Segmentation hyperspectrale de forêts tropicales par Arbres de Partition Binaires

Abstract

La segmentation d'images de forêts tropicales est un outil important pour faciliter le travail des écologues. Dans ce papier, nous proposons une nouvelle méthode de segmentation pour les images hyperspectrales, basée sur la construction d'un arbre de partition binaire (APB). Nous introduisons tout d'abord une étape de prétraitement combinant une analyse en composantes principales et la définition de cartes de pré-segmentation, afin de réduire spatialement et spectralement le volume de données à traiter. La construction de l'APB nécessite la définition d'un modèle de région statistique non-paramétrique s'appuyant sur des histogrammes, ainsi qu'un critère de fusion fondé sur la distance de diffusion. Nous introduisons également une stratégie d'élagage de l'APB, adaptée spécifiquement à la segmentation de couronnes d'arbres en forêts tropicales. Pour finir, nous présentons certains critères permettant d'évaluer la qualité de la segmentation finale, basés sur le décompte du nombre de couronnes de référence correctement segmentées. La méthode proposée est validée sur deux jeux de données issues de campagnes aéroportées à Hawaii et Panama, respectivement, avec des résolutions spectrales et spatiales différentes.