Traitement d'image
Analyse territoire
Télédetection
Veille
Spatial
Objectifs
Concevoir et implémenter un processus « le plus automatique possible », de détection de changement avec imagerie radar S1 et sur de grandes surfaces.
Résultats
Les travaux ont permis de réaliser un état de l’art et de concevoir un processus, puis ont abouti à son implémentation algorithmique basée sur la production de piles d’images et la comparaison entre elles. Le processus a été éprouvé dans différents cas d’utilisation.

Contexte

L’étude commanditée par le SatCen couvre l’ensemble du processus permettant d’offrir un service de détection de changement : état de l’art/analyse des algorithmes/outils et services de détection de changement, des plateformes de stockage et de la distribution des données Sentinel-1.

Elle a abouti à la mise en place d’un ProofOfConcept combinant les services fournis par les membres du consortium (SpaceApplications, EOProc, AdviceGeo et Geo212).

Description du projet

Afin d’ajuster la chaîne de traitement de la manière la plus générique possible, aucune donnée auxiliaire n’est utilisée lors du pré-traitement des images radar : ce sont les processus disponibles dans le logiciel SNAP qui sont utilisés, avec un téléchargement automatique des données pour l’estimation du Modèle Numérique de Terrain.

Les variations paysagères d’une date à l’autre sont limitées par l’utilisation d’une série temporelle de quatre images qui constituent un état de départ de la zone d’étude (T0) et subissent un filtrage multi-temporel du bruit et un moyennage en vue d’une comparaison avec une image à un état plus récent (T1).

Voir exemple de détection de changement

La répétitivité des satellites permet de créer une pile d'images par mois (4 images sont acquises en 36 jours dans les latitudes les moins couvertes) et donc d’analyser les changements à cette fréquence.

La visualisation des changements brute sous forme de composition colorée permet de mettre en évidence les changements détectés mais elle est parfois bruitée. Pour cette raison, un indicateur de changement sous forme carroyée, s’appuyant sur différentes données externes (base de données d’OCS), vient filtrer et qualifier les changements bruts.

Voir exemple de détection de changement filtrée