IDENTIFICATION DES MASSES NUAGEUSES PAR FUSION DE DONNEES IMAGES (RADAR – SATELLITE)
Journal Title: Larhyss Journal - Year 2007, Vol 6, Issue 6
Abstract
Dans cet article, nous présentons une méthode de fusion d’images basée sur une approche probabiliste en vue de l’identification des masses nuageuses. L’objectif visé est l’obtention d’une image segmentée à partir de deux images représentant la même scène captée au même moment par satellite et par radar. L’image résultante pourrait ainsi être utilisée pour une estimation plus fine des précipitations. Pour mettre au point notre méthode, nous avons dans une première étape, recalé les deux images à fusionner afin de superposer les pixels correspondant à un même objet observé par les deux capteurs. Ensuite, en considérant que l’image radar est constituée de trois classes "ciel clair", "précipitations moyennes" et "fortes précipitations" et que l’image satellitaire est constituée de deux classes "ciel clair" et "ciel nuageux", nous avons fait l’hypothèse que l’image résultante est constituée de la combinaison de ces classes. Nous avons ainsi défini pour cette image quatre classes qui correspondent à quatre situations météorologiques, à savoir, "ciel clair", "nuages non précipitants", "nuages à précipitation moyenne" et "nuages à fortes précipitations". Dans une seconde étape, les paramètres initiaux de chaque classe (moyenne et écart type) de chaque image sont déduits à partir d’une modélisation gaussienne de leurs histogrammes. Ces paramètres sont utilisés pour calculer les probabilités a priori d’appartenance des pixels aux différentes classes citées précédemment. Enfin, une première image de fusion est obtenue en appliquant la méthode du maximum de vraisemblance (Tupin et al. 2004). A partir de cette première image, les paramètres de chaque classe sont mis à jour pour être utilisés une deuxième fois, puis les mêmes opérations sont répétées jusqu’à ce qu’aucun pixel ne change de classes d’une itération à l’autre.
Authors and Affiliations
AMEUR Z. | Laboratoire d’analyse et de modélisation des phénomènes aléatoires LAMPA, Département d’électronique, Université de Tizi-Ouzou, Algérie, LAZRI M. | Laboratoire d’analyse et de modélisation des phénomènes aléatoires LAMPA, Département d’électronique, Université de Tizi-Ouzou, Algérie, AMEUR S. | Laboratoire d’analyse et de modélisation des phénomènes aléatoires LAMPA, Département d’électronique, Université de Tizi-Ouzou, Algérie
EVALUATION DU DEBIT SOLIDE DANS LE BASSIN VERSANT DE HARREZA (ALGERIE)
Le transport solide en Algérie enregistre les valeurs les plus élevées de la planète. Le bassin versant du Cheliff, l’un des plus grands de l’Algérie du nord, est soumis à une forte érosion hydrique. Le sous...
ANALYSES STATISTIQUE ET GEOSTATISTIQUE DE LA FRACTURATION EXTRAITE DE L’IMAGERIE ASAR ENVISAT DU SUD-EST DE LA CÔTE D’IVOIRE
The fracturing contributes incontestably to the formation of aquifer in crystalline and cristallophyllien bedrock. Its characterization is therefore inescapable for a better knowledge of fractured aquifers. The aim of...
REMOVAL OF HUMIC ACID BY THE COMBINATION ALUMINIUM SULPHATE / ACTIVATED BENTONITE
This work presents removal of humic substances by the combination of aluminum sulphate/activated bentonite during coagulation-flocculation in waters with various mineralizations. Many reaction parameters (pH, coagulant...
SUIVI DE LA COAGULATION-FLOCULATION DES EAUX DU BARRAGE DE DJORF-TORBA (BECHAR) PAR AJOUT D’ARGILE ET DE CHAUX, ETUDE COMPARATIVE
The aim of this study is interested in the influence of clay addition to the coagulation-flocculation process of Djorf-Torba’s water dam situated near Bechar region (South West Algeria). The Jar test trials with alu...
QUANTITATIVE EVALUATION AND HYDROGEOCHEMICAL PROPERTIES OF GROUNDWATERS FROM PRECAMBRIAN ROCKS OF SAN PEDRO AREA (SOUTHWESTERN CÔTE D’IVOIRE)
San Pedro area covers 6,912 km2 at southwestern Côte d’Ivoire. Its rural population returns to use surface waters for domestic and agricultural needs because of many drillings previously established were damaged. Th...