme de w [1].  i =1 i , j=1

La recherche du séparateur linéaire optimal revient a : m



∑ α i .t i = 0
 i =1 (6)

 1 2 
Min w (1) α i ≥ 0 i = 1..m

 2

∀ i:t i.. h(x i ) ≥ 1

Ainsi, la recherche du séparateur linéaire optimal revient


Le système obtenu (1) représente l’expression primale du à un problème de programmation quadratique où les αi sont
problème d’optimisation dans les SVMs. A fin de simplifier calculables et b et w peuvent être déduits. La fonction de
les contraintes nous résolvons le problème par son dual et ce décision associée devient donc :
en utilisant la méthode de Lagrange, on obtient
alors L (w, b, α) : m
h (x ) = ∑ α i .t i .x it .x + b (7)

[( ) ]
1 m i =1
Min w − ∑ α i . w .x i + b .t i − 1
2 t

 2 i =1 (2)
 α ≥ 0 i = 1...m
 i Dans le cas où les données sont non linéairement
séparables, il est généralement possible de trouver un
séparateur linéaire optimal en effectuant une projection d’un
Tel que les αi représentent la contribution d’un élément espace E, vers un autre espace F de plus grande dimension et
xi à la conception du séparateur linéaire h(x),d’où, seuls les ce en utilisant des fonctions dites de projection Ф(x) ,
αi correspondant aux vecteurs de support sont non nuls. tel que :
L’expression lagrangienne obtenue aura comme but de
minimiser L(w,b,α) par rapport à : w et b , et de maximiser φ : E 
→ F
L(w,b,α) par rapport à : α . On recherche donc l’extremum
de L (w, b, α) : x = ( x 1 ,.., x n ) 
→ φ( x ) = ( φ1 ( x ),.., φ n ( x ),..)

Avec, CARD( E ) < CAED( F)


δL(w , b, α )
m

=0 ⇒ w * = ∑ α i .t i .x i
(3)
δw i =1
Ce qui nous permet de retranscrire le problème
δL(w , b, α )
m
⇒ ∑ α i .t i = 0
optimisation exprimé (6) par :
=0 (4)
δb i =1
 m
1 m
Max ∑ α i − 2 ∑ t i .t j .α i .α j .φ( x i ) .φ( x j )
t

 i =1 i , j=1

En remplaçant (3) et (4) dans L(w, b, α) on obtient la m



∑ α i .t i = 0
fonction suivante :  i =1
 (8)
m
1 m
F(α ) = ∑ α i − ∑ t i .t j .α i .α j .x it .x j (5) 

α i ≥ 0 i = 1..m
i =1 2 i , j=1
CNTA ’09 Université A.MIRA BEJAIA

Cette transformation peut se faire implicitement par les Le système d’optimisation dual dans le cas des SVMs
noyaux [6] K(x,y)=Ф(x)t.Ф(y) parmi lesquels on peut citer : non linéaires devient:

 m
1 m
TABLE I. DIFFERENTS TYPES DE NOYAUX  Max ∑ α i − ∑ t i .t j .α i .α j .K( x i , x j )
2 i , j=1
 i =1

Paramètre : m

∑ α i .t i = 0
Noyau : Forme générique :
K (x , y ) = exp ( − x − y / δ )
(13)
Laplacien δ :Ecart type  i =1
Polynomial K (x , y ) = ( x . y + 1) p
p : Ordre du 
polynôme 

0 ≤ α i ≤ C i = 1..m
K (x , y ) = exp ( − x − y / 2.δ 2 )
2
Gaussien δ :Ecart type

Ainsi, le problème d’optimisation formulé par (8) peut B. Les SVMs multi-classes
être réécrit comme suit :
L’application des SVMs à une classification comportant
k classes, avec k > 2 passe par une généralisation des SVMs
 m
1 m
 Max ∑ α i − ∑ t i .t j .α i .α j .K( x i , x j )
2 i , j=1
bi-classes, c'est-à-dire, une multiplication des classifieurs
binaires. Parmi les différentes approches qui peuvent être
 i =1


m utilisées à ce but on trouve l’approche un contre un et un
∑ α i .t i = 0 contre tous :
 i =1 (9)
 • L’approche una contre un consiste à concevoir tout
 les classifieurs binaires envisageables, ainsi, pour k
α i ≥ 0 i = 1..m
 classes on aura k.(k-1)/2 classifieurs . Pour affecter
un élément e à une classe, e doit être testé avec tous
En pratique il est quasiment impossible de classer classifieurs conçus, à chaque fois que e est attribué à
parfaitement toutes les données. C’est pour cette raison que une classe, on incrémente un compteur i qui lui est
associé (i est initialement mis à zéro). e sera attribué
V.Vapnik propose d’introduire de nouvelles variables dites
à la classe qui présente un compteur à valeur
ressorts, pour assouplir les contraintes, on obtient alors :
maximale.

∀ i : ti. h(x i ) ≥ 1-ξι (10) • L’approche un contre tous consiste a chaque classe i
aux k-1 autres classes ainsi, on concevra k
classifieurs binaires. Pour affecter un élément e à
Le problème d’optimisation devient donc : une classe, e doit être testé avec tous les classifieurs
conçus, puis affecté à la classe qui présente une
1 m fonction de décision au point e maximale.
+ C∑ ξ i
2
Min w (11)
2 i =1
III. MISE EN OUEVRE ET RESULTATS
Tel que C représente une constante de régularisation
entre la marge et les erreurs Nous avons appliqué les SVMs non linéaires selon
l’approche un contre tous à la segmentation du contenu
Ainsi, l’expression duale reste la même (pour les SVMs d’images satellitaires de type LANDSAT5 TM (Thematic
linéaires et non linéaires), la seule différence est que tous Mapper) de la région ORAN ouest datées du 15 mars 1993
multiplicateurs de Lagrange αi doivent être bornées à 9h 45mn. Cette zone d’étude a été choisie pour son
supérieurement par la constante C. Le système paysage varié pouvant présenter un intérêt pour l’application
d’optimisation dual dans le cas des SVMs linéaires devient: des SVMs aux problèmes de la classification multi-classes.
Nous avons commencé notre application par le chargement
 m
1 m de trois images correspondantes aux trois canaux TM1 TM2
 Max ∑ α i − .∑ t i . .t i .α i .α j .x it .x j
2 i , j=1
et TM3. Afin de faciliter l’utilisation de ces images, nous
 i =1 avons tout d’abords effectué un rehaussement de contraste
m
 puis une composition colorée en associant le filtre bleu au
∑ α i .t i = 0 (12) canal TM1, le filtre vert au canal TM3 et le filtre rouge au
 i =1 canal TM4. Sur l’image obtenue nous avons effectué un
 échantillonnage afin de construire notre base

0 ≤ α i ≤ C i = 1..m

CNTA ’09 Université A.MIRA BEJAIA

d'apprentissage, cette dernière représente des pixels de B. Tests et résultats obtenus avec le noyau polynomial :
différentes classes identifiées en utilisant des connaissances En utilisant le noyau polynomial, on a remarqué que
thématiques. l’augmentation de l’ordre du polynôme a pour effet
l‘augmentation du taux de reconnaissance, Cependant on a
aussi noté que les taux de reconnaissance du noyau
polynomial sont nettement inferieur aux taux obtenus avec
les noyaux précédemment vus avec la non reconnaissance
des classes sebkha2, sable et sol nu (pour les différents tests
effectués).

TABLE III. RESULTATS OBTENUS AVEC LE NOYAU POLYNOMIAL

Tests Paramètres TR(%)


1 n =2 62.82
Figure 1 : Identification des classes 2 n=3 63.50
3 n =5 63.93
Une fois la base d’apprentissage construite, nous avons
effectué notre segmentation en :

• Fixant le compromis C à 500


• Variant Le type du noyau et ces paramètres.

A. Tests et résultats obtenus avec le noyau Gaussien:


Le premier test effectué avec un écart type gaussien Figure 4. Images résultantes du test 1 et 3 du noyau polynomial
(de gauche à droite)
d’ordre 0.1 nous a donné le meilleur taux de reconnaissance
(TR) mais aussi un nombre important de confusion
principalement situé au niveau des classes Sebkha 2 , IV. CONCLUSION
urbain, sable et sol nu . L’augmentation de l’écart type
gaussien, au niveau du test 2 et du test 3, a eu pour effet la Après l’application des séparateurs à vaste marge non
diminution du taux de reconnaissance ainsi que la linéaire selon l’approche un contre tous à la segmentation
disparition des classes Sebkha2, sable et sol nu. d‘images satellitaires, nous avons remarqué que les
performances des SVMs été liées au type de noyau utilisé.
Ainsi la principale difficulté relative à l’utilisation des
TABLE II. RESULTATS OBTENUS AVEC LE NOYAU GAUSSIEN séparateurs à vaste marge réside dans le choix du noyau,
puisque ce dernier influx de manière significative les
Tests Paramètres TR (%) résultats obtenus d’où le type de noyau doit être considéré
1 δ =0.1 74.51 comme étant un paramètre à prendre en considération.
2 δ =0.5 64.98
3 δ =1 62.82
RÉFÉRENCES
[1] Vapnik V.N. (1998) Statistical Learning Theory. wiley edition. New
York.
[2] Lauer F. et Bloch G. (2000) journées identification et modélisation
expérimentale JIME .Méthodes SVM pour l'identification. Centre de
Recherche en Automatique de Nancy.
[3] Tabet Derraz N. et Marakache F. (2001) Classification des images
satellitaires par la théorie des croyances de Dempster-Shafer. USTO-
Dépt d’informatique.
[4] Massih M. (2001) Apprentissage automatique et recherche de
l’information : Application à l’extraction d’information de surface et
Figure 2. Images résultantes du test 1 et 3 du noyau gaussien au résumé de texte. Thèse de doctorat de l’université de Paris 6.
(de gauche à droite)
[5] Cornujols A.(2002) Une nouvelle méthode d’apprentissage : les SVM
séparateurs à vastemarge.
[6] Devy M. (2003) Une introduction aux méthodes à vecteurs de support
et autres algorithme à noyau. CNRS, équipe ADTS.
CNTA ’09 Université A.MIRA BEJAIA

[7] Callut J. (2003) Implémentation efficace des supports vector


machines pour la classification. Université libre de Bruxelles.
département informatique.
[8] Boukhbia A. et Rafaa M.(2004) Classification des images satellitaires
par les algorithmes génétiques et réseau de neurones (modèle
RBF).USTO-Dépt d’informatique.
[9] Abboud K. (2004) Algorithme évolutionnaire assistés par des
méthodes d’apprentissage en grande dimension.
[10] Lachaud J. (2006) Analyse d’image : Segmentation. LaBRI,
Université / IUT Bordeaux.
[11] Ouamri W. et Tekkouk A. (2007) Fusion de méthodes de
segmentation par région des images satellitaires (FCM - SA).USTO-
Dépt d’informatique.
[12] Guermeur Y. (2007) SVM multi-classes, théorie et application.
Département de formation doctorale en informatique, Ecole doctorale
IAEM Loraine.
[13] Moutarde F. (2007) Brève introduction aux SVMs. Ecole des mines
de paris.
[14] Fahed A. Les séparateurs à vaste marge (SVM) . Master TIS
HEUDIASYC, Université de Technologie de Compiègne
(UTC),Centre de recherche Royallieu, Cadre B. Apprentissage
Statistique de la Classification. ENS Cachan - Antenne de Bretagne.
CNTA ’09 Université A.MIRA BEJAIA

DETECTION MULTIUTILISATEURS A ANNULATION


D’INTERFERENCES POUR UN SYSTEME DE COMMUNICATION
CDMA
F. BENATEK, Melle F. DEBBAT et F.T.BENDIMERAD
Laboratoire de Télécommunications, Département de Télécommunications
Faculté des Sciences de l’Ingénieur, Université Abou-bekr Blkaid –Tlemcen
BP 230, Pole Chetouane ,13000 Tlemcen –Algérie
Fax : (213) 43 28 56 85, email : benatekfethi@yahoo.fr

Résumé — La t endance gé nérale p our l es en signal déterministe et non plus en simple


systèmes mobiles es t l ’adoption des ac cès bruit. Il tente d’utiliser au mieux le signal reçu
Multiples à répartition par codes (AMRC) ou et les informations dont il dispose sur le canal et
(CDMA) co mme t echnique d e b ase p our d es les signaux émis pour retrouver la séquence
systèmes à ac cès multiples p artagés p ar initialement émise par chaque utilisateur. Le
plusieurs utilisateurs. L e C DMA p résente problème d’interférence entre utilisateurs est
plusieurs avantages et qualités attrayantes. Il très proche de celui de l’interférence entre
simplifie la planification du par tage du c anal symbole (IES ou ISI). Il n’est donc pas étonnant
et au gmente l a résistance d es s ignaux aux que la plupart des techniques utilisées
évanouissements sur les canaux multi-trajets. s’inspirent fortement de celles existant déjà en
Par contre, il est limité par les interférences à égalisation pour la suppression de l’IES. Il suffit
accès multiples ( IAM) ou ( MAI). On a de les modifier pour les adapter à la notion
appliqué con jointement l e t raitement d’interférence entre utilisateurs. Ce document
d’antennes e t l a détection m ultiutilisateurs est organisé comme suit : la 2eme partie
dans l e but d’ obtenir une op timisation représente la modélisation du système DS-
globale d’un système CDMA. CDMA dans le cas synchrone et asynchrone.
Dans la 3eme partie on va présenter la
Mots clés — AMRC, IAM, Détecteurs modélisation avec filtrage adapté, la partie
multiutilisateurs, Détecteurs a annulation suivante présente les détecteurs linéaires et non
d’interférences PIC et S IC, S ystème linéaires dans le cas synchrone. Dans la 5eme
synchrone. partie on va donner les résultats de simulation
des signaux DS-CDMA et des différents
récepteurs linéaire et non linéaire. En fin on va
I. INTRODUCTION présenter la conclusion dans la partie 6.

J usqu’au milieu des années 80, la seul


méthode employée pour détecter les différents
II. MODELISATION DU
SYSTEME DS-CDMA
utilisateurs d’un système CDMA était celle
qui ne se basait que sur l’observation On considère donc un accès DS-CDMA, avec
individuelle de chaque utilisateur. A cause des des signaux modulés BPSK. Le canal est
défauts d’orthogonalité des signatures AWGN. On travaille sur les enveloppes
employées, le signal de chaque utilisateur complexes des signaux. Pour simplifier la
interfère avec celui des autres utilisateurs. Cette présentation, on utilise des notations réelles (on
interférence est un bruit supplémentaire qui peut travaille uniquement sur une voie, en supposant
fortement perturber la détection. En 1986, verdu que la phase, commune a tous les utilisateurs, à
est le premier à penser que l’observation et la été préalablement corrigée).
détection conjointe de tous les utilisateurs peut L’enveloppe complexe du signal reçue r(t)
sensiblement améliorer les performances du peut alors s’écrire comme la somme des
système. Le détecteur traite alors l’interférence enveloppes complexes des signaux r k (t) reçus
CNTA ’09 Université A.MIRA BEJAIA

de chacun des K utilisateurs et d’un bruit blanc 𝑎𝑎1


.
⎛ 𝑏𝑏1.[𝑖𝑖]⎞
gaussien :
𝑘𝑘 ⎛ . ⎞
𝑏𝑏[𝑖𝑖] = ⎜ . ⎟ , 𝐴𝐴 = ⎜ . ⎟ , (8)
𝑟𝑟(𝑡𝑡) = � 𝑟𝑟𝑘𝑘 (𝑡𝑡) + 𝑛𝑛(𝑡𝑡) (1) ⎜ ⎟ ⎜ ⎟
. 𝑎𝑎𝑘𝑘
𝑘𝑘=1
avec : ⎝𝑏𝑏𝑘𝑘 [𝑖𝑖]⎠ ⎝ ⎠
𝑁𝑁−1
𝑦𝑦1 [𝑖𝑖]
𝑟𝑟𝑘𝑘 (𝑡𝑡) = � 𝑎𝑎𝑘𝑘 𝑏𝑏𝑘𝑘 [𝑖𝑖]𝑠𝑠𝑘𝑘 (𝑡𝑡 − 𝑖𝑖𝑖𝑖 − 𝜏𝜏𝑘𝑘 ) (2) .
𝑖𝑖=0 ⎛ ⎞
.
Ou K est le nombre d’utilisateurs, N le nombre 𝑦𝑦[𝑖𝑖] = ⎜ . ⎟
⎜ 𝑅𝑅[𝑖𝑖] = (𝑅𝑅𝑘𝑘,𝑙𝑙 [𝑖𝑖])𝑘𝑘,𝑙𝑙
⎟, (9)
de symboles dans le burst, T la période ⎜𝑦𝑦 [𝑖𝑖]⎟
𝑘𝑘
symbole, a k l’amplitude du signal reçu de
l’utilisateur k, b k [i] le ieme bit/symbole de ⎝ ⎠
l’utilisateur k, décrit comme une variable On peut alors écrire :
aléatoire, 𝑠𝑠𝑘𝑘 (𝑡𝑡) la signature normalisée en 𝐾𝐾 𝑁𝑁−1
puissance de l’utilisateur k, supposée à support 𝑦𝑦𝑘𝑘 [𝑖𝑖] = � � 𝑎𝑎𝑙𝑙 𝑅𝑅𝑘𝑘,𝑙𝑙 [𝑖𝑖 − 𝑗𝑗]𝑏𝑏𝑙𝑙 [𝑗𝑗] + 𝑛𝑛𝑘𝑘 [𝑖𝑖] (10)
borné sur une durée symbole : 𝑙𝑙=1 𝑗𝑗 =0
+∞
∫−∞ 𝑠𝑠𝑘𝑘 (𝑡𝑡)2 𝑑𝑑𝑑𝑑 = 1 (3)
Ou de façon équivalente pour les sorties des K
𝑠𝑠𝑘𝑘 (𝑡𝑡) = 0 pour 𝑡𝑡 ∉ [0, 𝑇𝑇] (4) filtres adaptés
𝑦𝑦[𝑖𝑖] = RT [1]Ab[𝑖𝑖 + 1] + R[0]Ab[𝑖𝑖]
n(t) un bruit additif blanc gaussien de variance
+ R[1]Ab[𝑖𝑖 − 1] + n[𝑖𝑖]. (11)
𝜎𝜎 2 , 𝜏𝜏𝑘𝑘 l’horloge symbole (ou encore le retard)
de l’utilisateur k, les utilisateurs étant numérotés -Le cas synchrone :
(sans perte de généralités) par ordre de retards Formulation A : y = RAb + n (12)
croissants: Formulation B : r = CAb + n (13)
0 < 𝜏𝜏1 < 𝜏𝜏2 <…< 𝜏𝜏𝑘𝑘 < T. -le cas Asynchrone :
Formulation C : y[𝑖𝑖] = R𝑇𝑇 [1]Ab[𝑖𝑖 + 1] +
III. MODELISATION AVEC R[0]Ab[𝑖𝑖] + R[1]Ab[𝑖𝑖 − 1] + n[𝑖𝑖] (14)
FILTRAGE ADAPTE Formulation D : y = RAb + n (15)

Un grand nombre de détecteurs sont basés IV. LES RECEPTEURS


sur les sorties des filtres adaptés a chaque MULTIUTILISATEURS
utilisateur. On introduit :
-La sortie du filtre adapté pour le ieme symbole A. Détecteur Conventionnel:
de l’utilisateur k
𝑏𝑏�0
Matched Filter
+∞
(User 1)
𝑦𝑦𝑘𝑘 [𝑖𝑖] = � 𝑟𝑟(𝑡𝑡)𝑠𝑠𝑘𝑘 (𝑡𝑡 − 𝑖𝑖𝑖𝑖 − 𝜏𝜏𝑘𝑘 )𝑑𝑑𝑑𝑑 , (5)
𝑏𝑏�1
Matched Filter
−∞
(User 2)
-L’intercorrélation entre les signatures des
utilisateurs k et l décalée de i symboles Y(t
+∞
Matched Filter
𝑏𝑏�2
(User 3)
𝑅𝑅𝑘𝑘,𝑙𝑙 [𝑖𝑖] = � 𝑠𝑠𝑙𝑙 (𝑡𝑡 − 𝜏𝜏𝑙𝑙 )𝑠𝑠𝑘𝑘 (𝑡𝑡 − 𝑖𝑖𝑖𝑖 − 𝜏𝜏𝑘𝑘 )𝑑𝑑𝑑𝑑 , (6)
−∞
-Le bruit en sortie du filtre adapté pour le ieme
symbole de l’utilisateur k 𝑏𝑏�𝑘𝑘
Matched Filter
+∞ (User k)

𝑛𝑛𝑘𝑘 [𝑖𝑖] = � 𝑛𝑛(𝑡𝑡)𝑠𝑠𝑘𝑘 (𝑡𝑡 − 𝑖𝑖𝑖𝑖 − 𝜏𝜏𝑘𝑘 )𝑑𝑑𝑑𝑑 , (7) Sync signals
−∞
Fig. 1. Le récepteur conventionnel
CNTA ’09 Université A.MIRA BEJAIA

𝑁𝑁𝑐𝑐 −1

𝑓𝑓𝑢𝑢 (𝑡𝑡) = � 𝑤𝑤𝑢𝑢 [𝑚𝑚]ℎ(𝑡𝑡 − 𝑚𝑚𝑇𝑇𝑐𝑐 ), 𝐰𝐰𝑢𝑢


On considère la formulation C. Ce détecteur ne 𝑚𝑚 =0
prend pas en compte la présence des 𝑤𝑤𝑢𝑢 [0]
.
interféreurs. Il consiste simplement à détecter ⎛ ⎞
.
les symboles de chaque utilisateur en sortie du ⎜
=⎜ ⎟ (21)
. ⎟
filtre adapté correspondant, qui maximise le ⎜𝑤𝑤 [𝑁𝑁 − 1]⎟
𝑢𝑢 𝑐𝑐
rapport signal à bruit. En sortie du filtre adapté
pour le bit i de l’utilisateur k, on a : ⎝ ⎠
+∞ On remarquera que le détecteur conventionnel
correspond à un détecteur linéaire.
𝑦𝑦𝑘𝑘 [𝑖𝑖] = � 𝑟𝑟(𝑡𝑡) 𝑠𝑠𝑘𝑘 (𝑡𝑡 − 𝑖𝑖𝑖𝑖 − 𝜏𝜏𝑘𝑘 )𝑑𝑑𝑑𝑑 (16)
−∞
𝐾𝐾 𝑁𝑁−1 B. Le Détecteur Décorrélateur :
= 𝑎𝑎𝑘𝑘 𝑏𝑏𝑘𝑘 [𝑖𝑖] + � � 𝑎𝑎𝑙𝑙 𝑅𝑅𝑘𝑘,𝑙𝑙 [𝑖𝑖 − 𝑗𝑗]𝑏𝑏𝑙𝑙 [𝑗𝑗] + 𝑛𝑛𝑘𝑘 [𝑖𝑖] (17)
𝑙𝑙=1 𝑗𝑗 =0 Matched Filter
𝑙𝑙≠𝑘𝑘
(User 1) 𝑏𝑏�0
et la décision prise est alors :

𝑏𝑏�1
Matched Filter
�𝑏𝑏𝑘𝑘 [𝑖𝑖] = 𝑠𝑠𝑠𝑠𝑠𝑠(𝑦𝑦𝑘𝑘 [𝑖𝑖]). (18) (User 2)

Si les intercorrélations R k,l [i] ne sont pas Y Matched Filter


𝐑𝐑−𝟏𝟏 𝑏𝑏�2
(User 3)
nulles, l’accès n’est pas orthogonal, on est en
présence d’interférence multi-utilisateurs. Cette
interférence entraine une probabilité d’erreur
plus importante qu’en présence de bruit seul.
𝑏𝑏�𝑘𝑘
Matched Filter
(User k)
Un détecteur linéaire peut s’écrire comme un
filtrage linéaire des signaux reçus suivi d’une Sync
Sync signal
décision (ou éventuellement d’un décodage).
Dans le cas synchrone, en s’intéressant à la Fig. 2. Le récepteur décorrélateur.
démodulation de l’utilisateur u, tout détecteur
linéaire peut s’écrire sous la forme [2] : Le Décorrélateur [3][1] (note ZF : Zero-
𝑏𝑏�𝑢𝑢 = 𝑠𝑠𝑠𝑠𝑠𝑠 < 𝑟𝑟, 𝑓𝑓𝑢𝑢 > Forcing, ou parfois ORC : Orthogonality
𝑇𝑇 Restoring Combining) correspond au détecteur
du maximum de vraisemblance dans le cas ou
= 𝑠𝑠𝑠𝑠𝑠𝑠 �� 𝑟𝑟(𝑡𝑡) 𝑓𝑓𝑢𝑢 (𝑡𝑡)𝑑𝑑𝑑𝑑�. (19) on n’a aucune information sur les amplitudes
0 des signaux reçus [1]. On note ici le signal reçu
La réponse impulsionnelle f u caractérise en l’absence de bruit
𝐾𝐾
alors complètement le détecteur linéaire pour
l’utilisateur u. En utilisant la formulation B, on 𝑠𝑠𝑡𝑡 (𝐛𝐛, 𝐀𝐀) = � 𝑟𝑟𝑘𝑘 (𝑡𝑡). (22)
a, de façon équivalente : 𝑘𝑘=1

Le vecteur b du décorrélateur est le b du


�𝑏𝑏𝑢𝑢 = 𝑠𝑠𝑠𝑠𝑠𝑠�𝐖𝐖 𝑇𝑇 𝐫𝐫� (20) couple (b, A) maximisant :
𝑇𝑇 𝑇𝑇
ou w u , qui caractérise le détecteur linéaire, est
Ω(b, A) = 2 � 𝑠𝑠𝑡𝑡 (b, A)𝑟𝑟(𝑡𝑡)𝑑𝑑𝑑𝑑 − � 𝑠𝑠𝑡𝑡 (b, A)2 𝑑𝑑𝑑𝑑
l’échantillonnée de f u :
0 0
= 2b𝑇𝑇 Ay − b𝑇𝑇 ARAb (23)
avec R non négative, donc le maximum est
atteint pour d = R−1 y = Ab, et on a
b = 𝑠𝑠𝑠𝑠𝑠𝑠(R−1 y) = 𝑠𝑠𝑠𝑠𝑠𝑠(Ab + R−1 n). (24)
CNTA ’09 Université A.MIRA BEJAIA

Ce détecteur élimine donc complètement les Ce détecteur agit donc de la même façon que
interférences des autres utilisateurs (d’ou les le décorrélateur, mais en remplaçant la matrice
termes ZF, forçage a zéros des interférences aux R-1 par (R+σ2A-2)-1. Il correspond a un
instants d’échantillonnage, emprunte a compromis entre le récepteur conventionnel, qui
l’égalisation, et ORC, restauration ne prend en compte que le bruit, et le
d’orthogonalité, emprunte aux systèmes décorrélateur, qui ne prend en compte que les
MIMO). interférences [6].
Cependant, il ne tient pas compte du bruit et
augmente son niveau en entrée de la décision. D. Les Détecteurs Non Linéaires :
Dans le cas ou les interférences ont un Contrairement aux détecteurs linéaires, qui
niveau très faible par rapport au bruit, ce consistent à prendre une décision a partir d’une
détecteur peut donner de plus mauvais résultats combinaison linéaire des signaux reçus, les
que le détecteur conventionnel [1]. détecteurs par soustraction des interférences
consistent a détecter dans un premier temps le
C. Détecteur Par Minimisation De L’erreur signal d’un utilisateur, a reconstituer le signal
Quadratique Moyenne (MMSE) : interférent correspondant tel qu’il est vu par un
autre utilisateur et a le soustraire du signal de
Matched Filter
𝑏𝑏�0
cet autre utilisateur.
(User 1) De très nombreux schémas utilisant des
soustractions d’interférences ont été proposes
𝑏𝑏�1
Matched Filter
dans la littérature, et il apparait difficile de
(User 2)
proposer un classement pertinent de ces
techniques. On se limite ici à présenter quelques
Y Matched Filter
𝐑𝐑 𝑏𝑏�2
(User 3) principes.
+ 𝛔𝛔𝟐𝟐 𝐀𝐀−𝟐𝟐

E. Détection Par Elimination Successive Des


Interférences :
Matched Filter
𝑏𝑏�𝑘𝑘
Ce détecteur consiste à éliminer les
(User k) interférences des utilisateurs déjà détectés en les
soustrayant au signal reçu [6]. On parle de SIC
pour Successive Interférence Cancellation. Il est
Sync signal clairement plus avantageux de détecter dans un
premier temps les utilisateurs dont la puissance
Fig. 3 .le récepteur MMSE. est maximale : on classe donc les utilisateurs par
ordre d’amplitudes décroissantes : a 1 > a 2 … >
On considère dans un premier temps la a K . Il peut être plus pertinent de classer les
formulation A. On cherche une pondération utilisateurs par SINR décroissant [6], mais le
linéaire L des sorties des K des filtres adaptes y. principe reste inchangé.
Le critère de minimisation de l’erreur
quadratique moyenne (MMSE pour Minimum On peut considérer deux approches, par
Mean Square Error) consiste à minimiser [6] élimination souple (« Soft Decision » : SD) ou
𝐸𝐸(‖b − Ly‖2 ) , (25) par élimination dure (« Hard Decision » : HD)
des interférences. Dans le premier cas, on
L𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 = A−1 (R + σ2 A−2 )−1 (26) estime les d k = a k b k en sortie du filtre adapte a
Puisque RA2 R + σ2 R est non négative, le l’utilisateur k. Dans le second cas, on suppose
minimum est atteint pour LMMSE . On a les amplitudes connues et on estime uniquement
finalement les b k ∈ {-1,1}.
b = 𝑠𝑠𝑠𝑠𝑠𝑠((R + σ2 A−2 )−1 y (27) On considère qu’on a détecte les l-1 premiers
utilisateurs :
= 𝑠𝑠𝑠𝑠𝑠𝑠((AC𝑇𝑇 CA + σ2 I𝑘𝑘 )−1 A)y. (28)
CNTA ’09 Université A.MIRA BEJAIA

Dans le cas SD, on estime alors d l à partir du simulation des détecteurs linéaire dans le cas
signal synchrone (détecteur conventionnel, détecteur
𝑙𝑙−1 𝑙𝑙−1
décorrélateur et MMSE), et on terminera par la
𝑟𝑟(𝑡𝑡) − � 𝑑𝑑̂𝑘𝑘 𝑠𝑠𝑘𝑘 (𝑡𝑡) = ��𝑑𝑑𝑘𝑘 − 𝑑𝑑̂𝑘𝑘 � 𝑠𝑠𝑘𝑘 (𝑡𝑡) + 𝑑𝑑𝑙𝑙 𝑠𝑠𝑙𝑙 (𝑡𝑡) simulation des détecteurs non linéaire (SIC).
𝑘𝑘=1 𝑘𝑘=1
𝐾𝐾

+ � 𝑑𝑑𝑘𝑘 𝑠𝑠𝑘𝑘 (𝑡𝑡) + 𝑛𝑛(𝑡𝑡), (29)


𝑘𝑘=𝑙𝑙+1
et on a donc
𝑙𝑙−1

𝑑𝑑̂𝑙𝑙 = 𝑑𝑑𝑙𝑙 + �(𝑑𝑑𝑘𝑘 − 𝑑𝑑̂𝑘𝑘 ) 𝑅𝑅𝑘𝑘,𝑙𝑙


𝑘𝑘=1
𝐾𝐾

+ � 𝑑𝑑𝑘𝑘 𝑅𝑅𝑘𝑘,𝑙𝑙 + 𝑛𝑛𝑙𝑙 , (30)


𝑘𝑘=𝑙𝑙+1
Fig. 4. L’étalement du signal (DS-CDMA)
ce qu’on peut aussi écrire
𝑙𝑙−1

𝑑𝑑̂𝑙𝑙 = 𝑦𝑦𝑙𝑙 − � 𝑑𝑑̂𝑘𝑘 𝑅𝑅𝑘𝑘,𝑙𝑙 (31)


𝑘𝑘=1
On a ainsi une implémentation immédiate sur
les sorties du banc de filtres adaptés.
Dans le cas HD, de façon similaire, on estime b l
sur le signal
𝑙𝑙−1

𝑟𝑟(𝑡𝑡) − � 𝑎𝑎𝑘𝑘 𝑏𝑏�𝑘𝑘 𝑠𝑠𝑘𝑘 (𝑡𝑡), (32)


𝑘𝑘=1
et on prend
𝑙𝑙−1 Fig. 5. Signal de sortie du système avec bruit.

𝑏𝑏�𝑙𝑙 = 𝑠𝑠𝑠𝑠𝑠𝑠 �𝑦𝑦𝑙𝑙 − � 𝑎𝑎𝑘𝑘 𝑏𝑏�𝑘𝑘 𝑅𝑅𝑘𝑘,𝑙𝑙 �. (33)


𝑘𝑘=1 Pour évaluer les performances des
Comme dans le cas SD, on élimine donc l-1 détecteurs linéaire et non linéaire on a choisie
interférences pour l’utilisateur l (et le premier d’utiliser des codes m-séquence de longueur
utilisateur ne bénéficie d’aucune élimination égale à 127 bits. L’utilisateur d’intérêt et
d’interférences, ce qui nécessite que ce soit celui supposer être le premier utilisateur. Les
dont l’amplitude est la plus grande, ou celui interférences sont de même puissance que
dont le SINR est le plus grand). l’utilisateur d’intérêt ; ceci veut dire qu’on traite
un cas de contrôle parfait de puissance. Le bruit
V. SIMULATION additif est supposé être blanc gaussien.

Après avoir étudié tous les aspects des


détecteurs multiutilisateurs utiliser dans les
système a accès multiples par répartition en
code (AMRC) dans la partie précédente, cette
partie sera consacrer a l’étude des performances
de ces détecteurs par simulation à l’aide du
logiciel MATLAB.
On entamera l’étude par la présentation des Fig. 6. Le récepteur conventionnel
signaux DS-CDMA et après en va présenter la
CNTA ’09 Université A.MIRA BEJAIA

VI. CONCLUSION
D’après les résultats trouver dans le cas
synchrone on peut conclure que :
L’augmentation du nombre d’utilisateurs;
influe sur les performances du détecteurs
conventionne.
-D’après les simulations effectuées pour les
Fig. 7. Le récepteur décorrélateur détecteurs décorrélateur, MMSE et SIC on peut
remarquer que les deux détecteurs n’est pas
influencé par le nombre d’utilisateur.
Le décorrélateur est un détecteur auquel on
fait souvent référence par sa qualité d’éliminer
complètement les interférences d’accès
multiples et son avantage qui réside dans une
totale indépendance vis à vis des puissances
avec les quelles les signaux sont reçus.
Quand l’éblouissement est fort, on aura tout
Fig. 8. Le récepteur MMSE intérêt à utiliser un SIC, qui convergera plus
rapidement.

REFERENCES
[1] S. Verdu, « Minimum Probability of Error for
Asynchronous Gaussian Multiple-Access
Channels», IEEE Transactions on Information
Theory, Vol. 32, p. 85-96, Jan. 1986.
[2] M. Honig, U. Madhow, S. Verdu, « Blind
Adaptative Multiuser Detection », IEEE
Transactions on Information Theory, Vol. 41, p.
Fig. 9. Comparaison entre les récepteurs linéaire 944-960, July 1995.
[3] R. Lupas & S. Verdu, « Near-Far Resistance of
Multiuser Detectors in Asynchronous Channels »,
0
10
Single user bo1und IEEE Transactions on Communications, Vol. 38, p.
SIC, k=5
-1 SIC, k=10
496-508, Apr.1990.
[4] S. Moshavi, «Multi-User Detection for DS-
10 SIC
SIC, k=20

CDMA Communications» , IEEE Communications


BER

-2
10
Magazine, p. 124-136, Oct.1996.
-3 [5] L. Brunel, « Algorithmes de decodage de canal
10
pour l’acces multiple a étalement de spectre », PhD
-4
10
thesis report of ENST, 1999.
0 1 2 3 4
Eb/No (dB)
5 6 7 8
[6] S. Verdu, «Multiuser detection», Cambridge
University Press, 1998.
[7] Z. Xie, R. T. Short, C. K. Rushforth, « A Family
Fig. 10. Le récepteur non linéaire of Suboptimum Detectors for Coherent Multiuser
Communications », IEEE Transactions on
Communications, Vol. 44, p. 2943-2959, Nov. 1998.
CNTA ’09 Université A.MIRA BEJAIA

DEVELOPPEMENT D’UNE METHODE DE CORRECTION ATMOSPHERIQUE DES IMAGES


SATELLITES DANS LE DOMAINE DE VISIBLE

HOUMA.F, A. BELBACHIR. BACHARI.N

Ecole Supérieure des Sciences de la Mer et Aménagement. 1 Department of computer science, University of Sciences and
the Technology of Oran, B.P 1501 Bir el djir Oran 31000,
Delly Ibrahim Alger Algeria.

BACHARI2.
Abstract- Une méthodologie a été développé pour résoudre mesure satellitaire. En s’inspirant des codes numériques 5S,
le problème engendré par l’effet d’atmosphère qui se traduit 6S (Vermote, 1997), nous avons développé un code
généralement par un signal bruit. Pour réaliser ce travail numérique SDDS (Simulation Des Données Satellitaires)
nous avons en premier lieu suivi la trajectoire du spectre (Bachari, 2006). L’application directe de ce code est la
solaire dans son double trajet soleil-sol et sol-capteur. Pour transformation des comptes numériques en luminances et ses
mettre en relief la contribution des différents éléments dernières en réflectance sans passer par les coefficients de
composants le signal qui atteint le capteur. Un logiciel de calibration. L’image résultante est corrigée des effets de
simulation de données satellitaire est mis au point. Pour des perturbation atmosphérique et des propriétés intrinsèques des
capteurs. Les images corrigées des effets atmosphériques
points de référence sur image satellite caractérisée par une
sont utilisées pour la cartographie du sol en estimant le
bonne homogénéité spatiale, une superficie à l’ordre de c
nombre d’arbre par pixel.
neuf pixels nous simulons les données satellitaire par
capteur. Pour faire une intégration d’information
météorologique sur les conditions du prise d’image est II. METHODOLOGIE
nécessaire et l’intégration des conditions géométriques est Une image satellite est le résultat d’une interaction du
nécessaire. Nous créons un échantillon de plusieurs thèmes rayonnement électromagnétique avec un radiomètre
au sol et une analyse statistique permet de lier le signal embarqué par un satellite. Le rayonnement qui atteint le
satellitaire simulé au compte numérique réel de l’image. capteur véhicule l’information sur les propriétés du sol, de
Cette partie nous permet de calculer pour chaque canal du l’atmosphère, de la source émettrice du rayonnement et les
satellite son coefficient de calibration. L’injection du conditions géométriques de prise d’image. Sur une image
coefficient de calibration sur les images permet le passage satellite plusieurs thèmes différents ont des comptes
d’image compte numérique à une matrice physique numériques similaires. Plusieurs facteurs contribuent à cette
caractérisée par la variable luminance. La modélisation du confusion qui nécessite une étude approfondie pour pouvoir
déclasser ces surfaces. L’approche physique répond mieux à
signal satellitaire est du nouvel est applique et permet le
ce genre de problèmes.
passage d’image brute en image réflectance.
A. Modélisation
I. INTRODUCTION La physique de télédétection spatiale a pour but la
compréhension de la formation de l’image d’une part et
La plupart des traitements numériques des images d’autre part la déconvolution des informations contenue dans
satellitaires utilisent le niveau de gris en tant que tel, en une radiométrie. Les méthodes utilisées peuvent être
s’intéressant uniquement à sa caractéristique spectrale. décomposé en méthode directe et méthode indirecte.
Cependant, cette grande quantité d’information concerne Généralement les méthodes directes sont représentées par le
aussi bien le côté spectral que le côté spatial de par la développement d’un modèle d’interaction du spectre solaire
possibilité de d’appréciation visuelle du modèle et des avec les différents éléments qui se trouvent dans le double
structures au sol. Il est donc nécessaire de trouver un moyen trajet du rayonnement solaire soleil-sol et sol-capteur. La
pour séparer les différentes d’information afin de pouvoir les radiance captée par le satellite est la somme des trois
quantifier ou les approcher. Pour ce faire il faudrait luminances :
décortiquer le processus de prise d’image, estimer ses
multiples composantes et en étudier l’origine afin de 1) La luminance L a provenant du systeme sol -
déterminer à quel niveau les différentes catégories atmosphère en considérant le sol comme étant un corps noir
d’information se confondent pour donner une seule donnée. 2) L sol luminance réfléchie par le sol en direction du
Dans ce travail nous proposons un modèle radiométrique capteur
qui tien en compte les différents éléments responsables d’une
CNTA ’09 Université A.MIRA BEJAIA

3) L v luminance réfléchie par les objets voisins mais


observé dans la direction d’objet considéré.
L sat = L a + L sol +L v (1)

Soit un pixel de coordonnée image (x,y) et une bande spectrale b,


la radiation qui excite le capteur est

K λ (x,y,b) = C(x,y) R λ (x,y, b) + H λ (b) + ∆ λ (x,y,b) (2)

Avec C(x,y) est une constante multiplicative qui décrit le facteur


de forme (topographique), R λ (x,y, b) est la radiation réfléchie par
le sol proportionnel à la réflectance moyenne du pixel (x,y) dans la Nous remarquons que pour les petites longueurs d’onde
bande spectrale b, H λ (b) est la diffusion du système sol la contribution atmosphérique est très importante par rapport
atmosphère en considérant la terre comme étant un corps noir et à la contribution de la cible. Aussi nous tenons à remarquer
∆ λ (x,y,b) représente une variable résiduelle qui engendre l’effet que l’effet angulaire est aussi important il est remarqué par
du voisinage, une dégradation du signal qui atteint le capteur pour tous les
signaux contributeurs au signal excitant le radiomètre. Cette
R λ (x,y,b)= S λ (b) T λ (b)G λ (b) ρ λ (x,y).
analyse par simulation nous montre la nécessité de corriger
les images satellites des effets atmosphériques afin de
S λ (b) représente le facteur de gain du système dans le canal b, pouvoir identifier les objets au sol.
T λ (b) : est la transmittance atmosphérique, G λ (b) : est la radiation
globale et ρ λ (x,y,b) est réflectance de l’objet au sol. Cette quantité III. APPLICATION ET DISCUSSION
énergétique (R λ (x,y, b)) est transformée en compte numérique, qui
englobe toutes les informations sur le système sol atmosphère, les A. Correction des images
conditions géométriques de prise de vue et les propriétés optiques Chaque pixel d’une image représente un compte
du capteur. Disposons d’une banque des signatures spectrales et numérique entre 0 et 255 qui se traduit en une couleur à
des coefficients d’extinction spectrales nous avons mis un code l’aide d’une distribution présélectionnée modifiable en
numérique qui permet de suivre le signal solaire dans son double
traitement d’image. Généralement la relation entre le compte
trajet soleil-sol et sol-capteur.
numérique et la luminance est linéaire

K ( x, y ) = a 1 . CN + a 0 , les facteurs a 1 et a 0 sont des


B. Système de simulation de données satellitaire (SDDS)
coefficients de calibration.
Pour décortiquer les effets des différents éléments contribuant à
une mesure satellitaire nous avons développé un code numérique On part d’une image composée de plusieurs paysages et
système de Simulation De Données Satellitaire (SDDS) en utilisant on choisit plusieurs thèmes faciles à identifier. Pour les
le langage Visuel Basic.6 . Le suivi du spectre solaire dans son thèmes choisis et dans les mêmes conditions de prise
double trajet soleil-sol et sol-capteur est effectué en se basant sur les d’image on simule la luminance observée. A partir des
concepts des codes 5S, 6S, pour simuler les différentes radiances
surfaces choisies nous avons déterminé la relation entre la
qui atteignent le capteur. Pour le fonctionnement du système nous
avons utilisé les différents coefficients d’extinction du spectre luminance apparente simulée et le compte numérique
solaire développé dans le Lowtran.6 et une banque de signature correspondant sur les images traitées, elle s’écrit pour les
spectrale extraite du logiciel ENVI.4.3 (2007). trois canaux du capteur HRV dans les conditions de prise de
vue :
Les données d’entrées sont de nature astronomique,
géométriques, météorologiques et les signatures spectrales. Les CN XS1 = 1.23 L XS1 + 0.22 (4)
données de sortie sont des luminances, des réflectances pour chaque
canal de chaque satellite et des indices. La simulation peut être CN XS2 = 1.24L XS2 - 0.08 (5)
appliqué au sol de topographie accidentée homogène ou hétérogène
CN XS3 = 1.32 L XS3 -0.59. (6)
d’une part et d’autre part pour des peuplements forestiers.

C. Analyse par simulation B. Application aux images


La même méthode a été directement appliquée sur les comptes
Le signal qui atteint le capteur est complexe. On s’est intéressé
numériques des enregistrements Landsat 2003 et Spot 2004. Les
à analyser les effets angulaires et atmosphèriques sur les différentes
images sont transformées à l’aide du logiciel de traitement des
composantes du signal. La figure suivante représente la variation
images satellites PCSATWIN développé au laboratoire (Bachari et
des différentes luminances en fonction d’angle zénithal pour des
al, 1997/2008)
conditions atmosphériques favorables.
CNTA ’09 Université A.MIRA BEJAIA

D. Qualité de correction
On peut estimer la qualité de la correction en comparant les
propriétés des images brutes et corrigées en utilisons le critère de
M.Rouquet, d’après ce critère, pour une image donnée l’effet
atmosphérique est minimum si le contraste et le rapport de l’écart
type à la moyenne sont maximum, ce critère quantitatif est
d’ailleurs appliqué systématiquement pour la sélection de donnée de
bonne qualité et constitue en même temps une méthode de
correction atmosphérique primaire qui tend à minimiser les effets
atmosphériques. Les propriétés statistique des images brutes et
corrigées sont présentées dans les histogrammes suivants :

Sur l’image TM1 la partie mer est entachée par des points vert.
Par contre l’image TM1 est claire et toute la partie mer est
indiscernable de la partie sol. Sur l’image XS1 brute au niveau du
panache gauche nous remarquons un panache très large et présente Figure.3 Histogramme étendu entre les images brutes et images
des anomalies par contre l’image XS1 corrigé présente un panache corrigées pour le système SPOT.
modéré. La correction des effets atmosphérique pour les deux
images est bénéfique et répond aux exigences des utilisateurs. Nous remarquons que les images corrigées et pour tout les
spectres présentenr un érendu plus important et par coséquent un
fort contraste cela justifie la première condition de Rouquet.
C. Calcul des réflectances
La luminance globale qui arrive au satellite peut être
mise sous la forme : L = a ρ +b.
Avec ρ λ est la réflectance au niveau du sol, si E est
l’éclairement global reçu par la surface. La réflectance
moyenne ρ qui est relié avec la luminance par la relation
suivante ρ = a CN + b ( BACHARI,N.,2006)

C XS1 XS 2 XS 3
anal
a 0. 0024 0,0025 0,0031
Figure.4 Histogramme coefficienr de variation des trois images
b − 0,05 −0,0433 −0,0217 brutes et corrigées.

Dans lh’istogramme du coefficient de variation nous tenos à


remarquer que le premier canal corrigé présente un fort coefficient
C TM TM 2 TM 3 TM 4 cela s’explique que l’effet de correction est plus ressenti dans ce
anal 1
canal que dans les deux autres canaux. Dans le traoisième canal
(proche infrarouge) ou la correction atmosphèrique sous entendu
a 0,0017 0,0033 0,0026 0,0036 l’effet de diffusion de Mie et de Rayleigh sont moin ressenti.

b − − − − D’après les deux histogrammes nous constatons que la méthode


proposée donne un résultat sur la qualité d’image satellite.
0,099 0,0723 0,0416 0,0295

Tableau.2 Conversion des comptes numèriques en


réflectances
CNTA ’09 Université A.MIRA BEJAIA

IV. CONCLUSION

La méthode de correction radiomètrique proposée est simple


car elle se base sur des pixels d’appui dont on connaît leurs
radiométries sur les images. Pour les thèmes connus nous simulons
les luminances à l’aide du logiciel (SDDS) qui nous permet
d’établir des règles de passage des comptes numériques en
luminance et des luminances en réflectance. Les techniques de
normalisations des images consistent à corriger les dégradations
atmosphériques, les effets d’illumination et les variations dans les
réponses des capteurs dans l’imagerie multitemporelle et
multispectrale. Ainsi les méthodes développées dans cette partie
peuvent être modifiées ou regroupées suivant les besoins de
l’utilisateur.

Bibliographie

[1] VERMOTE,E.F. et al, 1997. Second Simulation of the Satellite


Signal in the Solar Spectral, 6S: An Overview,
IEEE Transactions on Geoscience and REmate Sensing, Vol.35, pp
439-442.

[2] BACHARI,N.,1999. Méhodologie d’analyse des données


satellitaires en utilisant des données multisources.
Thése Doctorat d’Etat, U.S.T.Oran, Alg�ie.

[3] BENABADJI,N. BACHARI,N. et ABDELLAOUI.A. 1997-


2008. Développement d’un logiciel d’analyse spectrale et
temporelle des images satellitales type SPOT, LANDSAT et
METEOSAT, A.M.S.E,Vol.38,N°12.pp 15-34.

[4] M.Roquet . 1991. Correction de l’influence de l’atmosphère sur


des données acquises en télédétection des ressources terrestres.
Thése de doctorat, Université Lille

[5] BACHARI,N.,2006. Correction radiométrique dans le


domaine de visible des images satellites A.A.R.S.E CAIRO
octobre 2006
CNTA ’09 Université A.MIRA BEJAIA

DEVELOPPEMENT D’UNE METHODE DE CORRECTION ATMOSPHERIQUE


DES IMAGES SATELLITES DANS LE DOMAINE DE VISIBLE

Nour el islam. BACHARI et Ahmed.Hafid. BELBACHIR

Laboratoire d'analyse et d'applications des rayonnements. Université des sciences et de la technologie d'Oran
.Département de physique BP 1505 El Mnaouar. Algérie. Bachari10@yahoo.fr

Key words : Modélisation, Simulation, Conversion radiométrique.

Abstract

Une méthodologie a été développé pour résoudre le problème engendré par l’effet d’atmosphère qui se traduit généralement
par un signal bruit. Pour réaliser ce travail nous avons en premier lieu suivi la trajectoire du spectre solaire dans son double
trajet soleil-sol et sol-capteur. Pour mettre en relief la contribution des différents éléments composants le signal qui atteint le
capteur nous avons développé un logiciel de simulation de données satellitaire. Disposons des images satellites nous fixons
des thèmes de r éférences s ur l ’image caractérisée p ar u ne b onne homogénéité spatiale. D ’autre p art p our ces d ifférents
thèmes on simule l es luminances au niveau de capteur. L’analyse par régression linéaire nous permet d’établir des relations
entre les comptes numériques réelles et luminances simulées. Enfin le passage des co mptes numériques réflectance co mme
application es t d éveloppée. Des r elations l inéaires s ont ét ablies en tre l es co mptes n umériques, l es l uminances et l es
réflectances.

1. INTRODUCTION
La p lupart d es tr aitements n umériques d es im ages s atellitaires u tilisent le n iveau d e g ris en t ant q ue t el, en s ’intéressant
uniquement à sa caractéristique spectrale. Cependant, cette grande quantité d’information concerne aussi bien le côté spectral
que le côté spatial de par la possibilité de d’appréciation visuelle du modèle et des structures au sol. Il est donc nécessaire de
trouver un moyen pour séparer les différentes d’information afin de pouvoir les quantifier ou l es approcher. Pour ce faire il
faudrait d écortiquer l e p rocessus d e p rise d ’image, es timer s es m ultiples composantes e t e n é tudier l ’origine a fin d e
déterminer à quel niveau les différentes catégories d’information se confondent pour donner une seule donnée.
Dans c e t ravail nous pr oposons un m odèle r adiométrique q ui t ien e n c ompte l es di fférents é léments r esponsables d’ une
mesure satellitaire. En s’inspirant des codes numériques 5S, 6S (Vermote, 1997), nous avons développé un code numérique
SDDS ( Simulation D es D onnées S atellitaires) (Bachari, 1999) . L ’application d irecte d e ce co de e st l a t ransformation d es
comptes n umériques en l uminances et s es d ernières en r éflectance s ans p asser p ar l es co efficients d e cal ibration. L ’image
résultante es t co rrigée d es ef fets d e p erturbation at mosphérique et d es p ropriétés i ntrinsèques d es cap teurs. L es i mages
corrigées des effets atmosphériques sont utilisées pour la cartographie du sol en estimant le nombre d’arbre par pixel.

2. METHODOLOGIE
Une image satellite est le résultat d’une interaction du rayonnement électromagnétique avec un radiomètre embarqué par un
satellite. Le rayonnement qui atteint le capteur véhicule l’information sur les propriétés du sol, de l’atmosphère, de la source
émettrice du r ayonnement e t l es c onditions g éométriques de pr ise d’ image. Sur u ne im age s atellite p lusieurs thèmes
différents ont des comptes n umériques s imilaires. P lusieurs f acteurs co ntribuent à cet te co nfusion q ui n écessite u ne ét ude
approfondie pour pouvoir déclasser ces surfaces. L’approche physique répond mieux à ce genre de problèmes.

2.1Modélisation
La p hysique d e t élédétection spatiale a pour but la compréhension de la formation de l’image d’une part et d’autre part la
déconvolution des informations contenue dans une radiométrie. Les méthodes utilisées peuvent être décomposé en méthode
directe et méthode i ndirecte. G énéralement l es méthodes di rectes s ont représentées par l e dé veloppement d’ un m odèle
d’interaction d u s pectre s olaire av ec l es d ifférents él éments q ui s e t rouvent d ans l e d ouble t rajet d u r ayonnement s olaire
soleil-sol et sol-capteur. La radiance captée par le satellite est la somme des trois luminances :
1) La luminance L a provenant du systeme sol - atmosphére en considérant le sol comme étant un corps noir
2) L sol luminance réfléchie par le sol en direction du capteur
3) L v luminance réflechie par les objets voisins mais observé dans la direction d’objet considéré.
L sat =L a + L sol + L v (1)

Soit un pixel de coordonnée image (x,y) et une bande spectrale b, la radiation qui excite le capteur est :
CNTA ’09 Université A.MIRA BEJAIA

K λ (x,y,b) (w.cm-2 µm-1 sr-1) = C(x,y) R λ (x,y, b) + H λ (b) + ∆ λ (x,y,b). (2)

Avec C(x,y) est u ne c onstante multiplicative q ui d écrit le f acteur d e f orme (topographique), R λ (x,y, b ) est la r adiation
réfléchie par le sol proportionnel à la réflectance moyenne du pixel (x,y) dans la bande spectrale b, H λ (b) est la diffusion du
système sol atmosphère en co nsidérant l a t erre co mme étant u n corps noir et ∆ λ (x,y,b) représente u ne variable r ésiduelle
qui engendre l’effet du voisinage,

R λ (x,y,b)= S λ (b) T λ (b)G λ (b) ρ λ (x,y). (3)

S λ (b) représente l e f acteur d e g ain d u s ystème d ans l e can al b , T λ (b) : es t l a t ransmittance at mosphérique, G λ (b) : e st la
radiation g lobale e t ρ λ (x,y,b) est réflectance d e l ’objet au s ol. Cette q uantité én ergétique ( R λ (x,y, b )) es t t ransformée en
compte numérique, qui englobe toutes les informations sur le système sol atmosphère, les conditions géométriques de prise
de v ue e t l es pr opriétés optiques du c apteur. Disposons d’une b anque des s ignatures s pectrales et d es co efficients
d’extinction spectrales nous avons mis un code numérique qui permet de suivre le signal solaire dans son double trajet soleil-
sol et sol-capteur.

2.2 Système de simulation de données satellitaire (SDDS)


Pour d écortiquer l es ef fets d es différents él éments contribuant à une m esure s atellitaire nous a vons dé veloppé u n c ode
numérique s ystème de S imulation D e D onnées Satellitaire (SDDS) en u tilisant l e l angage Visuel Basic.6 . Le suivi d u
spectre solaire dans son double trajet soleil-sol et sol-capteur est effectué en se basant sur les concepts des codes 5S, 6S, pour
simuler l es d ifférentes r adiances q ui at teignent l e cap teur. Pour l e fonctionnement du s ystème nou s a vons u tilisé l es
différents co efficients d ’extinction du s pectre s olaire d éveloppé d ans l e L owtran.6 e t u ne ba nque de s ignature spectrale
extraite du logiciel ENVI.4 (2003). L es données d’entrées sont de nature astronomique, géométriques, m étéorologiques et
les signatures spectrales. Les données de sortie sont des luminances, des réflectances pour chaque canal de chaque satellite et
des indices. La simulation peut être appliqué au sol de topographie accidentée homogène ou hétérogéne d’une part et d’autre
part pour des peuplements forestiers.
2.3 Analyse par simulation
Le s ignal q ui at teint le cap teur est co mplexe. O n s ’est i ntéressé à an alyser l es e ffets an gulaires et at mosphèriques s ur l es
différentes composantes du s ignal. La figure suivante représente la variation des différentes luminances en fonction d’angle
zénithal pour des conditions atmosphériques favorables.

VISIBLE (ROUGE) PROCHE INFRAROUGE MOYEN INFRAROUGE


CANAL TM3 / XS2 CANAL TM4 / XS3 CANAL TM5 / XS4 (SPOT 4)

4 2.

2.

0. 0 0.
3 4 5 6 7 8 3 4 5 6 7 8 3 4 5 6 7 8
Angle zénithal solaire Angle zénithal solaire
Angle zénithal solaire
ENVIRONNEMENT
ATMOSPHERE CIBLE
VISIBILITE : 20 KM

Figure.1 Variation s des différentes composantes du signal satellitaire

Nous r emarquons que pour l es petites l ongueurs d’onde l a contribution atmosphérique est t rès i mportante par r apport à l a
contribution de l a c ible. A ussi nous t enons à r emarquer que l ’effet a ngulaire e st a ussi i mportant i l e st r emarqué pa r une
dégradation du signal qui atteint le capteur pour tous les signaux contributeurs au signal excitant le radiomètre. Cette analyse
par simulation nous montre la nécessité de corriger les images satellites des effets atmosphériques afin de pouvoir identifier
les objets au sol.
CNTA ’09 Université A.MIRA BEJAIA

3. APPLICATION ET DISCUSSION

3.1 Correction des images :


Chaque pixel d’ une i mage r eprésente un c ompte num érique e ntre 0 e t 2 55 qui s e t raduit e n une c ouleur à l ’aide d’ une
distribution pr ésélectionnée modifiable e n tr aitement d ’image. Généralement l a r elation en tre l e compte numérique et l a
luminance est linéaire

K ( x, y ) = a 1 . CN + a 0 , les facteurs a 1 et a 0 sont des coefficients de calibration.

On pa rt d’une i mage c omposée de pl usieurs paysages e t on c hoisit pl usieurs thèmes faciles à id entifier. Pour le s thèmes
choisis et dans les mêmes conditions de prise d’image on simule la luminance observée. A partir des surfaces choisies nous
avons d éterminé l a r elation en tre l a l uminance ap parente s imulée et l e co mpte n umérique co rrespondant s ur l es i mages
traitées, elle s’écrit pour les trois canaux du capteur HRV dans les conditions de prise de vue :
CN XS1 = 1.23 L XS1 + 0.22 (4)
CN XS2 = 1.24L XS2 - 0.08 (5)
CN XS3 = 1.32 L XS3 -0.59. (6)

3.2 Application aux images


La même méthode a été directement appliquée sur les comptes numériques des enregistrements Landsat 2003 et Spot 2004.
Les i mages sont transformées à l ’aide du logiciel de traitement des i mages satellites P CSATWIN développé au laboratoire
(Bachari et al, 1997/2003)

TM1 brute TM1. corrigée

XS1 brute XS1. corrigée


Figure.2 Images satellites brutes et corrigées
CNTA ’09 Université A.MIRA BEJAIA

3. 3 Calcul des réflectances

La luminance globale qui arrive au satellite peut être mise sous la forme : L = a ρ +b.
Avec ρ λ est la réflectance au niveau du sol, si E est l’éclairement global reçu par la surface. La réflectance moyenne ρ qui
est relié avec la luminance par la relation suivante ρ = a CN + b

Canal XS1 XS 2 XS 3 Canal TM 1 TM 2 TM 3 TM 4

a 0. 0024 0,0025 0,0031 a 0,0017 0,0033 0,0026 0,0036

b − 0,0500 −0,0433 −0,0217 b − 0,099 − 0,0723 − 0,0416 − 0,0295

Tableau.2 Conversiion des comptes numèriques en réflectances

3.4 Qualité de correction


On peut estimer la qualité de la correction en comparant les propriétés des images brutes et corrigées en utilisons le critère de
M.Rouquet, d ’après ce cr itère, p our u ne i mage d onnée l ’effet at mosphérique es t minimum s i l e contraste et l e r apport d e
l’écart type à l a moyenne sont maximum, ce critère quantitatif est d’ailleurs appliqué systématiquement pour la sélection de
donnée de bonne qualité et constitue en même temps une méthode de correction atmosphérique primaire qui tend à minimiser
les effets atmosphériques. Les propriétés des images brutes et corrigées sont regroupées au tableau suivant :

Image CN min CN max CN max - CN min Ecart-type (σ) Moyenne (m) V=(σ/m)*100
XS1 Brute 38 254 216 18,23 65,10 28
XS1 Corrigée 29 255 226 24,99 38,76 64
XS2 Brute 25 235 210 21,04 55,26 38
XS2 Corrigée 11 255 244 32,80 58,58 56
XS3 Brute 17 213 206 26,40 57,85 46
XS3 Corrigée 14 255 241 37,28 67,39 55

Tableau.1 Résumé statistique entre image brute et image corrigée

4. CONCLUSION
La méthode d e correction r adiomètrique proposée est simple car elle se base sur des pixels d’appui dont on connaît leurs
radiométries s ur l es i mages. Pour l es thèmes connus no us s imulons l es l uminances à l ’aide du l ogiciel ( SDDS) qui no us
permet d ’établir des règles de passage d es co mptes numériques en luminance et d es l uminances en r éflectance. Les
techniques de normalisations des images consistent à corriger les dégradations atmosphériques, les effets d’illumination et les
variations dans les réponses des capteurs dans l’imagerie multitemporelle et multispectrale. Ainsi les méthodes développées
dans cette partie peuvent être modifiées ou regroupées suivant les besoins de l’utilisateur

REFEENCES
VERMOTE,E.F. et al, 1997. Second Simulation of the Satellite Signal in the Solar Spectral, 6S: An Overview,
IEEE Transactions on Geoscience and REmate Sensing, Vol.35, pp 439-442.

BACHARI,N.,1999. Méhodologie d’analyse des données satellitaires en utilisant des données multisources.
Thése Doctorat d’Etat, U.S.T.Oran, Alg�ie.

BENABADJI,N. B ACHARI,N. et ABDELLAOUI.A. 1 997-2003. Développement d’un l ogiciel d ’analyse s pectrale et


temporelle des images satellitales type SPOT, LANDSAT et METEOSAT, A.M.S.E,Vol.38,N°12.pp 15-34.

M.Roquet . 1991. C orrection de l ’influence d e l ’atmosphère s ur d es d onnées acq uises en t élédétection d es r essources
terrestres. Thése de doctorat, Université Lille
CNTA ’09 Université A.MIRA BEJAIA
CNTA ’09 Université A.MIRA BEJAIA

Le GMDSS en Algérie

AMARI Ali & MAZOUZ Mohamed


ISM (Institut Supérieur Maritime)
Bou Ismail, Algérie

Résumé — Cette co mmunication p résente e n premier l e Par décret présidentiel N° 2000-449 du 23 Décembre
concept d u G MDSS, s es règlements, l es moyens de 2000 portant ratification du protocole, fait à Londres le 11
radiocommunications u tilisés à b ord des n avires puis e n Novembre 1988 relatif à Convention (SOLAS).
seconde p artie l es i nstallations à t erre e n A lgérie et l a
formation en vue de l'obtention des certificats radio GMDSS. Cet amendement a totalement refondu le chapitre IV de
cette convention :

I. INTRODUCTION Il introduit pour les communications « portée de terre »,


soit en VHF et en MF, l’appel sélectif numérique (ASN, en
Le SMDSM, Système Mondial de Détresse et de Sécurité anglais digital sélective calling DSC), veillant les fréquences
en Mer (en anglais GMDSS pour Global Maritime Distress de détresse 156.525 MHz (canal 70) et 2187.5 kHz; pour les
and Safety System) est un système de radiocommunications autres, la transmission par satellites COSPAS/SARSAT et
intégré, de couverture mondiale, coordonné au niveau INMARSAT.
international, basé sur des systèmes de télécommunications
automatiques et faisant appel à de nouvelles technologies Il liste les missions à remplir : transmettre une alerte à la
(Satellites, IDBE - Impression Directe à Bande Étroite, ASN terre, recevoir une alerte de la terre, transmettre et recevoir
- Appel Sélectif Numérique, …) et à de nouvelles procédures une alerte de navire à navire, transmettre et recevoir des
d’exploitations. communications SAR, transmettre et recevoir des
communications sur zone, transmettre et recevoir des
Ses objectifs sont de permettre à tout navire, où qu’il soit, informations de sécurité (Maritime Safety Information –
d’assurer les communications indispensables à sa propre MSI).
sécurité et celle des navires qui se trouvent à proximité et
aux organismes chargés des secours d’être avertis Pour remplir toutes ces fonctions de base, le SMDSM
rapidement en cas de détresse et d’assurer des opérations de utilise 5 services (dont deux satellitaires),, voir Fig.1 :
recherche et de sauvetage coordonnées. •
Un service de radiocommunications reposant sur
l’utilisation des satellites géostationnaires
II. LE RÈGLEMENT DU SMDSM INMARSAT
Le SMDSM est « issu » d’un amendement de 1988 à la •
Un service de radiocommunications reposant sur
convention SOLAS (Safety Of Life At Sea) de 1974. Il est l’utilisation des satellites COSPAS-SARSAT à
entré en vigueur le 1er Février 1992 et est obligatoire depuis défilement sur orbites polaires (LEOSAR) ou sur
le 1er Février 1999. Il concerne les navires à passagers et les orbite géostationnaire (GEOSAR)
cargos de jauge brute supérieure à 300 tonneaux, effectuant

des voyages internationaux. Le service mobile maritime dans les bandes
comprises entre 156 et 174 MHZ (VHF)
Au plan national l’Algérie a adopté et ratifié :

Le service mobile maritime dans les bandes
Par décret N° 82-340 du 13 Novembre 1982, la comprises entre 4000 et 27500 kHz (HF)
Convention SAR (Search And Rescue) de Hambourg de

1979 ; Le service mobile maritime dans les bandes
comprises entre 415 et 535 kHz ainsi qu’entre 1605
Par décret N° 83-310 du 27 Août 1983, la convention et 4000 kHz (MF)
internationale pour la sauvegarde de la vie humaine en mer
du 1er Novembre 1974 (SOLAS) ; Le système est principalement fondé sur les liaisons
navires/terre et terre/navires, contrairement au système
précédent (SOLAS74) qui privilégiait les liaisons
CNTA ’09 Université A.MIRA BEJAIA

navire/navire. Enfin, si le système paraît dédié aux mis en place un plan cadre, dit “Master Plan”, obligeant les
communications de détresse et de sécurité, il est en fait pays signataires à définir le type de navigation le long de
essentiellement utilisé à des fins commerciales, ce qui leurs côtes, installer et exploiter sur son territoire des
constitue un exemple quasi parfait de « sécurité intégrée », structures indispensables au bon fonctionnement des
tant il est vrai qu’une installation ou un équipement est radiocommunications du “Master Plan”.
d’autant mieux « géré » que les deux fonctions se trouvent
liées. Chaque pays a le choix de proposer une ou plusieurs
zones de couverture offertes aux navires.
III. LES ÉQUIPEMENTS DE COMMUNICATIONS SMDSM Dans ces zones, l'équipement minimum correspondant
est le suivant :
Par ailleurs, il liste les équipements nécessaires : VHF,

MF, HF, INMARSAT, NAVTEX, (Navigational Text), EGC Pour la zone A1 une station côtière VHF avec ASN.
(Enhanced Group Call), balises de détresse EPIRB •
Pour la zone A2 une station côtière MF avec ASN.
(Emergency Position Indicating Radio Beacon), répondeur

radar SART (Sear And Rescue Transponder), etc. … ; il fixe Pour la zone A3 une station terrienne côtière
l’emport de ces équipements en fonction de la couverture INMARSAT “B”, “C” ou ‘’FLEET77’’.
radio de la zone dans laquelle navigue le navire : •
Pour la zone A4 une station côtière HF avec ASN.
Selon la ou les zones qu’il fréquente, un navire sera
pourvu au minimum, des équipements suivants : Toutes les stations côtières du SMDSM sont en liaison,
de façon permanente, soit avec le RCC (Rescue Coordination

Zone A1 : (20 à 30 milles marins) : radiotéléphonie Center) de la zone ou le MRCC (Maritime Rescue
VHF avec ASN, EPIRB, NAVTEX, SART, VHF Coordination Center) associé.
portables étanches.
Le Master Plan représente l'organisation mondiale des

Zone A2 : (30 à 150 milles marins) : l'équipement de structures terrestres chargées des alertes, du sauvetage et de
la zone A1 plus un moyen radiotéléphonie MF avec la diffusion des informations de sécurité. En conséquence, le
ASN, SMDSM définit essentiellement un système global et
• mondial dédié au sauvetage et à l’assistance aux navigateurs.
Zone A3 : (au-delà de 150 milles marins) :
l'équipement de la zone A2 plus INMARSAT, EGC
ou HF avec ASN, télex et phonie et EGC; V. L’APPEL SÉLECTIF NUMÉRIQUE ASN

Zone A4 : (le reste, les zones polaires, au-delà de Le système d'appel sélectif numérique ASN/DSC permet
70° de latitude) : l'équipement de la zone A2 plus la en déclenchant un bouton :
HF avec ASN et le EGC. •
D'initialiser une alerte de détresse.

La maintenance des équipements embarqués D'annoncer un message d'urgence ou un message de
sécurité.
Pour garantir la permanence des moyens de

communication, le SMDSM exige un choix de maintenance D'entrer en contact avec une station côtière pour une
parmi les trois méthodes suivantes : consultation médicale par radio ou pour une

communication commerciale.
Entretien par une, structure terrestre dûment
habilitée par l’autorité responsable. Le DSC permet le déclenchement rapide, automatique et

sûr des alertes depuis le navire en détresse vers d'autres
Entretien à bord par un titulaire du certificat de navires à proximité, vers des centres de coordination de
radioélectronicien du SMDSM. sauvetage maritime et vers des stations côtières, ainsi que

Duplication des moyens de radiocommunication l'établissement de communications simplifiées pour d'autres
exigés pour le trafic de détresse. communications. La réception des appels est assurée sans
veilles d'écoute, une alarme acoustique et visuelle signale
Les navires fréquentant la zone A1 et/ou A2 doivent aux stations qu'elles reçoivent un message et celui-ci est
appliquer au moins une méthode. Les navires fréquentant la mémorisé automatiquement.
zone A3 et/ou A4 doivent appliquer au moins deux méthodes
parmi les trois. Il se présente comme une communication très brève et
codée sous une forme numérique. Celle-ci contient au
minimum :
IV. LES ÉQUIPEMENTS TERRESTRES

Parallèlement aux moyens requis sur les navires par le L’identité du ou des destinataires
SMDSM, l’OMI (Organisation Maritime Internationale) a •
L’identité de l’appelant
CNTA ’09 Université A.MIRA BEJAIA


Le type du besoin (détresse, relais détresse, demande des standards. Les équipements embarqués pour exploiter les
de liaison); standards “B” et “M”, imposent des antennes directionnelles

asservies nécessitant des systèmes lourds et complexes. Le
La position et heure du navire sont données par le standard “C” et le ‘’Fleet-77’’ se contentent d’une antenne
GPS qui est obligatoire à bord, la nature de la omnidirectionnelle
détresse est sélectionnée par l'opérateur si le temps le
lui permet. L’organisation INMARSAT offre aux navires un réseau
mondial réparti en 4 régions océaniques desservies en
Pour établir les liaisons, l’ASN peut également contenir permanence par un satellite géostationnaire : AOR-W
des informations indiquant les fréquences, les modes (Atlantic Ocean Region West), AOR-E (Atlantic Ocean
opératoires et des signaux de télécommande. Region East), IOR (Indian Ocean Region) et POR (Pacific
Afin de répondre aux exigences de la transmission Ocean Region). Seuls, les standards “B”, “C” et ‘’Fleet-77’’
numérique, l’OMI a mis en place un système mondial sont reconnus comme moyens de communication du
d’identification des stations côtières et de navires SMDSM.
Celui-ci, dénommé MMSI (Maritime Mobile Service
Identity) se compose de 9 chiffres. Les trois premiers appelés VII. LE SYSTÈME COSPAS/SARSAT
MID (Maritime Identification Digit) désignent le pays, les 6 L’organisation COSPAS/SARSAT à l’aide d’une
autres sont attribués par les administrations responsables constellation de satellites évoluant sur orbite polaire pour le
pour identifier les navires et les stations côtières sous leur LEOSAR (Low Earth Orbital SAR) ou orbite géostationnaire
juridiction. pour le GEOSAR (Geostationary Orbital SAR), offre un
système d’identification et de positionnement pour les
L’ASN ne peut être diffusé que sur des fréquences
navires en situation de détresse. Le mode opératoire du
réservées à son usage. Une communication de type ASN
système, côté mobile, est d’une grande simplicité. Les
nécessite un équipement spécifique pour coder et décoder le
navires disposent d’une balise embarquée, EPIRB émettant
contenu des appels et que les récepteurs ASN du SMDSM
sur deux fréquences (406,025 MHz et 121,5 MHz). Cette
génèrent une alarme sonore et visuelle dès la réception d’un
balise est équipée d’un procédé de mise en œuvre
appel de détresse.
entièrement automatique par largage hydrostatique. Lors de
l'activation (manuellement ou automatiquement lors du
VI. LE SYSTÈME INMARSAT contact avec l'eau), elles émettent un signal numérique sur la
Dans le cadre des radiocommunications spatiales, deux 406MHz qui contient l'identité du navire. Si les balises sont
organisations internationales, bien connues des marins sous équipées d'un récepteur pour la navigation à l'aide des
le vocable INMARSAT et COSPAS/SARSAT, ont mis en satellites (GPS), la position est émise en plus.
place, depuis le début des années 80, des structures spatiales Les satellites géostationnaires et en orbite polaire du
et terrestres couvrant les océans. système COSPAS/SARSAT permettent une couverture
De ce fait, et compte tenu de la permanence, de la mondiale. Les satellites en orbite déterminent la position des
couverture et de la fiabilité offertes par ces liaisons, l’OMI a balises non équipées d'un GPS en utilisant l'effet Doppler. Le
décidé de les considérer comme un élément essentiel du signal émis sur la fréquence 121,5 MHz est utilisé pour le
SMDSM et de son “Master Plan”. radio-ralliement (Homing).
Ils existent plusieurs standards Inmarsat Pour chaque forme de déclenchement d'une alerte de

détresse, le MRCC informe de suite tous les navires les plus
Le standard “B” traite tous les modes de proches de la position de détresse susceptibles de participer à
communication sous la forme digitale la recherche et au sauvetage.

Le standard “C” traite uniquement les
communications télex sous la forme digitale. VIII. LE SERVICE SAR
• En 1979, la conférence internationale sur la recherche et
Le standard “M” traite uniquement les
communications téléphoniques digitales. le sauvetage maritime, a adopté à Hambourg, une convention

dite « Convention SAR » dont l’objectif est d’établir un plan
Le standard ‘’Fleet 77’’ a été approuvé par l‘OMI de coordination et de coopération mondial de recherche et de
en tant qu'élément constitutif d'une installation sauvetage en mer. Elle est entrée en vigueur en 1985. Son
SMDSM s'il est complété, par exemple, avec un objectif est la mise au point d’un plan international dans le
terminal Inmarsat-C, toutes les conditions pour la cadre duquel les opérations de sauvetage des personnes en
conformité SMDSM seront remplies. détresse en mer, quel que soit le lieu, seront coordonnées
Les communications s’obtiennent par l’intermédiaire des paru une ou plusieurs organisations SAR sans tenir compte
stations terriennes côtières (STC) pour l’un ou l’ensemble des frontières. Pour mieux organiser les opérations de
CNTA ’09 Université A.MIRA BEJAIA


sauvetage en cas de détresse, les océans ont été divisés en 3 stations radio côtières MF dotées de l’Appel
plusieurs zones. Plusieurs pays collaborent étroitement pour Sélectif Numérique 2187.5 kHz
recueillir les renseignements SAR. •
1 station NAVTEX
En adhérant à la convention SAR, un État se doit de •
définir une région de recherche et de sauvetage appelée Zone 4 stations AIS (Automatic Identification System)
de Responsabilité SAR et de mettre en place un ou plusieurs •
1 station HF
MRCC avec les moyens nécessaires. •
1 station terrienne INMARSAT B, M, M2, M4 et
En Algérie, ce sont le CNOSS (Centre National des Fleet77
Opérations de Secours et de Sauvetage) à Alger et les deux
CROSS (Centre Régional des Opérations de Secours et de Le système de communications de détresse et de sécurité
Sauvetage), un à Oran pour la façade Ouest et un autre à Jijel est fourni aussi bien pour le téléphone et le télex avec une
pour la façade Est qui jouent ce rôle. haute priorité afin de transférer immédiatement les appels et
messages de détresse, via le Centre National de Bordj-El-
Chaque RCC ou MRCC devra pouvoir avoir de rapides Kiffan, au CNOSS d’Alger ou aux CROSS territorialement
et d’efficaces liaisons avec les stations côtières, les stations compétents de Jijel ou Oran.
Inmarsat ainsi que les MCC (Mission Control Center) de
COSPAS /SARSAT X. LA FORMATION DES COMPÉTENCES
La station côtière la plus près de la position de la détresse Lee SMDSM utilise des moyens simples et fiables pour la
doit autant que faire se peut, accuser réception à cet appel. mise en œuvre des communications. Cependant, si la tâche
Les autres stations côtières ne doivent accuser réception à cet des utilisateurs s’en trouve facilitée et n’exige plus une
appel que si la station la plus proche ne le fait pas. La station qualification d’opérateur radiotélégraphiste, la connaissance
qui a accusé réception de l’appel de détresse doit maintenir le des équipements actuels et des procédures toujours en
contact avec le navire en détresse jusqu’à ce qu’elle soit vigueur imposent une formation et un contrôle des
relevée de cette fonction. Le premier MRCC qui est affilié à connaissances par les autorités responsables des pays
la station qui a accusé réception doit assurer la responsabilité signataires de la SOLAS. La convention STCW, Standard of
ainsi que la coordination des opérations SAR Training, Certification and Watchkeeping, Chapitre IV, règle
Les missions du CNOSS et des CROSS sont : la I/12 et sections A-I/12, B-I/12 de l'OMI a établi un niveau
recherche et sauvetage maritimes (SAR), la surveillance de des connaissances exigible des opérateurs en fonction de la
la navigation maritime (SURNAV), la surveillance et police zone de navigation; ceci se justifie par la différence des
des pollutions maritimes (SURPOL), la surveillance et police équipements embarqués. Ainsi, il est exigé des navires qui
des pêches maritimes (SURPECHE), la réception des alertes fréquentent les zones A2, A3 et A4 d’avoir à bord des
de sûreté maritime des navires (piraterie, terrorisme opérateurs titulaires du Certificat Général d’Opérateur
maritime) et enfin la permanence opérationnelle des services (CGO). Pour un navire, qui fréquente exclusivement la zone
des affaires maritimes A1, un opérateur titulaire du Certificat Restreint d’Opérateur
(CRO).
IX. LES STATIONS RADIO CÔTIÈRES La formation au certificat CGO/SMDSM s'effectue
L' Agence Nationale de Radionavigation Maritime a été depuis Janvier 1999 au niveau de l'ISM (Institut Supérieur
créé par Décret exécutif n°03-264 du 29 Joumada El Oula Maritime de Bou Ismail). L'ISM s'était doté du matériel
1424 correspondant au 29 Juillet 2003 nécessaire et avait constitué une équipe d'enseignants
qualifiés en ce qui concerne la formation et l'évaluation sur
En plus de sa mission de service public, cette agence est Simulateur SMDSM
chargée, de la mise en place de l’organisation, du
développement et de la gestion du réseau national de La formation s’appuie sur une méthode active avec mise
radionavigation du service mobile maritime et du service en pratique sur Simulateur SMDSM des exercices de
mobile maritime par satellite. radiocommunications et des procédures dédiées aux
opérations de sauvetage et de sécurité en mer.
Avec une linéaire de 1200 Km de côte, l’Agence
Nationale de Radionavigation Maritime a mis en place une Les objectifs de la formation sont :
organisation pouvant répondre aux exigences des missions •
Acquérir les connaissances relatives aux éléments
confiées, à savoir : fondamentaux du GMDSS et de ses sous-systèmes.
• •
17 stations radio côtières VHF (dont 10 dotées de Acquérir les compétences nécessaires à la mise en
l’Appel Sélectif Numérique canal 70 et 7 stations œuvre d’une station de radiocommunications
appelées ‘’position pêche’’) GMDSS.
CNTA ’09 Université A.MIRA BEJAIA


Acquérir les compétences nécessaires à l’usage de sud où peu de moyens terrestre sont installés. Il est à
l’anglais SMCP (Standard marine communication noter que la mise en service des satellites pallie
phrases) dans le cadre de la gestion des partiellement à ce déficit;
communications de détresse, d’urgence et de sécurité •
Une facilité d’emploi accrue, on n’a plus besoin

Obtenir le certificat Radio GMDSS. d'officier radio (télégraphiste, électronicien). Il faut
néanmoins souligner que tous les officiers de pont
A la fin du stage l'ANRM organise un examen de doivent être titulaires du certificat général
validation des compétences et délivre aux candidats admis d’opérateur (CGO) ;
un certificat CGO/SMDSM valable pour cinq ans.

Par contre, des difficultés d’implantation à terre
XI. LE SMDSM ET SES CONSÉQUENCES (Master Plan) des équipements correspondant aux
obligations des États Contractants, soit par défaut
Parmi les principales conséquences de la mise en place (manque de moyens) soit par excès (souveraineté),
de SMDSM, on relève : l’OMI a crée un fond pour aider certains pays à se

Une très nette amélioration des communications due doter des équipements nécessaires auxquels il
à l’utilisation des satellites et de la technologie faudrait ajouter les moyens de sauvetage.
numérique.
• REFERENCES
La veille est automatique et est effectuée par les
équipements. [1] )
IMO GMDSS HANDBOOK (4th ED-2007 , publié par l'OMI.
[2] GMDSS List of Radio Signals 2006-07. British Admiralty

Une plus grande efficacité pour les opérations de publications.
sauvetage du fait de la rapidité de l’alerte et de la .
précision du positionnement, sauf dans l’hémisphère

Figure 1. Concept général du GMDSS


CNTA ’09 Université A.MIRA BEJAIA

New algorithm developed for transforming a satellite image in road card

Z. NOUGRARA1, A. BENYETTOU1 and N. I. BACHARI2.


1 Department of computer science, University of Sciences and the Technology of Oran, B.P 1501 Bir el djir Oran
31000, Algeria.
2 Department of physics, University of Sciences and the Technology of Oran, B.P 1501 Bir el djir Oran 31000,
Algeria . bachari10@yahoo.fr

Abstract: This paper presents a fast method for road network extraction in satellite images. Our approach

comprises two essential phases: the first consists in extracting a curved object; the second phase makes it possible to

generate the method of extraction defined in the first phase to be able to extract all the roads (a road network) and its

nœuds (a nœud road network is the point of intersection between two roads). The algorithm of detection of a road is

based on the concept of mathematical morphology. It consists of a treatment which is based on the geometrical form.

The morphological operators such as dilation, erosion, opening, closing, etc., tend to simplify the data of the image by

preserving their essential geometrical characteristics.

This treatment is divided into three parts: Application of the two operators closing then opening on the original image,

subtraction of the result obtained of the original image of which the objective is to select pixels candidates with the

membership of portions of roads and precise detection of the road (a line determined by the points of passage which

adjusts as well as possible on local detections of homogeneous elements of road, these points are detected in an

automatic way). Consequently, an improvement of the algorithm defined above consists in applying a threshold to the

image result of the subtraction with an aim is to reduce the cost in computing times and to insulate the pixels which

one regards as important. Lastly, we propose for the second phase a method based it even on the principle of the

mathematical morphology. This algorithm of extraction can be applied to more figures than one will want to combine

them and thus all the roads can be extracted.

Key words: Satellite image, Road network, mathematical morphology.

1. INTRODUCTION

To develop geographical information system of a city passes in the first place by the obtaining of a card of the road

network. I n t he cas e o f car d p resence t he o btaining o f t he r oad n etwork t akes p lace b y h and t hat, t his o peration i s

expensive in time and risk to have mistakes by the lack of attention of the manipulator. I n the case of the card lack

(case of several Algerian cities) the manual technique becomes impossible. The remote sensing offers us of satellites

images d ifferent s patial s cales an d f or an y p laces o n ear th. T he reflection o f several r esearchers i s d irectly t he

extraction of the road network from satellites images (J.Postaire, 1987; C.weber, 1995; T.Y.Young and al, 1986). A

satellite image is a n umeric representation of a s oil part. Every element of the image (pixel) presented by a numeric

account that is according to properties radiometriques of soil, of the geometric, properties of image hold, of state of
CNTA ’09 Université A.MIRA BEJAIA

terrestrial atmosphere and the properties optics of the sensor. The automatic interpretations of the satellite image are a

complex ope ration a nd r equire t he s pecific a lgorithm de velopment t o a pplications w anted. The c alm pr oblem i s t o

know is it possible the extraction of roads seen difficulties as the width reduced of roads by report has the size of the

pixel, pr oblem of s hade a nd confusion r adiometrique w ith other c omposing objects o f s oil. T wo cat egories ar e

generally d istinguished. T he l ocal m ethods wh ich ar e based o n t he r adiometric cr iterion o f t he i mage, ai m at t he

classification of t he pixels as pertaining i s at t he zo ne r oad or t he zo ne ex cept r oad. On e can q uote: d etectors o f

contours g eneric, de tectors of watersheds, m orphological ope rators ( M.Daoud a nd a l, 1989; I .Destival, 1986) . T he

global methods which are based on the criteria radiometric and space of the image, aim at detection partial of the road

network. One can quote: methods based on the graph theory and methods based on statistical and geometrical models

(B.Jedynak, 1994; N.Merle and al, 1993; S.Airault and al, 1995; M.Berzohar and al, 1996).

2. METHODOLOGY OF EXTRACTION

Our approach is a development of two methods suggested on the one hand by I.Destival (I.Destival, 1986) and on the

other hand by us (Z.Nougrara and al, 2006). It is based on the concept of mathematical morphology. The mathematical

morphology, de veloped pe r G Martheron a nd J S erra i n t he Sixties a t t he s chool o f t he M ines o f Pa ris, c onsists in

representing the object of study by one or more sets in suitable spaces (euclidean, metric, topological, etc.), to analyze

it u sing t he t ransformations e nsemblists ( union, i ntersection, etc.). I t consists o f a t reatment wh ich i s b ased o n t he

geometrical f orm. The morphological operators s uch as dilation, erosion, opening, closing, etc., tend to s implify the

data o f t he i mage b y p reserving t heir es sential g eometrical ch aracteristics. Knowledge w hich we us ed for t he

extraction of the road network rests on the radiometric aspect of the roads.

Algorithm of extraction :

The algorithm of extraction comprises two essential phases:

- The first consists in a treatment on the original image which is based on the principle of the mathematical

morphology in order to extract a road. Each road is composed of segments of line chosen locally according to the

criterion of homogeneity.

- The second makes it possible to combine the results obtained in the first phase (set of ways of road) in order to obtain

an image whose objects are only the roads (a road network) and to extract its nœuds (a nœud road network is the point

of intersection between two roads). It based it even on the principle of the mathematical morphology. To value the

performance of the method developed we chose an image satellite to high spatial resolution (Fig.1). The chosen image

represents a part of the Oran city (Algeria). She covers a region on the one hand strong urban density and composed of

the variable landscape. The roads composite of this region is the main roads and the secondary roads.
CNTA ’09 Université A.MIRA BEJAIA

Fig.1: Original image.

3. EXTRACTION OF A ROAD

In order to highlight the concept of the method of extraction suggested, we initially will give the formal definition of

the morphological operators (erosion, dilation, opening and closing), then to characterize the roads while being pressed

on these operators.

3.1. Morphological Operators

Erosion: I t c onsists i n e roding t he i mage. So t he p oints w hite i solated i n t he m edium from t he b lack p arts a re

eliminated by erosion from the black parts. The algorithm of erosion is as follows:

- To choose a structuring element (together points of particular form).

- For all the points of the image, to calculate the minimum of the values between the central pixel and its neighbors

according to the structuring element: That is to say min. To replace the value of the central pixel by min.

Dilatation: I t c onsists i n d ilating t he i mage. So t he p oints black i solated i n t he m edium f rom t he wh ite p arts ar e

eliminated by dilatation from the white parts. The algorithm of dilatation is as follows:

- To choose a structuring element (together points of particular form).

- For all the points of the image, to calculate the maximum of the values between the central pixel and its neighbors

according to the structuring element: That is to say max. To replace the value of the central pixel by max.

Opening: It is an erosion followed by a dilation, removes the peaks.

Closing: It is an dilatation followed by an erosion, removes the hollows and roof the holes of small size.

3.2. Method of extraction based on the principle of the mathematical morphology

The algorithm of extraction is as follows :

- Application o f t he t wo operators c losing t hen opening on t he or iginal i mage. The result of t his s tage ( Fig.2) i s a

digital i mage w hich w ill b e u sed i n t he following s tage ( the g oal i s t o s implify t he d ata o f t he o riginal i mage b y

preserving their essential geometrical characteristics).


CNTA ’09 Université A.MIRA BEJAIA

Fig.2: Closing followed by an opening of the image of figure 1.

- Subtraction of the image of figure 2 of the original image. The result of this stage (Fig.3) is a digital image which

will be used in the following stage.

Fig.3: Subtraction of the image of figure 2 of the original image.

- Thresholding. With an aim of reducing the cost in computing times, we applied a threshold to the image of figure 3

obtained in the preceding section; this type of methods takes into account only the values of levels of grey of a point to

decide on i ts membership of the way of road. Indeed, the idea is to segment the image in two areas: r oad and not

road. If the radiometric value of a p oint exceeds a cer tain threshold its value is 255 if not its value is 0. The result of

this stage (Fig.4) is a binary image of values 0 and 255.

Fig.4 : Thresholding of the image of figure 3 with a threshold=1.

- Precise extraction of road. A way of road will be defined by a line which is a chain of segments connected to each

other. I t i s de termined b y t he poi nts o f passage de fining t he s egments, w hich a djust a s w ell a s po ssible on l ocal

detections of homogeneous elements of road. I ndeed, one wants to reconstitute the shape of a cu rved object (traced

road) after his digitalization. To solve this problem, it is necessary to find the means of building curves from smaller

elements: s egments of curves which could be drawn from small segments of line. We propose at this stage a rather

effective method which allows the precise extraction of road (Z. Nougrara and al, 2006). The method is decomposed
CNTA ’09 Université A.MIRA BEJAIA

into two parts: determination of the points of passage of the layout of road and connection between each two points by

the use of the concept of connectivity. First of all, the points of passage are given like those having a value of level of

grey 255 ( pixels coming f rom the binary i mage obtained b y t hreshold and which are located on t he layout of road)

whose position is detected in an automatic way and who must satisfy the selection criterion (the points have the same

direction of propagation). Then, the tracing of the curve is carried out by a modelling of this one by a sum of smaller

segments of curves which could be drawn from small segments of line.

Modelling : Being gi ven t he P 0 (x 0 ,y 0 ),…, P n (x n ,y n ) poi nts, one w ishes t o f ind a c urve pa ssing b y t hese poi nts

(I.Couloignor and al, 2000). Consider f(z) this curve:

n
f(z)= ∑ Pi ( ϕ i ,n ( Z ) ) (1)
i=0

where 0≤z≤1 et φ i,n (z): small segments.

Algorithm :

- To fix the number of pixels n.

- To enter the starting point P 0 and the arrival point P n .

- To repeat

. To determine the following point P i .

. If the selection criterion is satisfied (of the same direction than the precedent and belongs to a window where

there is an exact localization of a road) then one retains this point, if not to choose another point.

Until the arrival point is reached.

n
- f(z)= ∑ Pi ( ϕ i ,n ( Z ) ) (2)
i=0

Remarks : For the definition of the function φ i,n (z), many polynomials ex ist, o ne can ci ter : Lagrange, H ermite,

Bernstein, etc. For our case we chose Bernstein polynomial. The larger N is sufficiently, the more than there will be a

good extraction. If the road were not limited with the two points (initial and final), the risk of assignment of points of

image to an erroneous class could be important. T his situation would lead to a bad extraction of the zone road. The

result of this stage (Fig.5) is an image comprising a way of road. I t is a satisfactory result by comparing it with the

original image (Fig.1).


CNTA ’09 Université A.MIRA BEJAIA

(A) (B)

(C) (D)

(E) (F)

Fig. 5 : Precise extraction of a way of road of the image of figure 1.

3.3. EXTRACTION OF THE ROAD NETWORK

In order to be able to generate the method of extraction defined in the first phase, we propose in this part an approach

based on t he principle of mathematical morphology, (I.Destival, 1986; R.M.Haralick and al, 1987; T.Géraud and al,

2004; Z .Nougrara a nd a l, 2006) w hich i s ba sed o nly on radiometric knowledge of t he r oads. M athematical

morphology c onsists i n de fining ob jects a s s ets o f pixels a nd s tudying t he s hape o f t hese o bjects a nd t he r elations

which exist between them using sets transformations (dilation, erosion, opening, closing, union, intersection, etc.), in

our case we used the union operation.

Algorithm :

The algorithm of the extraction is as follows :

- To t raverse a ll t he i mages (Fig.5) of w hich e ach one of t hem c omprises onl y one w ay of road ( result of t he f irst

phase) in parallel.
CNTA ’09 Université A.MIRA BEJAIA

- To examine the corresponding pixels and to build the new image : If the pixels are black then the resulting pixel is

black. If the pixels are white then the resulting pixel is white. If one of the pixels is black then the resulting pixel is

black.

3.4. ROAD NETWORK

The result o f t his p hase ( Fig. 6) i s a n i mage c omprising more t han one w ay of r oad ( a r oad ne twork) obt ained b y

applying the morphological operator the union to images (A), (B), (C), (D), (E) and (F) of figure 5.

Fig.6 A road network obtained by additing images


(A), (B), (C), (D), (E) and (F) of figure 5.

In order to be able to discuss on the result obtained (Fig.6), one readjusts the graph of the road network (Fig.6) on the

original image ( Fig.1) b y us ing the algorithm of extraction of the road network (in this case, the images to add a re

those of figures 1 and 6). See Fig.7 (B).

(A) (B)

Fig.7 (A) Image of figure 1. (B) Image obtained by additing images of figures 1 and 6.

We can make the following remarks :

Image (B) of figure 7 carries a sufficient precision and a good representation of the real road network of the image of

figure 1. The segments of road with colors blacks of image (B) of figure 7 represent the road network readjusted on

the image of figure 1. The result was very good.

3.4 EXTRACTION OF NŒUDS OF THE ROAD NETWORKS


CNTA ’09 Université A.MIRA BEJAIA

A road network is defined as being a whole of roads. These roads cross at least two to two. One defines a nœud road

network a s be ing t he p oint of intersection be tween t wo r oads. In or der t o be a ble t o e xtract nœuds of the road

network, we propose in this part an approach based on t he principle of mathematical morphology, (I.Destival, 1986;

R.M.Haralick a nd a l, 19 87; T.Géraud a nd a l, 2 004; Z .Nougrara a nd a l, 2006). The t wo t ransformations e nsemblists

which we used are: intersection and union.

Algorithm :

The algorithm of the extraction is as follows :

- To traverse all the images (Fig.5) of which each one of them comprises only one way of road.

- To examine the corresponding pixels and to build the new image : If the pixels are white and have same the scalar co-

ordinates on the image road then the resulting pixel is white, else the resulting pixel is black. The result is an image

comprising all nœuds (points of intersection).

RESULT :

The result of this part (Fig. 8) is an image comprising all nœuds of the road network of figure 6.

Fig.8 Nœuds of the road network of figure 6.

3.5. DISCUSSION

In order to be able to discuss on the result obtained (Fig.8), one readjusts the image of figure 8 on the image of

figure 6. See Fig.9 (B).

(A) (B)

Fig.9 (A) Image of figure 1. (B) Image obtained by additing images of figures 6 and 8.
CNTA ’09 Université A.MIRA BEJAIA

We can make the following remarks :

Image (B) of f igure 9 carries a sufficient precision and a g ood representation of the real nœuds road network of the

image of figure 1. The nœuds with colors white of image (B) of figure 9 represent the nœuds road network readjusted

on the image of figure 6. The result was very good.

5. CONCLUSION

We p resented i n t his ar ticle an approach resulting f rom a development of the method of detection of road networks

from s atellite i mages s uggested on t he one ha nd b y I.Destival (I.Destival, 1986) a nd on t he ot her ha nd b y us

(Z.Nougrara and al, 2006). This approach currently brings solutions to the difficulties encountered in existing methods

and takes account of the improvements made by the other researchers. It generally deals with the problem of extraction

of the road network by taking account of the local characteristics of the road networks. It comprises two phases. The

first phase consists in extracting a curved object (a road); it is based on the principle of the mathematical morphology;

each road is composed of s egments of line chosen locally according to the criterion of homogeneity; i t i s e xtracted

while being based on the one hand on external data, points of passage (points which are located on the layout of road

of the image obtained by threshold) whose position is given by an automatic way and who must satisfy the selection

criterion (the points have the same direction of propagation) and on the other hand by modelling the layout of road by

a sum of smaller segments of curves which could be drawn from small segments of line (one connects very new point

detected to the remainder of the way, at the point nearest in the direction to propagation). The second phase makes it

possible to generate the method of extraction defined in the first phase whose objective is to obtain an image of road

network and to extract its nœuds (a nœud road network is the point of intersection between two roads); it based it even

on the principle of the mathematical morphology. This method can easily be adapted to other image processing fields

where the recognition of curvilinear structures is involved.

REFERENCES

Postaire. J. G. 1987. De l’image à la décision (Of the image to the decision). Ed. Dunod.

Weber. C. 1995. Images satellitaires et milieu urbain (satellite image and urban environment). Ed. Hermès, Paris.

Young and Fu. K. S. 1986. Handbook of pattern recognition. Academic Press, USA.

Daoud. M, Roux. C and Hillion. A. 1989. Une application de la théorie des graphes à l’extraction automatique des

réseaux de communication dans les images SPOT (An application of the graph theory to the extraction automatic of

networks of communication in the SPOTL image ). GRETSI, pp. 699-701.


CNTA ’09 Université A.MIRA BEJAIA

Destival. I. 1 986. M orphologie m athématique ap pliquée au x i mages d es s atellites d e T élédétection ( Mathematical

morphology a pplied t o pictures o f s atellites o f r emote sensing). Deu xième co lloque i mage, t raitement, s ynthèse,

technologie et applications, Nice.

Merle. N and Zerubia. J. 1993. A Curvature-dependent energy function for detecting lines in satellites images. Eighth

SCIA Conf.

Jedynak. B . 1 994. U tilisation de t echniques e t m odèles s tochastiques p our des pr oblèmes de dé tection e t d e

reconnaissance de formes. Détection de réseaux routiers à partir d’images satellites, (Use of techniques and stochastic

models f or pr oblems of de tection a nd of r ecognition of s hapes. Road network d etection from s atellites i mage)

Document é tabli e n e xécution du c ontrat 89/ 1563 pa ssé pa r l a D irection de s R echerches Etudes e t Techniques,

Direction Scientifique/Section soutien de la recherche, Délégation Générale pour l’armement .

Airault. S an d J amet. O. 1995. D étection e t r estitution a utomatique du r éseau r outier s ur de s i mages A ériennes

(Detection and automatic restitution of the road network on pictures Aerial). Traitement du signal, vol.12, no. 2, 1995.

Barzohar, M and Cooper, D. B.1996. Automatic finding of main roads in aerial images by using geometric stochastic

models and estimation. IEEE Transactions on pattern analysis and machine intelligence, vol. 18, no. 7.

Yu. S , B erthod. M a nd G iraudon. G . 1 999. T oward R obust Analysis o f Sa tellite Images U sing M ap Information –

Application to Urban Area Detection. IEEE Transactions on geoscience and remote sensing, vol. 37, no. 4.

Haralick. R. M , S ternberg. S. R a nd Z huang. X .. 1 987. I mage A nalysis U sing M athematical M orphology. I EEE

Transactions on pattern analysis and machine intelligence, vol. PAMI-9, no. 4, July.

Couloigner. I a nd R anchin. T . 2000. M apping of ur ban a reas: A m ultiresolution m odelling

approach for a s emi-automatical e xtraction of s treets. P hotogrammetric E ngineering a nd R emote

Sensing, vol 66, num.7, pp. 867-874.

Géraud. T and Mouret. J. 2004. Fast Road Network Extraction in Satellite Images using Mathematical Morphology

and M arkov R andom Fields. In EURASIP J ournal o n Applied S ignal P rocessing (special i ssue o n Nonlinear

Signal and Image Processing - Part II), num. 16, pp. 2503-2514.

Nougrara. Z, Benyettou. A and Bachari. N. I. 2006. Methodology for road network extraction in satellite images.

Asian Network For Scientific Information, ANSInet, num.88-JAS-2K6.


CNTA ’09 Université A.MIRA BEJAIA

Cartographie de l'Etat des Parcours de la région de


Djelfa par les Images Satellitaires

Youcef Oukil Mohamed Said Guettouche


Ecole Normale Supérieure des Lettres et Sciences Humaines Département de Géographie, Faculté des Sciences de la Terre
ENSLSH, Bouzareah. et de l'Aménagement du Territoire, USTHB.
Alger, Algérie Alger, Algérie
y_oukil@yahoo.fr msguettouche61@yahoo.fr

Résumé— La s urveillance et l e s uivi d ynamique d es p arcours vallée de Oued-Djeddi, limite naturelle de la zone saharienne
steppiques n écessitent l a c ollecte, l e t raitement et l ’analyse (Fig.1).
rapide de s i nformations. P our mener une t elle é tude, i l e st
impératif de disposer d e d onnées f iables pouvant c aractériser Les sols sont constitués d’alluvions d’épandages dans les
le milieu. Dans cet optique, nous avons eu recours à l'imagerie zones de plaines et de plateaux, et sur les montagnes et les
satellitaire pour réaliser la carte de l'occupation des terres qui reliefs les sols sont pauvres et souvent squelettiques. On
constitue l e support de b ase po ur toutes o pérations assiste à l’affleurement de la roche mère, les sols salins se
d'inventaire e t d e s uivi. Po ur c ela, n ous a vons utilisé d es localisent, principalement, dans la dépression des Zahrez.
images s atellite L ANDSAT ETM qui o nt ét é t raitées grâce au Dans la partie des Hauts Plateaux sahariens, l’érosion est très
logiciel ENVI 4.0. active compte tenu à la fois de l’action éolienne et hydrique.
Le réseau hydrographique s’organise en un système
endoréique dont les nombreux chenaux d’oueds ne manquent
I. INTRODUCTION pas de caractériser le paysage.
L’agriculture, dans la Wilaya de Djelfa, se caractérise par
la prédominance du pastoralisme constituant la principale La région étudiée s’intègre dans deux étages
base économique de la région. A titre indicatif, l'agriculture bioclimatiques : les hauts plateaux steppiques soumis à un
(y compris l’élevage) occupe une population de l’ordre de climat aride et froid, et l’Atlas saharien soumis à un climat
40.306 habitants représentant 40,75% de la population semi-aride froid, elle s’inscrit dans un contexte écologique
occupée totale. Cette activité connaît, aujourd’hui, de sérieux régional : la végétation steppique algérienne qui, limitée par
problèmes en raison notamment de la sécheresse persistante les isohyètes 100 et 400 mm. Cette zone est caractérisée par
sévissant ces dernières années et de la dégradation des une végétation steppique, ou la pluviosité reste le facteur le
parcours steppiques par les effets néfastes de l’homme plus déterminant pour les plantes. En zones arides, cette
(arrachage des plantes et labours illicites) et de l’animal importance prend de plus grandes proportions puisqu’elle
(surpâturage).Cette situation impose à l'heure actuelle conditionne presque à elle seule la répartition de la
d’explorer de nouvelles méthodes et outils de gestion tels végétation.
que la télédétection et les systèmes d’information Le cortège floristique rencontré dans notre zone d’étude
géographique pour répondre aux besoins et préoccupations est caractérisé par les spécificités des zones steppiques. Il est
des planificateurs. constitué de groupement et d’associations de végétaux bien
différenciés. On rencontre, les groupements chamaephytes
II. PRÉSENTATION DE LA ZONE D'ETUDE on les retrouve au niveau des dépressions surtout en zones
inondables. Ils sont constitués surtout d’Artemisia herba alba
La zone d’étude correspond à la Wilaya de Djelfa, elle (armoise blanche), Artemisia c ompestris (l’armoise
est située à 370 Km environ au sud d’Alger, elle prend place champêtre), avec la présence de plantes annuelles assez
dans le vaste domaine steppique, d’une superficie de 24.080 important shesmus b arbatus et Stipa p arviflora etc., le
Km² et qui est comprise entre 2° et 5° de longitude Est et groupement à Stipa tenacissima (Alfa) se localise au niveau
entre 33° et 35° de latitude Nord. du plateau de Ain Ouessera au nord, dont l’intérêt
Elle est constituée d’une succession de dépressions plus économique n’est plus à démontrer car il a connu et connaît
ou moins fermées et compartimentées, s’étageant une forte dégradation conduisant à sa disparition sur de
progressivement entre 650 m et 1600 m d’altitude, avant de grandes étendues. Les groupements halophytes se localisant
se résoudre en un vaste glacis caillouteux, plongeant vers la autour des chotts. Ils sont à base d’Atriplex, L ygeum
spartum, S alsola vermiculata etc., et des groupements
CNTA ’09 Université A.MIRA BEJAIA

psammophiles, ces derniers colonisent les dunes, la Saharien, ces formations constituent l’une des dernières
végétation est à base d’Aristida pung ens et Rétama r etam reliques de cet étage bioclimatique et qui influence
etc. La partie centrale est caractérisée par un relief assez considérablement l’équilibre écologique de la région. Dans la
accentué. Elle est occupée par la principale formation partie sud, la végétation rencontrée est constituée de
forestière constituée de forêts naturelles de pin d’Alep en groupements végétaux caractéristiques du désert. Elle est à
association avec le chêne vert, Juniperus phoenicea, et base de Hammada Scoparia, H ammada s chmitthiana,
Juniperus o xycedrus. Située en zone semi-aride de l’Atlas Anabasis articulata etc.

Figure 1. Modèle numérique de terrain de la wilaya de Djelfa

Connue pour son activité pastorale ancestrale, la wilaya phytoécologiques) et des données de télédétection
de Djelfa est confrontée actuellement à un problème de (LANDSAT).
dégradation des parcours risquant d’hypothéquer l’avenir de
La reconnaissance de terrain s’est effectuée en 2004.
son activité principale. L’ampleur de dégradation du milieu
physique impose à l'heure actuelle de disposer de nouvelles Celle-ci s’est donc appuyée sur l’ensemble des informations
méthodes et outils susceptibles de gérer, manipuler une existantes extraites des cartes topographiques. Pour
information multiple et hétérogène. C’est dans ce soucis que déterminer un zonage homogène, nous avons réalisé une
nous avons conçu une approche méthodologique utilisant la classification non supervisée. Signalons que le
Télédétection et les Systèmes d’Information Géographiques positionnement géographique des relevés de terrain par
(SIG) au vu de la complexité du milieu et de la rapport aux images a été facilité par l’utilisation d’un
problématique à traiter. Il s’agit concrètement de la création système GPS, quand aux données LANDSAT, nous les
d'une base de données de la carte de l’occupation des terres avons recalées géométriquement. Nous avons établi plus de
afin de lier de manière interactive ces données à un SIG. 600 relevés choisis en fonction de leur pertinence
géographique et thématiquement pour caractériser notre zone
d’étude.
III. MÉTHODOLOGIE
Chaque relevé est décrit par : la liste floristique ou
A. Données Utilisées chaque espèce est caractérisées par son abondance et
dominance, le recouvrement global de la végétation et le
L’étude de la gestion des parcours steppique est intiment
recouvrement des différents éléments de la surface du sol
liée à une connaissance approfondie des données relatives à
(sable, pellicule de glaçage, élément grossiers et litière).
la zone d’étude concernée. Ainsi, l’établissement de la carte
de l’occupation des terres et l’état des parcours a nécessité la Par ailleurs, nous avons utilisé un ensemble de 04 scènes
récolte des données des différents paramètres. Deux types de Landsat du printemps 2001, qui couvrent environ 80% de
données ont été utilisés: des données de terrain (inventaire notre zone d’étude. La prise de vue se situe au début ou au
CNTA ’09 Université A.MIRA BEJAIA

milieu de la période de développement végétatif qui succède -Stipa Tenacissima.


à la dormance hivernale. L’ensemble des végétaux est mieux
discriminé par rapport au sol qui est généralement dominant -Lygeum Spartum.
et c’est la raison majeure qui a motivé le choix de ces dates. -Psammophytes.
La végétation cultivée ne se distingue pas très bien de celle
qui est pérenne. Il existe un risque de confusion spectrale -Halophytes.
dans le cas d’un couvert relativement important de ces -Artemisia harba alba.
dernières. Cette confusion semble cependant atténuée car les
espaces occupés par les espèces pérennes et les milieux -Steppe de dégradation.
agricoles sont souvent écologiquement distincts. Une -Hamada scoparia.
deuxième contrainte, réside dans le fait que la végétation
annuelle étant sensible à la pluviosité de l’année de la prise -Steppe mixte Noaea muronata et Lygeum spartum.
de vue, la densité du couvert végétal risque d’être surestimée -Steppe mixte Stipa Tenacissim et Artemisia herba alba.
(ou le contraire). En tout état de cause, une meilleure
appréhension des espaces impartis à chaque type de -Steppe mixte Peganum harmala, N oaea m ucronata et
végétation est mieux perçue par le traitement d’images en psammophytes.
diachronie (automne / fin de l’été / printemps).
-Steppe mixte Stipa Tenacissim et Lygeum spartum.
B. Prétraitements et Traitements -Steppe mixte Artemisia H arba A lba et Noaea
Des prétraitements numériques ont été appliqués grâce au mucronata.
logiciel ENVI 4.0 incluant le géoréférencement et la -Steppe mixte Hamada Scoparia et Astragalus armatus.
correction géométrique des images satellitaires. Puis, nous
avons procédé à la détermination de l’indice de végétation -Steppe mixte Artemisia H arba Alba e t A stragalus
normalisée. Les donnés utilisées étant des images optique, armatus.
nous avons opté pou une classification supervise par le -Matorral,
maximum de vraisemblance. Elle est basée sur la probabilité
qu’à un pixel d’appartenir à une classe donnée. Cette -Reboisement.
distance est calculée entre le pixel à classer et chaque -Plantation
parcelle d’entraînement sur toutes les bandes. Pour évaluer la
qualité de la classification, nous nous sommes appuyés su la -Chott.
matrice de confusion.
-Culture.
L’analyse de cette matrice de confusion conduit à retenir
-Oued où dépression.
trois points essentiels qui mettent l’accent sur les difficultés
méthodologiques rencontrées, difficultés liées à la confusion -Sol nu.
thématique engendrée par une confusion spectrale de deux
thèmes cas de Stipa tenacissima, Lygeum spartum voir -Défrichement
également les thèmes à alfa ensablés et les faciès dégradés -Urbain.
ensablés ( influence de la réponse spectrale du sable) ainsi
que par la localisation géographique quelque fois trop Sur le plan thématique des confusions ont été observées
imprécise des relevés de terrain. entre différents thèmes présentant des similitudes dans leurs
réponses spectrales. Deux corrections ont été faites pour
valider notre travail : une correction par rapport aux
IV. RÉSULTATS relevées de terrain, cette évaluation se fait visuellement en
Avant la réalisation de cette carte, il est impératif de comparant la classification aux relevés de terrain et à la fin,
procéder à la transformation du mode de classification en nous avons réalisé un modèle numérique de terrain qui nous
mode vecteur. La classification est alors symbolisée en mode a permis de représenter les classes de végétation en trois
vecteur ; ces informations (vecteurs) sont associes à une base dimensions. Ainsi, il est possible de visualiser les classes et
de données. les reliefs et de vérifier si globalement il y a une concordance
entre la géomorphologie et la végétation.
Le document cartographique obtenu par la classification
précitée est représenté par 21 thèmes
CNTA ’09 Université A.MIRA BEJAIA

Figure 2. Carte de l’occupation des terres de la wilaya de Djelfa.

La carte de l’occupation des terres établie au 1/200 000 telles : Atractylis serratuloides, Noaea mucronata, peganum
(Fig.2) fait ressortir la dominance visuelle des formations harmala, Astragalus armatus.
suivantes la steppe à Stipa tenacissima au sud et celle du
complexe de dégradation au nord ; ce dernier regroupe les La classification étant en mode vecteur, elle est intégrée
espèces indiquant un stade de dégradation du tapis végétal naturellement dans un système d’information géographiques.
Celui-ci nous permet d’obtenir aisément les statistiques. La
CNTA ’09 Université A.MIRA BEJAIA

steppe du complexe de dégradation occupe ainsi 27% de la [7] - BOULAHOUAT .N et NAERT. B , Télédétectiondes ressources en
superficie totale. Il est très intéressant de signaler que cette sols des zones arides une méthodes d’inventaire adaptée au travail sur
terrain expérimentée dans la région de DJELFA (ALGERIE). Institut
steppe de dégradation n’existait pas dans les années 75, où national de la recherche agronomique, maison de la télédétection, 500
ne dominaient globalement que les unités à alfa, sparte et rue JF.BRETONS.
l’armoise blanche. La steppe à alfa (Stipa tenacissima) avec [8] - Chermant Michel Coster J. L., Précis d’analyse d’images.- C.N.R.S.
396.978,44 hectares soit 16,54% de la superficie totale qui : Paris, 1989.
forme des steppes plus ou moins dégradées par l’action de [9] - CHRISTI NE Zann, TREMELO Maria-laure, Savoir faire une carte.
l’homme, exprimée essentiellement par le pâturage excessif Aide à la conception et à la réalisation d’une carte thématique
de ces zones et par la mise en culture. univariée. Edition BELIN, 2003. p 194.
[10] - CNTC (Juillet 1995) : SIG pour la gestion de l'activité pastorale de
Le recouvrement global de la végétation des parcours a la steppe algérienne, rapport de phase II et III du projet "CNTC-
également très nettement diminué. La moyenne actuelle est Algérie /CRDI -Canada".
d’à peine 15 % alors qu’elle dépassait souvent les 25 % en [11] - DIDIER Poidevin, la carte moyen d’action (CNFPT) 1999. p 199.
1975. Quant aux unités à Alfa, elles ont une moyenne de [12] - DAOUDI M, ABDELLAOUI A (1994): contribution à
recouvrement global de la végétation de 12 % alors que pour l'aménagement et développement des terres steppiques par l'utilisation
le sparte, le recouvrement est autour 17 %. Ce qui traduit la des Systèmes d'Informations Géographiques et les images
satellitaires. Études de cas zone de rocher de sel, Djelfa. Algérie.
très grande pression anthropozoïque. Colloque international sur le développement des terres arides et semi
arides.
V. CONCLUSION [13] -Dubois Jean-Marie, François Cavayas, Pierre Lafrance,
Télédétection appliquée à la cartographie thématique et
Ce travail a porté sur la cartographie de l’occupation des topographique : Quatrièmes journées scientifiques du « réseau
terres en zone steppique. Ces travaux ont été réalisés grâce télédétection » de L’UREF Montréal, 21-23 octobre 1991.- Presses de
au concours de l’outil SIG (système d’information l’université du Québec: Québec, 1993.
géographique) et de la télédétection. L’utilisation de la [14] - Direction Général des Foret DGF- CNTC (1994): La carte de
sensibilités des régions steppiques à la dégradation.
télédétection nous a permis d’établir une classification sur la
base de 04 scènes de LANDSAT (ETM+). Dans un second [15] - Entreprise National des Etude Touristique (ENET) 2001 :
Réhabilitation des site historique a travers la Wilaya de Djelfa,
temps, nous avons transformé l’image classifiée en vecteur et première phase d’aménagement.
l’avons intégré dans un SIG pour établir la carte [16] - ERWANN Minnvielle et SOUIAH Said-Ahmed, L’analyse
d’occupation des terres qui a servi de support pour la statistique et spatiale. Statistique, cartographie, télédétction, SIG.
réalisation de bilan pastoral. La base de données établie Edition DUTEMPS 2003 p 284.
permettra aux décideurs d’effectuer le travail de suivi [17] - FERMAND Verger, Télédétection Aérospatiale, méthodes et
évaluation. Elle offre, ainsi, la possibilité de détecter les applications, préface, IDES 1996. p 293.
zones dégradées et de limiter le risque de dégradation future [18] - FRANCOISE Dureau, CHRISTIANE Weber, Télédétection et
par une meilleure planification et une intervention efficace système d’information géographique. Collection Villes 1995. p 379.
par la mise en défens, les rotations et le contrôle de la [19] - HENRI PORNON, La cartographie assistée par ordinateur. Edition
pression sur les parcours. Hermès Paris, 1989. p 59
[20] -HENRI PORNON, Systèmes d’information géographique, pouvoir et
organisations : géomatique et stratégies d’acteurs.- Editions
REFERENCES L’Harmattan : Paris, Canada, 1998 p 255.
[1] -AIDOUD A., Contribution à l’étude des écosystème steppiques du [21] - HIRCHE A., BOUGHANI a.et NEDJRAOUI D. A propos de la
Sud-Oranais :Phytomasse, productivité et application pastorales qualité des parcours en zones arides. chaiers Option Médit. Zaragoza.
Thèse Doct.3eme Cycle, Université H.Boumeiène, Alger. 1983, p p 39. 1999.
254. [22] - HORIZI Ratiba. Contribution à l’étude d’un écosystème à Lygieum
[2] - AIDOUD A., Contribution à l’étude des écosystème steppiques spartum L. dans le Sud Oranais : diagnostic phytoécologique et
paturés des hautes plaine Algero-Oranaises. Fonctionnement, cartographique. Mémoire de magister Université H. Boumediène,
évaluation et évolution des ressources végétales. Thèse Doct., Alger.2004. p133
Université H. Boumeiène, Alger. 1989, p 254. [23] - Girard Michel-Claude, Colette M. Girard, Traitement des données
[3] - BALLET A, BOGUET E, NGUYEN PT, FORTIN M (1984): de télédétection.- Dunod : Paris, 1999 p 529.
Évolution de l'occupation du sol "Recherche de méthodes [24] - Laaribi Amor, SIG et analyse multicritère : Hermes : Paris, 2000
comparatives et de traitement par l'utilisation des simulations spot de [25] - MARC Robin, La télédétection des satellites aux systèmes
1981 à 1983. Institut aménagement d'urbanisme de la région d'île de d’information géographique, Edition NATHAN 1995 mise à jour
France. 50P. 1998. p 319.
[4] - BENNOUA.T, MANIERE. R & LEFERE. M (Mars 1995) : [26] - MARC Léobet, système d’information et risque naturels préface,
AFRICAGIS, "Méthodologie de caractérisation des parcours Les presses de l’école des mines. PARIS 2003.
subdésertiques: région de Ouarzazate (MAROC)".
[27] - MELZI. Approche phytoécologique du processus de la
[5] - BESAID. A 1997: Traitement et intégration des données satellitaires désertification dans un secteur présaharien : Messad - DJELFA.
et multisources dans la conception d'une base de données dans un SIG Thèse Mag . Université H. Boumediène, Alger.1986. p133
en vue de la caractérisation d'un milieu physique "application à une
zone steppique au nord de Laghouat" Thèse de Magister, CNTC, [28] - POUGET M., Les relations sol - végétation dans les steppes Sud –
Algérie. algéroise. Doc. ORSTOM. Paris, p 555.
[6] - BOUKHOBZA. M (1982): l'agro pastoralisme traditionnel en [29] - ROGNON. P: Sécheresse et aridité, leur impact sur la désertification
Algérie, OPU, Alger. au Magreb, Revue Sécheresse N°4 Vol.7 Décembre 1996.
CNTA ’09 Université A.MIRA BEJAIA

[30] - Roger MANIERE, Elisabeth BASSISTY, Jean-Claude [32] - SLIMANI H., Effet du paturage sur la végétation et le sol et
CELLES,Said MELZI., Utilisation de la télédetection spatiale déséertification.Cas de la steppe à Alfa (Stippa tenacissima L.) de
(données XS de Spot) pour la cartographie de l’occupation du sol en Rogaza des Hautes plaines occidentales algériennes. Thèse Mag.
zones arides méditerranéennes :exemple d’AINOUSSERA (Algerie). Université .H. Boumediène. Alger, 1998. p 123.
cah. Orstom, série. pédol.vol XXVIII, n°1,1993 :67-80 [33] - Zanin Christine, Trémélo Marie-Laure, Savoir faire une carte : aide
[31] - Rapport national de l’Algérie sur la mise en œuvre de la convention à la conception et à la réalisation d’une carte thématique univariée.-
de lutte contre la désertification, 2004 Direction générale des forêts Edition BELIN : Paris, 2003
DGF 35 p
CNTA ’09 Université A.MIRA BEJAIA

Caractérisation de l’état de sol en utilisant des données


Radar polarimétriques

Souissi B., Ouarzeddine M., Belhadj-Aissa A.


LTIR, faculté d’électronique et Informatique
USTHB
Alger, Algérie
b.souissi@yahoo.com, m.ouarzeddine@yahoo.fr,
h.belhadj@lycos.com

Résumé— La c lassification d’images polarimétriques ra dar dizaines de mètre). L’information fournie par ces radars
consiste à p artitionner l’image dans d es d ifférentes c lasses, imageurs est exploitée dans le domaine des sciences de la
représentant l es d ifférentes ca tégories des objets t errestres de terre, soit directement, soit conjointent avec d’autres
la s cène observée au s ol (état d e surface d es sols, p résence d e données (optiques, infrarouges, cartographiques…).
bâti, etc.). Le processus de traitement consiste à créer à partir
Comme les ondes radars avec différentes polarisations et
des i mages p olarimétriques r adar u ne i mage t hématique dont
le co ntenu n e re présente p lus u ne mesure p hysique mais u ne fréquences interagissent différemment avec les structures au
interprétation e t u ne i dentification de l a nature des objets sol, La télédétection radar a connu un formidable essor dans
associés a ux p ixels. Dans cet a rticle, l a m éthode d e Freeman- les dernières décennies grâce à la conception et à la
Durden a é té utilisée. l es éc hantillons d e l ’image t raitée s ont réalisation des systèmes SAR polarimétriques qui peuvent
décomposés e n t rois g roupes d e mécanismes de diffusion: acquérir des images multipolarisation et multifréquences à
double r éflexion t el q ue le b âti et les t roncs d ’arbres, haute résolution. Il est clair que la combinaison de plusieurs
surfacique tel qu’une route et un sol nu et volumique telle que polarisations menant au domaine de la polarimétrie, permet
la ca nopée des f orêts. Ainsi, l es rés ultats d e l a décomposition d’améliorer les résultats de la classification. La polarimétrie
sont t rois i mages d’intensité ( puissance) qui r eprésentent l es
utilise la nature vectorielle de l’onde : c’est une technique
trois mécanismes d e diffusion. C es t rois i mages f acilitent
l’interprétation visuelle et re nseignent sur l’état d e s urface d e qui vise à caractériser les cibles en enregistrant leur réponse
la z one i magée. Le s ite d ’étude est l a z one de pour différentes polarisations d’émission et de réception.
Oberpffafenhoffen à Munich en Allemagne, les images sont de L’utilisation de la polarimétrie en télédétection
type aéroportées. SAR permet d’estimer la nature physique des mécanismes
de rétrodiffusion. Afin de permettre la séparation des
Mots cl és : Radar, p olarimétrie, cl assification, d écomposition, mécanismes au sein d’une même cellule de résolution,
mécanisme différents théorèmes de décomposition de cible ont été
proposés [1], [2]. Dans cette optique, il y’a deux types de
décomposition : la décomposition cohérente (CTD :
I. INTRODUCTION Coherent Target Décomposition) et la décomposition non
cohérente (PCTD : Partially Coherent Target
Ces dernières années ont vu se développer le radar à Décomposition) [3].
ouverture de synthèse SAR (Synthetic Aperture Radar) qui La décomposition est largement appliquée pour
peut produire des images régulièrement par tout temps. Les l'interprétation, la classification et la segmentation des
capteurs SAR utilisés pour imager la surface terrestre sont données SAR polarimétriques. Le site d’étude est la zone de
soit aériens soit satellitaires, chacun ayant ses propres Oberpffafenhoffen à Munich. Les images SAR
caractéristiques et avantages. Les capteurs embarqués sur polarimétriques sont acquises dans la bande P. Cette zone
des porteurs aériens fournissent de meilleures résolutions est constituée en majorité des forêts de type conifères et
tandis que les porteurs spatiaux sont d’une part plus stables caduques et des forêts mixtes avec différente densité,
et, d’autre part, permettent de couvrir des zones plus hauteur et age. Il contient aussi une route qui traverse la
étendues. Les premiers systèmes SAR satellitaires utilisés forêt et quelques bâti et champs agricoles (Fig. 1).
en télédétection (p.ex. ERS, RADARSAT1, JERS) étaient
des systèmes mono-bandes, mono-polarisation, permettant
d’acquérir des images à basse résolution spatiale (quelques
CNTA ’09 Université A.MIRA BEJAIA

Le modèle de diffusion volumique est basé sur des


diffuseurs cylindriques minces, dont la position et
l’orientation suivent une distribution aléatoire uniforme. Le
modèle de diffusion à double réflexion est basé sur des
réflecteurs dièdres, dont les surfaces réflectives sont faites de
matériaux diélectriques différents, et on utilise un modèle de
diffusion de Bragg [7] pour la diffusion surfacique.
Le modèle donne une estimation de la contribution de la
rétrodiffusion totale de chacune des trois composantes.

A. Décomposition de la matrice de covariance


Les propriétés polarimétriques d’un diffuseur peuvent être
décrites par la matrice de diffusion S définie sous la forme
suivante :

 S hh S hv 
S =   (1)
 S hv Svv 

Où S hh et S vv représentent les paramètres complexes co-


polaires, tandis que Shv représente le paramètre de la
Fig. 1. Image optique de la zone d’étude polarisation croisée.
(Google Earth)
La formulation vectorielle de la matrice de diffusion est une
II. TÉORIE DE LA DÉCOMPOSITION
approche qui remplace la matrice de diffusion par un
La décomposition de Freeman-Durden [4] est une vecteur de trois éléments complexes, tout en conservant la
évolution de la méthode de Van Zyl [5]. Elle permet de signification de l’énergie totale (span), c’est à dire :
fournir trois composantes d’une cible à travers la
décomposition de la matrice de covariance sous la condition
span = S hh + S vv + 2 S vh
2 2 2
de la réflexion symétrique [6]. Les trois composantes sont les (2)
trois mécanismes de diffusion suivants: la diffusion de
surface, la double diffusion et la diffusion de volume (Fig.
2). Dans la base Lexicographique, le vecteur de diffusion a la
forme suivante [8] :
 T
kL 
S
=  hh

2Shv Svv  (3)

Et dans la base de Pauli :


(a) 
kp =
1
[S hh + Svv S hh - Svv 2S hv ]T (4)
2
Où T indique l’opérateur Transpose.
Le vecteur de Pauli exprime la diffusion cohérente de la cible
en trois types : la diffusion impaire, la diffusion paire et la
(b) diffusion multiple.
La matrice de covariance correspondante au vecteur
Lexicographique est :
Sous la condition de la réflexion symétrique définie comme
suit :
(c)
Fig. 2: Mécanismes de diffusion. (a) : diffusion s hh shv
*
= s hv svv* = 0 (5)
surfacique, (b) diffusion d’un dièdre et (c) diffusion
volumique.
CNTA ’09 Université A.MIRA BEJAIA

Les éléments en dehors de la diagonale deviennent alors Où α est un paramètre qui dépend des constantes
nuls : diélectriques des surfaces du dièdre, de l’angle d'incidence et
de la polarisation.
 S 2 0 S hh S vv*   Pour la diffusion volumique, le modèle de cette
 hh  diffusion est basé sur des diffuseurs cylindriques minces,
[C ] =  0 2 S hv
2
0 

(6) dont la position et l’orientation suivent une distribution
aléatoire uniforme. On obtient ainsi :
 S S* S vv 
2
0
 vv hh  La matrice de diffusion d’un dipôle dans l’orientation
standard :

s 0
Les matrices de diffusion et les matrices de covariance
S dipole =  h
sv 
(15)
correspondantes des trois mécanismes sont modélisées [4] :
0
 Pour une diffusion surfacique par un modèle de
diffusion de Bragg donné par : Où Sh=1 et Sv=0 pour un dipôle horizontal, et Sh=0 et
Sv=1 pour un dipôle vertical.
β 2 0 β
β  
[S ] = 
0
⇒ [C ] s = 0 0 0
1
(7) Après une démonstration algébrique, nous trouvons pour
0 β 0 1
la canopée (ou volume) :
 
Les termes individuels obtenus de la matrice de covariance
S hh = S vv =1
2 2
sont : (16)

S hh =β , S vv =1
2 2 2
(8)
S hh S vv* = S hv = 1/ 3
2
(17)

S hh S vv* = β , S hv =0
2
(9) et S hh S hv
*
= S hv S vv* = 0 (18)
et S hh S hv
*
= S hv S vv* = 0 (10) d’où la matrice de covariance :

Où β est un paramètre qui dépend de la constante  1 0 1 / 3


diélectrique de la surface de Bragg, de l’angle d'incidence et [C ] v =  0 2 / 3 0 
 (19)
de la polarisation de l’onde électromagnétique.
1 / 3 0 1 
 Pour une diffusion d’un double rebond : le
mécanisme examiné par le modèle est un réflecteur dièdre Enfin, La matrice de covariance de ce modèle de
formé par deux surfaces réflectives avec des propriétés décomposition a la forme suivante :
diélectriques identiques ou différentes, d’où :
[C ] = f s [C ] s + f d [C ] d + f v [C ] v (20)

α 2 0 α
α 0   Où f s , f d , et f v sont les coefficients de la diffusion
[S ] =  ⇒ [C ] d = 0 0 0  (11)
0 1 α
surfacique, double rebond et volumique respectivement.
0 1
 
Dans ce cas, les éléments de la matrice de covariance sont:
B. Tableau de contributions
S hh =α , S vv =1
2 2 2 La table I, résume les contributions de diffusion pour les
(12)
différents éléments de la matrice de covariance obtenue [C].

S hh S vv* = α , S hv =0
2
(13)

et S hh S hv
*
= S hv S vv* = 0 (14)
CNTA ’09 Université A.MIRA BEJAIA

TABLE I. CONTRIBUTIONS DE DIFFUSION III. RÉSULTAT ET DISCUSSION


Eléments de Diffusion Diffusion de Diffusion Les images obtenues par la décomposition de Freeman-
[C] surfacique double rebond volumique Durden ont été combinée dans une composition colorée RGB
shh
2
fs β
2
+ fd α
2
+ fv où la couleur bleu a été affectée à la diffusion surfacique, la
couleur rouge à la diffusion d’un dièdre et la couleur verte à
svv
2 fs + fd + fv la diffusion volumique. Le résultat de la décomposition est
donné sur la Fig. 3. et est comparé avec le résultat de la
décomposition de Pauli montré sur la Fig. 4.
s hh svv* fsβ + f dα + fv / 3
La scène imagée est constituée de plusieurs thèmes: des
shv
2 0 + 0 +
fv / 3 zones forestières, des champs agricoles et des régions
urbaines. Si nous comparons les deux résultats des images
RGB obtenues à partir de la décomposition cohérente de
Pauli et la décomposition non-cohérente de Freeman-
le modèle de la rétrodiffusion totale donne alors un Durden, nous remarquons que la deuxième image RGB
système à trois équations et quatre inconnues: donne plus de détails sur les thèmes de la zone par rapport à
la première image RGB. En particulier, les parties
shh = fs β + fd α
2 2 2
(21) forestières sont caractérisées par la couleur verte témoignant
d’une forte dominance de la diffusion volumique. Celle-ci
résulte des rétrodiffusions des feuilles et des branches de la
svv = fs + fd
2
(22) canopée des arbres. Ces zones forestières sont colorées en
blanc dans l’image RGB de Pauli, témoignant d’une
contribution équilibrée des trois types de diffusion.
s hh svv* = f s β + f d α (23)
Pour les zones du bâti, nous remarquons que les deux
décompositions sont équivalentes où dans la première ce
et s s*
hh hv = s s *
hv vv =0 (24) type de diffuseur est donné en couleur jaune (rouge+vert) et
dans la deuxième en couleur mauve (rouge+bleu).

La solution à ce système est basée sur la condition de Van


Zyl [5], qui dépend du signe de la partie réelle de shh svv* .
- Si ( )
Re shh svv* est positive, nous décidons que la diffusion
surfacique est dominante et α = −1 .

- Si ( )
Re s hh s vv* est négative, la diffusion d’un double
rebond est dominante et β = 1 .
forêt
Ainsi, les valeurs de α et de β peuvent être obtenues à partir Bâti
de la solution de ces équations. Bâti
Les puissances qui correspondent aux coefficients f s , f d et
f v sont :
Champ agricole

ps = f s 1 + β( ) 2
(25)

pd = f (1 + α )
2
d (26)

pv = 8 f v / 3 (27)
Fig. 3: Image de la décomposition Freeman-Durden
Et la puissance totale (Span) est donnée par : ps :Bleu, pd :Rouge et pv :Vert

pt = ps + pd + pv = S hh + 2 S hv + S vv
2 2 2
(28)
CNTA ’09 Université A.MIRA BEJAIA

caractériser et distinguer les différents objets a été étudié et


analysé pour améliorer la séparation des différents types de
diffuseurs au sol. Nous avons étudié et analysé la méthode de
décomposition non cohérente de Freeman-Durden et nous
l’avons comparée à la méthode de décomposition de Pauli
qui est une méthode cohérente. La décomposition de
Freeman-Durden dépend de la matrice de covariance et la
symétrie des objets au sol. En comparant ces deux méthodes,
nous avons conclue que la méthode de Freeman-Durden
donne plus de détails surtout pour les objets simples tels que
les trièdres de calibration et une meilleure discrimination
entre les forêts et le bâti. Cette méthode est bien adaptée à la
détection des cibles tels que les bateaux dans la mer ou les
crashes d’avions.

REFERENCES
[1] S. R. Cloude and E. Pottier. “ A review of target decomposition
theorems in radar polarimetry” , IEEE transaction on Geoscience and.
Remote Sensing, vol. 34, pp. 498-518, March 1996.
[2] Yamaguchi, T. Moriyama, M. Ishido, and H. Yamada. “Four-
component scattering model for polarimetric SAR image
decomposition,” IEEE Trans. Geoscience and Remote Sensing, vol.
Fig.4 : Image de Pauli, 43, pp. 1699–1706, August 2005.

S hh + S vv :Bleu, S hh − S vv :Rouge, 2 * S hv : Vert


[3] R. Touzi and F. Chabonneau, “Characterization of target symmetric
scattering using polarimetric SARs,” IEEE transaction on Geoscience
and. Remote Sensing, vol. 40, no. 11, pp. 693-711, November 2002.
[4] A. Freeman, S.L. Durden. “A three component scattering model for
polarimetriuc SAR data”. IEEE transaction on Geoscience and.
Pour les diffuseurs surfaciques, la décomposition de Remote Sensing, (3), pp. 963-973, May1998.
Freeman-Durden est nettement meilleure que celle de Pauli, [5] J.J. Van Zyl. “Unsupervised classification of scattering behavior
où nous distinguons les trièdres de calibration en couleur using radar polarimetry data”, IEEE Trans. Geoscience and Remote
bleu. D’où nous concluons que la méthode de Sensing, 27(1):36-45, Jan. 1989.
décomposition de Freeman-Durden donne des résultats plus [6] D. L. Shuler, J. S. Lee, and G. De Grandi., “Measurement of
topography using polarimetric SAR images,” IEEE transaction on
proches à la réalité du terrain. Geoscience and Remote Sensing, vol. 34. no. 5, September 1996.
[7] I. Hajnsek, S. R; Cloude, J. S. Lee, and E. Pottier, “Inversion of
surface parameters from polarimetric SAR,” IEEE transaction on on
IV. CONCLUSION Geoscience and Remote Sensing, vol. 41, no. 4, April. 2003.
[8] A. Reigber, “Airborn polarimetric SAR topography”. PhD thesis, the
Dans cet article, le potentiel des données polarimétriques Navigation Institut, Stuttgart university, 2001.
SAR acquises dans les polarisations HH, VV et HV pour

Вам также может понравиться