Traitement d’image par ENVI

P  Introduction
 ENVI
 Stretching
 Classifications d’image

L  L’image
 Exploration de l’image
 Matrice de confusion
 Filtrage et vectorisation

A
 Compositions d’image
 Géoréférencement
 Annotation de l’image
 Segmentation de l’image  Indices

N  Signature Spectrale
I
N
T
R
O
D
U
C
T
I
O
N
I
• ENVI:
N Ce logiciel développé par ITT VIS est beaucoup plus spécialisé pour les images multi-spectrales que pour les
T aspects plus cartographiques des autres logiciels SIG. Il permet l’intégration facile de données matricielles et
vectorielles. Il offre aussi quelques algorithmes de classification. Il possède la capacité d’ajout aisé de modules et
R ses algorithmes peuvent être utilisés par des programmes externes de diverses façons (COM, RPC,
CALL_EXTERNAL, LINKIMAGE). De plus, il est possible de le combiner à un autre outil d’ITT VIS nommé
O IDL afin de créer des applications externes utilisant les algorithmes d’ENVI. Finalement, avec les versions plus
récentes, il est possible d’intégrer les capacités d’ENVI à ArcGIS (voir plus bas) pour générer des cartes utilisant
D les données d’ENVI en passant par ArcMap.

U
C
T
I
O
N
Présentation du logiciel RSI ENVI :
ENVI est un logiciel complet de traitement d’images de télédétection, optiques et radar. Toutes les méthodes de traitement
d’images de corrections géométriques et radiométriques, de classification et de mise en page cartographique sont
présentes. D’autres outils relatifs à la visualisation et à la modélisation de données topographiques sont aussi disponibles. Le
logiciel ENVI est conçu en langage IDL (Interactive Data Langage) et offre donc des moyens de programmation évoluée. Il a
été conçu et développé par ITT Visual Information Solutions. ENVI permet d’extraire rapidement l'information pertinente des
images géospatiales. L'ensemble de ses outils et modules spécialisés permettent de lire, explorer, analyser les données et de
partager l'information. Avec une interface Windows, il est facile d’utilisation. Le logiciel ENVI offre des fonctionnalités des
systèmes de traitements interactifs de données numériques géocodées (données satellitaires, images numérisées, cartes
digitalisées,….). Avec ses options, Envi propose un environnement de traitement, d’archivage et de consultation d’images sur
PC et de nombreuses fonctions de transformation pour SIG. Des programmes de liaison Import-Export permettent
l’intégration des données avec d’autres logiciels fondamentaux de SIG, CAO, DAO

Lancement d’ENVI:
- Lancez le logiciel par Démarrer → Programmes →ENVI;

- Ou double-cliquez l’icône d’Envi sur le bureau;

- Naviguez à travers le menu principal d’Envi pour examiner les différents menus et sous menus disponibles.
Organisation d’images de télédétection:
Les images de télédétection sont en mode RASTER et fournies sous différents formats. Certains sont propres aux satellites
concernés et contiennent les données brutes (SPOT, Landsat, IKONOS,NOAAH, etc...), d’autres sont spécifiques aux
logiciels de télédétection les plus connus (format LAN et img d’Erdas, PCI de PCI, BIL d’ArcGIS, etc...). Dans le mode
RASTER, l’espace est divisé en unités spatiales élémentaires. Cette unité spatiale élémentaire est appelée pixel (Picture
element). La taille en unités de distance de ce pixel définit la résolution spatiale de l’image. Un fichier RASTER peut être
constitué d’un ou plusieurs plans. Une image couleur en mode RVB (Rouge, Vert, Bleu) contient trois plans de couleurs. En
8 bits, chaque plan de couleur correspond à des teintes variant de 0 à 255. 0 étant du noir et 255 est la couleur pure
(blanche). La combinaison de trois valeurs 0 pour chaque plan produit une teinte noire. Au contraire, une teinte blanche
est produite par combinaison de trois valeurs identiques de 255 pour les trois plans rouge, vert et blanc. Les images
satellites peuvent contenir de nombreux plans. Chaque plan image correspond à une bande spectrale précise, c'est-à-dire
à une longueur d’onde dans laquelle l’image a été acquise. Les fichiers raster utilisés dans des applications SIG et de
télédétection ne contiennent pas un niveau de couleur mais des informations quantitatives mesurées : rayonnement
réfléchi ou un signal radar rétrodiffusé pour les images issues de la télédétection passive et radar, la profondeur de la
nappe phréatique pour les cartes piézométriques, l’altitude pour les cartes topographiques. Selon les logiciels, les
références spatiales sont soient enregistrées dans les entêtes de l’image (*.img de Erdas Imagine, DEM) soit dans un
fichier séparé (le fichier *.hdr Header pour ENVI). Une image de télédétection est le plus souvent constituée de plusieurs
couches. Chaque couche correspond à un intervalle de longueur d’onde bien précis. Pour chaque pixel de l’image, deux
informations sont disponibles et ne doivent en en aucun cas être confondues : l’information couleur qui ne sert que pour
l’affichage et l’information radiométrique qui correspond à une mesure physique. Un logiciel de télédétection distingue
entre ces deux types d’informations. Au contraire, un logiciel de traitement de photos numériques ne considère que
l’information couleur. Une image de télédétection enregistrée sous un format grand public (bmp, tiff, jpg, gif, …) ne
contient qu’une information couleur et perd donc tout son intérêt.
MAGE
L’IMAGE est
Composition colorée et Mosaïque de l’image numérique satellitaire:
a. Ouverture des 3 bandes:
La composition colorée d’une image satellitaire, est de donner aux différentes bandes de l’image des couleurs déterminées.
Pour cela on va se baser sur 3 bandes (2,3et4) d’une image Landsat. Ces dernières se trouvent séparément dans un dossier
nommé « XXX », nomenclature relative à la région concernée par l’image.

- Ouverture des 3 bandes:

Les trois bandes se trouvent dans un dossier nommé « Input ».

En plus de ce dossier, on a créé un autre dossier sous le nom
« Output » dans lequel nous mettrons les fichiers de sorties
obtenus après traitement de l’image. Ces deux dossiers doivent
être indiqués au logiciel, par la définition de leurs chemins
d »accès dans la rubrique « Préférences » du logiciel, comme
indiqué ci-dessous.
Maintenant que les chemins d’accès sont définis, on procède
l’ouverture des trois bandes (bande 2, bande 3, et bande 4) tout
simplement comme indiqué dans l’imprimé écran suivant.

En cliquant sur « Ouvrir », les trois bandes s’ajoutent dans la liste

des bandes valables.
 Si les 3 bandes sélectionnées possèdent
le même nom « Band1 ». Cela, indique
que l’image Landsat a été prise sur une
seule bande mais le nom de cette bande
est bien montré un peu en dessus (voir
imprimé écran suivant). Pour cela, nous
allons renommer ces trois bandes en
faisant correspondre chacune d’elle le
nom indiqué.

Les imprimés d’écrans suivants montrent, dans

l’ordre, comment pour renommer les trois bandes
en question.
 - Affichage des 3 bandes:
Pour afficher à l’écran les trois bandes, on procède dans l’ordre comme indiqué aux imprimés écrans suivants :

Affichage de la bande 4 :
Affichage de la bande 3 : La bande 3 s’affiche sur l’écran avec la bande 4
Affichage de la bande 2 :
Comme pour la bande 3, on procède de la même manière pour afficher la bande 2 l’écran.

 On remarque que chaque bande est affichée l’écran en niveau de gris par ce qu’on n’a pas encore fais la composition
colorée.

- Composition colorée de l’image :

On va attribuer l’image la composition colorée suivante :

Bande 4  Rouge

Bande 3  Vert

Bande 2  Bleu
Enregistrement de l’image en composition colorée :

Après avoir attribué l’image la composition colorée voulue, on procède son enregistrement comme indiqué aux imprimés
écrans suivants.
Affichage de l’image
en composition
colorée :

Pour afficher l’image

en composition
colorée, il suffit de
suivre les étapes
indiquées aux
imprimés écrans
suivants :
 b. Mosaïque d’une image satellitaire :

On va découper l’image satellitaire en trois portions. Ensuite, nous rassemblerons ces trois portions dans une nouvelle fenêtre
ENVI. Les étapes suivantes montrent comment faire la mosaïque d’une telle image satellitaire. Dans notre cas, l’image se trouve
dans un dossier qui s’appelle « Image_Sat », qui se trouve son tour dans le dossier nommé « Input ».

Après avoir ouvert l’image indiquée l’aide du logiciel ENVI, suivez les étapes indiquées dans les imprimés écrans suivants :
On procède de la même manière pour découper les deux autres portions de l’image satellitaire d’origine.

Application du mosaïque et enregistrement de l’image :

Pour appliquer la mosaïque effectuée et enregistrer la nouvelle

image en mosaïque, il faut suivre les étapes suivantes :
 Filtrage et vectorisation des images satellitaires:

Nous allons effectuer le filtrage de notre image satellitaire en utilisant quatre types de filtre à savoir le filtre passe-haut, le filtre
médian, le filtre Laplacien et le filtre directionnel. Pour ce dernier type de filtre, nous allons essayer avec quatre angles (25°, 75°,
90° et 180°). Une comparaison des résultats obtenus sera faite entre les quatre types de filtres utilisés pour une même bande
puis entre trois bandes de l’image. Après avoir effectué le filtre de l’image, nous vectoriserons trois éléments majeurs de l’image :
un élément ponctuel, un élément linéaire et un élément surfacique.

Les bandes 1, 2 et 3 :

Bande 1 :

- Filtre passe-Haut/
Le filtrage de la bande 1 en utilisant le filtre passe
haut s’effectue avec le logiciel ENVI selon les
étapes indiquées dans les imprimés écrans
suivants :
 - Filtre médian :

Pour réaliser un filtre médian pour la bande une, il suffit de suivre les mêmes étapes que pour le filtre passe-haut, sauf pour le
choix du type de filtre où nous devons, dans ce cas, choisir le filtre médian comme indiqué dans l’imprimé écran suivant :
 - Filtre Laplacien :
Pour réaliser un filtre Laplacien pour la bande une, il suffit de suivre
les mêmes étapes que pour le filtre passe-haut et le filtre médian,
sauf pour le choix du type de filtre où nous devons, dans ce cas,
choisir le filtre Laplacien (Laplacian) comme indiqué dans l’imprimé
écran suivant :
- Filtre directionnel :

Contrairement aux trois autres types de filtre, évoqués précédemment, le filtre directionnel nécessite la définition d’un angle de
direction (Directional Filtre Angle). Pour cela, nous allons présenter la méthodologie étape par étape jusqu’à la d »finition, en
considérant un angle de 25 degrés.

Angle de direction égale à 25° :

Angle de direction égale à 75° :
Pour réaliser un filtre directionnel avec un angle de 75° sur la
bande 1, il suffit de suivre les mêmes étapes indiquées lors de
la réalisation du filtre directionnel pour la même bande avec un
angle de 25° sauf pour l’angle de direction qu’il faudrait le
mettre 75°. La méthodologie étant très facile. Nous nous
limiterons dans ce qui suit à la présentation des résultats pour
ce filtre.
Angles de direction égaux à 90° et 180° :

La méthodologie à suivre pour appliquer le filtre directionnel

avec des angles de 90° et 180° sur la bande 1 est la même que
celle suivie pour les deux filtres directionnels avec les angles de
25° et 75°, déjà appliqués précédemment sur la même bande. Il
suffit de changer l’angle de direction comme voulu pour avoir le
filtre appliqué. Pour cela, nous nous limiterons dans ce qui suit
la présentation des résultats en ce qui concerne l’application du
filtre directionnel avec les deux angles 90° et 180° sur la bande
1.
 Angle de direction Angle de direction égale à 180° :
90° :

Bandes 2 et 3 :

Il s’agit de suivre la même démarche pour appliquer les quatre filtres réalisés précédemment sur les deux autres bandes de
l’image (bande 2 et bande 3).
 Vectorisation de l’image :
Nous allons réaliser trois vecteurs (ponctuel, linéaire et surfacique) représentant trois éléments majeurs sur la bande 1 filtrée
l’aide du filtre passe haut. Pour ce faire, il faut suivre les étapes expliquées dans les imprimés écrans suivants.

Image de la bande 1 filtrée avec le filtre passe haut :

Vecteur surfacique :
Comme vecteur
surfacique, nous allons
vectoriser un lac.
1. Cliquez sur « Vector »,
ensuite sur « Intelligent
2 Digitizer »

3 1
2. Cliquez sur la bande vectoriser (bande filtrée avec le filtre passe haut dans notre cas)
3. Cliquez sur OK
Une boite de dialogue apparaît (4)

4
4. Choisissez ma couleur voulue Dans notre cas, on a choisis la couleur bleu.

5. Commencez la digitalisation et après avoir terminé, cliquez avec le bouton droit de

la souris puis acceptez le nouveau polygone.

6
4
- Enregistrement du vecteur :
1. Cliquez sur « Vector », ensuite sur « Available Vectors List ».

Dans la fenêtre qui apparaît :

2. Cliquez sur le bouton « Select All layers »
3. Cliquez sur « File » et choisissez « Save Memory
layers to File »
4. Cliquez sur le bouton « Choose » pour
choisir le chemin d’enregistrement puis validez par
OK.
Ouverture d’un fichier vecteur :
1. Cliquez sur « Vector », ensuite sur « Available Vectors List ».

2. Cliquez sur le
bouton « Select All Layers »
3. Cliquez sur le
bouton « Load Selected »

4. Cliquez sur « New Vector

Window », ensuite sur OK
Le vecteur lac apparaît donc dans la nouvelle fenêtre

- Vecteur linéaire :
Noux allons vectoriser la limite entre la mer et le
continent.
Pour ce faire, il suffit de suivre la même démarche
que précédemment.
Digitalisation de la limite
Fichier vecteur de la limite entre la mer et le continent.

- Vecteur ponctuel :

Nous allons vectoriser le point d’intersection entre deux oueds.

Stretching
Un meilleur stretching est obtenu lorsque les pixels sont d’une manière gaussienne sur l’axe des abscisses. Nous allons faire un
streching sur les trois bandes de l’image (RVB). Les imprimés écrans suivants expliquent comment ce faire.
1. Cliquez sur « Enhance », ensuite sur « Interactive stretching »

La fenêtre interactive de stretching apparait. Elle comprend les deux

histogrammes d’entrée et de sortie.
2. Laissez la bande rouge cochée par défaut et placez le curseur de la souris dans l’histogramme d’entrée sur la ligne
verticale pointillée et faite-la glisser à droite ou éventuellement gauche de façon à obtenir une répartition gaussienne des pixels
au niveau de l’histogramme de sortie.

3. Cliquez sur le bouton « Apply » pour appliquer le

stretching choisi.
L’image change et on aura un paysage différent avec
4. Enregistrer l’image stretchée en procédant
apparition d’autres éléments en plus de la comme suit :
végétation savoir terrain nu est eau.
5. Dans la fenêtre qui apparaît, cliquez sur « Choose » pour choisir le nom du fichier de sortie (dans notre cas on a
choisi le nom : Stretching _Bande R).
6. Cliquez sur OK.

Le logiciel commence à enregistrer 7. Effectuer les stretchings des

deux autres bandes restantes (Bande
l’image stretchée verte et bande bleue) en procédant de la
même manière que précédemment.
a. Streching de la bande verte (G)
- Histogramme :
- Image stretchée de la bande verte (G) : b. Stretching de la bande bleue (B) :
-Histogramme :

Image stretchée de la bande bleue (B) :

 Segmentation de l’image
La segmentation sur une seule bande (Bande1) doive avoir une valeur Min. et Max. Nous prenant par exemple la population
minimale et maximale respectivement comme ces suites 16 et 48.
- Cliquer sur « Basic Tools » - Cliquer sur « band 1 » - Remplir les valeurs Min. et Max.
- Cliquer « Segmentation » - Cliquer OK - Cliquer « Choose », choisire
l’enplacement sur vitre PC
- Cliquer OK

- Segmentation en cours
 • Cliquer sur « New Display »
• Cliquer sur « Load » pour afficher la segmentation sur votre
écran

Remarque : La segmentation réduit le nombre

d’éléments sur l’image et maintenu la
végétation et l’eau comme éléments principaux.
Annotationde l’image
Annotation des principaux éléments présents sur l’image: -Mer; Plage; Lac; Végétation; Minéraux; etc,,,

Le processus est come ce suit :

- Commencer la nomenclature
- Cliquer sur « Overlay »
- Cliquer sur Annotation Mer : Plage :
Minéraux : Végétation : Végétation :
Classifications d’images:
 Classifications par arbre de décision:
L’image utilisée est une portion d’une image Landsat 7 ETM.

- Démarrez le logiciel par l’une des manières que vous

connaissez.
- A partir de la barre de Menu de ENVI, sélectionner « File »
→ « Open Image File ».
- Naviguez jusqu’au répertoire C:\Formation_ENVI\Input\
sélectionnez le fichier voulu de la liste et cliquez ouvrir
(open).

La liste des bandes disponibles apparait à l’écran.

- Examinez l’image.
- Chargez les bandes 4 ;3 et 2 comme ci-dessous.
Visualisez les données de
- Cliquez sur « No Display » et sélectionnez « New l’image à partir du pixel

Display ». locator, avant de construire

l’arbre. Cela peut être utile.
- Cliquez sur « Load RGB ».
 Introduire les règles de l’arbre décisionnel :
- A partir de la barre du menu principal d’Envi, sélectionnez « Classification » → « DecisionTree » → « Build New DecisionTree ».

La boite de dialogue de l’arbre de décision d’Envi apparait. Par défaut, l’outil de l’arbre de décision commence avec un nœud de
décision vide qui divisera les pixels de l’ensemble des données en deux groupes, utilisant n’importe quelle expression de décision
binaire introduite dans ce nœud vide.
Pour définir la décision, cliquez sur le nœud de décision intitulé Node 1.

La boite de dialogue de modification de décision apparait.

 - Au niveau du champ Name, tapez « NDVI >=0.4231 ». C’est le texte qui apparaitra
au niveau du nœud de décision dans la vue graphique de l’arbre de décision.
- Dans le champ « Expression », tapez : »{ndvi} ge 0.4231 »

L’expression entrée dans le champ dit à Envi de diviser les pixels en ceux qui ont des valeurs de NDVI inférieures et supérieures
à 0.4231.

NDVI est l’indice fréquent de végétation verte abondante calculé à partir des bandes du rouge et de l’infra-rouge d’une image
multispectrale. L’arbre de décision calculera l’indice de végétation NDVI pour chaque pixel, et trouvera les pixels qui possèdent
des valeurs supérieures ou égales à

0,4231.

- Puis cliquez sur OK.

La boite de dialogue Variable/Files Pairings apparait.

- Dans la boite de dialogue

Variables/Files Pairing,
cliquez une fois sur la variable
« {ndvi} ».

La boite de dialogue du fichier sélectionné à associer avec la

variable apparait.
- Sélectionnez le fichier dénommé Kou_20070518_432et cliquez OK.

Cette étape dit à l’arbre de décision qu’en évaluant l’expression de décision, les valeurs de NDVI devraient être calculée à
partir de l’image Kou_20070518_432. Lorsque les longueurs d’ondes sont connues, ENVI calculera les bandes qui sont
nécessaires pour le calcul de NDVI. Si une image sans les longueurs d’ondes mentionnées sur le header a été choisie, alors
vous devez identifier les bandes qui correspondent au rouge et à l’infrarouge pour le calcul du NDVI.

- Entrez « 1 » dans Near IR Band et « 2 » dans Red Band.

- Cliquez OK.
- L’écran suivant apparait :
- Cliquez le menu « Options » puis sur « Execute » pour exécuter la classification.
- Contentez-vous de temporairement stocké le résultat dans « Memory », cliquez OK.
Entrer des règles additionnelles :

C’est maintenant un simple classificateur d’arbre de décision. Les pixels avec NDVI supérieur ou égal à 0.4231 seront inclus
dans classe 1 (Class 1) (la classe blanche), et les pixels avec NDVI inférieur à 0.4231 seront inclus dans la classe 0 (Class 0) (la
classe noire). Vous pouvez entrer des règles de décisions additionnelles pour développer une classification plus compliquée.

- Faites un clic droit sur le nœud Class 1 et sélectionnez « Add Children » pour subdiviser les pixels avec NDVI élevé
en sous catégories.
Deux nouvelles classes sont automatiquement crées en dessous de la classe 1.

Le nœud qui était préalablement intitulé classe 1

est maintenant vide.

- Cliquez une fois sur ce nœud.

- La boite de dialogue de modification de
propriété apparait.
- Dans le champ Name, tapez « Ndvi>=0.4892 ».
- Dans le champ Expression, tapez: « {ndvi} ge0.4892 »

- cliquez OK.

La décision va diviser les pixels de NDVI élevés en deux autres classes de NDVI.

- A partir de la barre de menu de la boite de dialogue de ENVI Decision Tree

sélectionnez « Options » → « Execute »,

- Ou faites un clic droit sur la zone arrière-plan de couleur blanche de la boite

de dialogue de

ENVI Decision puis choisissez « Execute ».

- La boite de dialogue de Decision Tree Execution Parameters apparait.

- Choisissez le répertoire dans lequel il faut enregistrer le fichier.

- Cliquez sur OK.
- Le résultat s’affiche automatiquement dans la boîte Available Bands
List.
 Visualiser les résultats de l’arbre de décision :

La couleur d’un pixel donné dans le résultat est celle de la classe à laquelle il appartient après classification à partir de
l’arbre de décision. Ainsi, par exemple, les pixels noirs sont ceux qui ont des valeurs de NDVI inférieure à 0.4231dans
l’arbre de décision.

- Examinez l’arbre de décision d’Envi une fois encore. Notez que la vue par défaut ne comporte pas toutes les informations
qui devraient être affichées.

- Faites un clic droit sur l’arrière-plan blanc de la boite de dialogue de ENVI Decision Tree et sélectionnez « Zoom In ».
L’étiquette de chaque nœud affiche le nombre de pixels et le pourcentage de l’image entier qui progresse à chaque
nœud de l’arbre. On peut redimensionner la fenêtre de l’arbre de décision pour visualiser la fenêtre complète.

- Placez le curseur de la souris sur n’importe quel nœud de l’arbre de décision, et notez l’information dans la barre de statut
en bas de la boite de dialogue d’ ENVI Decision Tree. C’est un autre moyen utile pour avoir rapidement de l’information
sur un nœud dans l’arbre, spécifiquement si la vue de l’arbre n’est pas zoomée pour montrer les détails du nœud.
L’arbre de décision dispose des fonctionnalités permettant des mises après avoir élaboré
des classifications. On peut notamment procéder :

- Au changement de couleur de classes et de noms ;

- A l’émondage (Prune) de l’arbre (enlever temporairement les descendants) afin de
les réinstaller sans redéfinir la règle de décision ou les propriétés de nœud ;
- Supprimer (Delete) définitivement les descendants de l’arbre.

C’est possible de sauvegarder les arbres de décision, incluant tous les appariements entre
les variables et les fichiers. Sauvegardez un arbre de décision vous permet de le restaurer
dans une session prochaine de ENVI.

- Du menu de la barre de l’arbre de décision, sélectionnez « File » → « Save Tree ».

- La boite de dialogue de sauvegarde de l’arbre de décision apparait.
- Tapez un nom de fichier de sortie pour l’arbre, et cliquez OK.
- Vous pouvez quitter votre session d’ENVI en sélectionnant « File » → « Exit » à
partir du menu principal d’ENVI.
Classifications non-supervisée:
La classification non-supervisée est une classification non dirigée ou appelé automatique. Dans ce type de classification il
suffit de choisir la méthode de classification (comme la méthode des seuils), et le logiciel fait la classification d’une
manière automatique.

Cette classification peut être effectuer en deux méthodes :

1. Iso-Data ;
- Sous le menu classification, cliquez sur « Unsupervised » et choisir la méthode de la classification
voulue. Dans notre cas, cas, on vas choisir la méthode « IsoData ».

- Cliquez sur la partie de l’image sur

laquelle, vous voulez réaliser la
classification et cliquez sur OK.
- Cliquez sur « Choose » pour choisir le - Dans la liste des bandes valables, cliquez sur « ISODATA
chemin d’enregistrement. Cliquez OK. (partie de l’image) » sur « New display » et enfin sur
« Load ». l’image classifiée d’une manière non supervisée
par la methode IsoData s’affiche alors l’écran.
 2. K-Means:

Procédez de la même manière pour réaliser une classification non supervisée par la méthode K-Means.

- Classification 2 classes :

Choisir un nombre de classe égale 2 puis choisissez le chemin d’enregistrement et cliquez sur OK.

L’image de la classification non supervisée par la méthode K-Mezans.

En suivant les mêmes étapes que précédemment,

nous obtenons, selon le nombre de classe choisi, les
images suivantes :
Classification K-Means à 3classes : Classification K-Means à 4 classes : Classification K-Means 5 classes :
Classification K-Means 6 classes : Il ne nous reste donc que le choix des couleurs pour les images classifiées
obtenues. Dans ce qui suit, nous allons montrer comment choisir les couleurs en
prenant comme exemple la dernière image classifiée (IsoData 6 classes).

- Sous le menu « Tools », cliquer sur « Color Mapping » et choisir « Class Color
Mapping » comme ci-Dessous :
Choisissez les couleurs comme voulu.
Après avoir nommé les
classes et choisi les On obtient finalement, l’image classifiée suivante :
couleurs, cliquer sur le
menu option et cliquer sur
« Save Change » pour
sauvegarder le travail.
 Classifications supervisée:
Pour réaliser une classification supervisée, on procède comme suit :
- Dans le menu « Tools », cliquer sur « Region Of Interest », puis sur « ROI Tool » comme indiqué ci-dessous :

Le logiciel demande, par défaut, de lui schématiser la première zone d’intérêt

(Région #1)
- Schématisez donc cette zone sur l’image, la renommer
en double-cliquant là-dessus puis valider avec la touche
« Entrée » du clavier.
On se propose de déterminer 6 zones d’entrainement :
 Végétation chlorophyllienne (forêts)  Couleur verte
foncée
 Végétation peu chlorophyllienne (végétation herbacée) 
Couleur verte claire.
 Eau peu profonde (plage)  Bleu 1
 Eau moyennement profonde (plage)  Bleu 2
 Eau très profonde (plage)  Bleu 3
 Minéraux (calcaire et habitat)  Couleur blanche
 Schématisation des zones d’entraînement :
Tableau des zones d’entrainement : - Cliquez sur « Select All Items »
pour sélectionner toutes les zones
d’entrainement effectuées.
- Cliquez sur « Choose » pour
choisir le chemin d’enregistrement
- Cliquez sur OK.

- Une fois la schématisation des zone

d’entrainement est terminée, on
procède l’enregistrement en
cliquant sur « File », ensuite sur
« Save ROIs ».
Deux méthodes de classification supervisée peuvent être aussi appliqué pour une calcification rapide

1. La méthode parallelepiped :
- Cliquez sur « Classification », « Supervised », - Cliquez sur « Select All Items »

« parallelepiped » - Cliquez sur «Choose» et choisissez un chemin

d’enregistrement
- Cliquez sur Ok.

- Sélectionnez « Partie de l’image » et cliquez sur OK.

- Cliquez sur « New display », ensuite sur « load » pour afficher la nouvelle image classée

Eléments Non classés

 2. La méthode de Maximum Likelihood :
- Suivez les mêmes étapes que précédemment

- Cliquez sur « Classification », pour obtenir l’image classée suivante :

« supervised » , « Maximum Likelihood ».

Comparaison :
Il est à remarquer que la deuxième méthode (Maximum Likelihood)
semble être plus meilleure que la première (parallelepiped) dans le
sens où elle a classifié tous les éléments de l’image dans les classes
qu’on a choisi au départ alors que la deuxième méthode laissé des
éléments non classés (en noir sur l’image).
Signatures spectrales
Signatures spectrales des principales surfaces naturelles
En fonction de la nature et des caractéristiques intrinsèques des objets et des surfaces, le rayonnement incident interagira avec
la cible selon l'une ou l'autre des propriétés citées précédemment, ou de manière générale selon une combinaison de ces
propriétés.
Chaque surface possède ainsi une signature spectrale - quantité d'énergie émise ou réfléchie en fonction de la longueur d'onde
- qui lui est propre et qui permettra son identification sur les images satellitaires. La figure ci-dessous présente la signature
spectrale des principales surfaces naturelles.
SIGNATURES SPECTRALES DES SURFACES NATURELLES DANS LE DOMAINE DU VISIBLE, DU PROCHE INFRAROUGE ET DE L'INFRAROUGE MOYEN
 En ce qui concerne la signature spectrale des sols, on note un accroissement régulier de la réflectance au fur et à mesure qu'on se déplace vers les grandes longueurs d'onde. Les discontinuités que l'on
observe dans le proche infrarouge et l'infrarouge moyen sont dues aux bandes d'absorption de l'eau. L'étude des propriétés spectrales des sols est toutefois particulièrement complexe car elle doit tenir
compte de la nature hétérogène du sol qui contient à la fois des matières minérales et organiques, mais aussi une composante liquide ; tous ces éléments vont influencer la réflexion du rayonnement.

La signature spectrale de la végétation, ainsi que les principaux facteurs influents seront détaillés dans le chapitre consacré à l'environnement terrestre

Les caractéristiques spectrales de la végétation

L'eau a une réflectance très faible dans toutes les longueurs d'onde, elle absorbe cependant un peu moins les ondes les plus courtes, d'où sa couleur bleue. Sa signature spectrale dépend à la fois des
molécules qui la constituent, mais aussi des éléments dissous ou en suspension dans la colonne d'eau, comme les organismes phytoplanctoniques, les sédiments ou les substances jaunes. Lorsque la couche
de surface contient de fortes concentrations en phytoplancton, on observe une augmentation de la réflectance dans les longueurs d'onde du vert et l'eau nous paraît par conséquent plus verte (figure
A). Plus l'eau est turbide, plus elle contient de matériaux sédimentaires, plus sa réflectance augmente dans toutes les longueurs d'onde et notamment pour les ondes les plus longues - rouge (figure B).

La signature spectrale de la neige est très forte dans les courtes longueurs d'onde, mais elle diminue rapidement dans le proche infrarouge, pour atteindre des valeurs très faibles dans l'infrarouge moyen où
le rayonnement est absorbé par l'eau
FIGURE A : RÉFLECTANCE DE L'EAU DE MER EN FONCTION DE SA TENEUR FIGURE B : RÉFLECTANCE DE L'EAU DE MER POUR DIVERSES VALEURS DU COEFFICIENT D'ATTÉNUATION
EN CHLOROPHYLLE (EN MG.M-3) À 550 NM.

D'après Gower et al., 1988 D'après Thomas, 1978

Le coefficient d'atténuation de l'eau mesure la perte d'énergie du rayonnement (ici à 550 nm) traversant la colonne d'eau. Il permet d'apprécier la transparence de l'eau liée à la présence de particules en
suspension, qui gènent la transmission de la lumière.
Signatures spectrales sous ENVI :
Le but de cette section est de déterminer des profils spectraux de
différentes unités d’occupation du sol. Il s’agit de déterminer les
différentes valeurs de la luminance (niveaux de gris) pour chacune
des principales unités de paysage : sols nus, cultures, eau, forêts,
etc….
- Démarrez ENVI.
- Ouvrez l’image Kou_20070110 situé dans le répertoire c:\
Formation_ENVI\Input.
- Puis chargez l’image en RGB.
- Dans le menu Tools de la fenêtre Display, cliquez sur l’outil Spectral Pixel Editor :

- Faites en sorte que l’écran soit organisé comme ci-dessous en glissant les
différentes fenêtres :
- Ouvrez également le Pixel Locator.

A l’aide de l’outil Pixel Locator aller sur une forêt

- Dans la boite de dialogue de Pixel Locator
choisissez pour Sample = 518 et Line= 663.
- Puis cliquer sur Apply pour se positionner sur
la forêt.
- Utilisez la fenêtre Zoom pour bien localiser le curseur sur
l’image (+, -).

- Une fois, l’entité du paysage (Foret) est choisie, dans le

menu Edit de la boîte de dialogue Spectral Pixel Editor,
utilisez Extract 8 pixel average (ou 4, 2) selon les
dimensions de l’unité afin d’extraire une valeur moyenne de
la luminance dans chacune des bandes.

- La signature spectrale s’affiche dans un graphique du Spectral Pixel Editor.

- Allez vers une surface d’eau à l’aide du Pixel Locator (Eau de Suo), Sample=415,
Line=365.

- De nouveau dans la fenêtre Spectral Pixel Editor cliquez Extract 8 pixels.

- Une deuxième ligne s’ajoute.
- Répétez maintenant l’opération pour sols nus et autres minéraux (sols faiblement couverts) : Sample=589, Line=500.
- Choisissez Extract 4 pixel average.

- Répétez maintenant l’opération pour l’agriculture (culture et prairies) en

utilisant Pixel Locator : Sample=489, Line= 389.
- Choisissez Extract 2 pixel average.
Une fois ces opérations terminées,
déterminez pour chacune des unités
étudiées, un profil type.
- Cliquez à l’aide du bouton droit de la
souris dans la fenêtre graphique pour
afficher la légende en cliquant sur le
menu Plot Keys.
Une légende s’affiche à droite de la graphique.
- Dans le menu Edit, cliquez sur Data Parameters et donnez des noms
thématiques à chacune des courbes.
- Cliquez dans la case en face de Name et
donnez les noms convenables :
 Foret
 Eau
 Sols nus
 Cultures et prairies
- Après avoir changé tous les noms cliquez sur Apply pour appliquer.

- Fermez Data Parameters.

- On obtient comme graphique :

- Utilisez ensuite dans le menu File de la fenêtre

Spectral Pixel Editor l’option Save Plot As →
Image File.
La boite Output Plot to Image File s’ouvre.
- Au niveau de Output File Type choisissez BMP.
- Cliquez sur le bouton Choose pour choisir le répertoire et
enregistrez le fichier sous le nom Signatures_spect.bmp
dans C:\Formation_ENVI\Output.
- Insérez ensuite cette figure dans un fichier Microsoft Word.
- La figure suivante montre quelques profils spectraux
déterminés sur certaines entités du paysage. On remarque que
les signatures sont bien différentes dans les bandes 1 et 2. Ces
différences typiques pour ces occupations nous aideront à
classifier facilement l’image.

Bande 1 : R = proche infra-rouge

Bande 2 : V = rouge
Bande 3 ; B = vert
- Quittez ENVI.
 - Histogramme bidimensionnel
L’histogramme bidimensionnel exprime la distribution de tous les pixels de
l’image dans le plan constitué, par exemple, par le rouge en abscisse et le proche
infrarouge en ordonnée. Ces deux bandes sont celles où on observe un contraste
important entre les différentes unités du paysage, comme constaté dans les
profils spectraux.

L’outil 2D scatter plot permet d’examiner la relation entre les valeurs de pixels
dans les deux bandes sélectionnées et également la distribution spatiale dans
l’image des pixels dans n’importe quel endroit du scatter plot.

- Démarrez ENVI.
- Ouvrez l’image Kou_20070110 situé dans le répertoire C:\Formation_ENVI\
Input\.
- Puis chargez l’image en RGB.
- Dans le menu Tools de la fenêtre Display, cliquez sur l’outil 2D-Scatter Plots.
- Sélectionnez B30 pour X et B40 pour Y, et cliquez sur OK

- Dans le Display, faites bouger le

curseur en gardant le bouton gauche
enfoncé.
- Des points rouges s’affichent dans le
Scatter Plot correspondant aux valeurs
- La boite du Scatter Plot apparait.
de réflectance Infra-Rouge et Rouge.
- Cliquez sur différents endroits ou
occupations sur l’image et remarquez
leurs positions dans le Plot.
- Dans la fenêtre Scatter Plot, utilisez
l’outil Options → DensitySlice.
Cette option permet d’afficher la distribution des densités de pixels dans le
repère rouge, proche infrarouge. L’histogramme affiche la distribution des
pixels de la fenêtre Display. En changeant la zone affichée dans la fenêtre
Display, partie du rectangle rouge dans le Scroll l’histogramme va être
aussi modifié
- Désactivez le Density Slice avant de poursuivre.

On va positionner différentes unités du paysage sur le plan

rouge, proche infrarouge. Des exemples de données à utiliser à
l’aide du Pixel Locator :

 Guinguette Sample=518, Line=663

 Eau Sample=413, Line=366
 Sols nus Sample=589, Line=500
 Agriculture Sample=489, Line= 389

- Dans le menu Class → New Items 1:20→…, choisissez une

couleur autre que le blanc.
- Cliquez et faites bouger le curseur sur le Zoom dans
la zone de la Guinguette.
- Observer quelles zones se colorent dans le Scatter
Plot.
- Ensuite, dans le Scatter Plot, à l’aide de la souris
dans la zone correspondant à la Guinguette, tracez
un polygone en cliquant à l’aide de la souris
(bouton gauche) de nombreuses fois autour d’une
petite zone de l’histogramme bidimensionnel.
Faites bouton droit pour fermer le polygone.

Remarquez que dans le Display et le Zoom, les zones

ayant les mêmes caractéristiques spectrales que la
Guinguette s’affiche en vert.
Pour faire cette opération sur plusieurs différentes zones :

- Déplacez la fenêtre du Zoom vers une autre région, faites-

vous guider par le Pixel Locator.
- Dans le Scatter Plot, cliquez Class → New
- Choisissez une autre couleur pour chaque zone.

Utilisez les outils Options → Clear Class ou Clear All pour

effacer les classes indésirables.

Remarquez les classifications dans le Display : vert pour forêt,

blue pour eau, jaune pour sols nu et rouge pour agriculture.

Il est important de rappeler que l’outil 2D scatter plot permet

d’examiner la relation entre les valeurs de pixels dans de deux
bandes sélectionnées et également la distribution spatiale
dans l’image des pixels dans n’importe quel endroit du
scatter plot.
- Dans le menu Options de la
fenêtre Scatter plot, cliquer sur
Mean all pour déterminer les
moyennes dans les trois bandes de
chaque zone de l’histogramme
- Sélectionnez le fichier Kou_20070110 et cliquez sur OK.
bidimensionnel
- Une fenêtre Scatter Plot
Mean s’affiche indiquant les
moyennes dans les trois
bandes.

- Comme pour les courbes issues de l’outil Spectral Editor,

modifiez la légende du graphique et l’insérez ensuite dans le
même fichier Word.
- Quittez Envi.
Indice NDVI:
Le NDVI est un indice de végétation qui se définit comme la différence normalisée des mesures de réflectance spectrale
acquises dans les zones de longueurs d’onde ‘Proche Infra-Rouge’ (PIR) et ‘Rouge’ : NDVI = (PIR - Rouge) / (PIR +
Rouge) Sa valeur varie théoriquement varie entre -1 et 1. En pratique, une surface d’eau libre (océan, lac,…) prendra des
valeurs de NDVI proches de 0, un sol nu prendra des valeurs de 0.1 à 0.2, alors qu’une végétation dense aura des valeurs de
0.5 à 0.8. Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs d’onde appelée
PAR (Photosynthetically Active Radiation), dont fait partie la zone du Rouge. Par contre, le PIR est fortement diffusé (non
absorbé : transmis et réfléchi) par la plante. Par conséquent, une plante verte vive apparait sombre dans le PAR (dont le
rouge) car ces longueurs d’ondes sont absorbées par la plante (petite valeur de réflectance), et brillante dans le PIR car ces
longueurs d’ondes sont réfléchies en partie (grande valeur de réflectance). Le NDVI est directement lié à l’activité
photosynthétique des plantes et donc à la capacité d’absorbation énergétique de la canopée du couvert végétal. Il agit
comme indicateur de la biomasse chlorophyllienne des plantes. En termes de réflectance dans le PIR et le Rouge. Une
végétation en bonne santé absorbe la plupart de la lumière visible qu’il intercepte et réfléchit une partie importante de la
lumière PIR. Une végétation en mauvaise santé ou clair semée réfléchi plus de lumière visible et moins de PIR.
Indice NDVI - Possibilité 1-
Création d’un indice de végétation radiométrique NDVI
- Démarrez une nouvelle session d’Envi.
- Ouvrez l’image Landsat du bassin du Kou ‘Kou_20070110’. Elle date du 10 janvier 2007.

Puis charger l’image en RGB (RGB). On rappelle que la bande

4 = proche IR, la bande 3 = rouge et la bande 2 = vert.

- La boite de dialogue suivante s’ouvre :

- Dans le menu principal de la barre d’outils ENVI cliquez sur le menu Transform → NDVI.

- Sélectionnez ensuite l’image Kou_20070110 puis validez par OK

Lorsque les longueurs d’ondes sont connues, ENVI calculera les bandes qui sont nécessaires pour le calcul de NDVI. Si une
image sans les longueurs d’ondes mentionnées sur le header a été choisie, alors vous devez identifier les bandes qui
correspondent au rouge et à l’infrarouge pour le calcul du NDVI (c’est le cas dans cet exercice).
- Choisissez les bandes correspondantes et donnez le nom - Choisissez Floating Point comme Output Data Type, puis
NDVI_Kou_20070110 au nom de l’image NDVI créée (red cliquez OK.
= bande 3, ici la bande 2, near IR = 4 ici la bande 1).

- L’image NDVI est ajoutée à la liste d’images dans la boîte Available Bands list.

- Affichez ensuite l’image en mode Gray scale sur une

nouvelle fenêtre Display 2.

- L’écran doit comporter les deux fenêtres : la

composition colorée et l’image NDVI.
- Afin de lier spatialement ces deux
images, dans le menu Tools de l’une de
deux fenêtres Display, cliquez sur
l’option Link puis Link Displays.
- La boite suivante s’ouvre : - Maintenez les Yes. Cette opération synchronise les fenêtres
de visualisation sélectionnées.
- Maintenez Dynamic Overlay sur On. Cette opération permet
une superposition dynamique des images des différentes
fenêtres de visualisation synchronisées.
- Indiquez une Transparency (opacité en réalité) de 0 %. Cette
opération permet de rendre la couche supérieure d’une
fenêtre de visualisation transparente en cliquant dessus.
- Ne modifiez pas les Link Size / Position.
- Cliquez OK.
Les deux fenêtres sont spatialement liées : la même zone de l’image est affichée sur les deux fenêtres. En cliquant sur l’une
des deux images à l’aide du bouton gauche de la souris, on affiche l’autre image.

Pour les différentes unités de paysage : eau, différents types de forêts, sols nus, cultures,… déterminez l’ordre de grandeur
de l’indice NDVI.

- Afin de faciliter la recherche des différentes unités, ouvrez le Pixel Locator du menu Tools.
- Insérer éventuellement un par un les valeurs suivantes dans
le Pixel Locator :
 Eau : Sample= 414 ; Line= 366 NDVI= -0.180328
 Forêt : Sample= 521 ; Line= 656 NDVI= 0.325843
 Agriculture Sample=489, Line= 389
 Sols nus : Sample= 609 ; Line= 420 NDVI= -0.097222
 Cultures : Sample= 473 ; Line= 355 NDVI= 0.264151
- Cliquez sur Apply afin que le curseur se déplace.
- Utilisez ensuite pour trouver les différentes valeurs NDVI le Cursor Location/Value du même menu Tools de la fenêtre
Display

- La valeur de NDVI se trouve sur la ligne : Disp #2 Data : -0.180328.

 Interprétation de la bande de l’indice de végétation :

Nous voyons apparaître sur l’image deux types de végétation bien distincts :

1. Une végétation un peu noirâtre (couleur sombre) : c’est une végétation pauvre en chlorophylle ;
2. Une végétation blanche (Couleur blanche) : c’est une végétation riche en chlorophylle.
- Plus les pixels sont blancs, plus la végétation est riche en chlorophylle et vice-
versa.
a. Indice de clarté (IC) :
C’est un indice qui met en évidence la clarté des sols. Il est
donné par la formule suivante :

Pratiquement, sous ENVI, il faut suivre les mêmes étapes

que pour l’indice de végétation sauf de remplacer la
formule comme suit : b2-b3/b2+b3.
- Interprétation de l’indice de clarté :

Plus un sol est noirâtre plus il absorbe de l’eau. C’est la principale

caractéristique du sol argileux qui retient de l’eau.

Au contraire, plus un sol est moins noirâtre (du gris au blanc) plus il
n’absorbe pas de l’eau. Il s’agit dans ce cas d’un sol sableux.

Pratiquement, dans notre cas, nous voyons apparaître sur l’image

ces deux types de sol (voir les imprimés écrans suivant).
b. Indice de brillance (IB) :
L’indice de brillance (IB) met en évidence les minéraux dans le sol. Il est donné par la formule suivante :

Avec :
PIR : Proche Infrarouge
R : Rouge
Pour calculer l’indice de brillance avec ENVI, il suffit de suivre les mêmes étapes que l’indice de végétation en changeant la formule comme
suit : sqrt (b1^2+b2^2)

 Le logiciel commence à calculer l’indice de brillance.

- Interprétation de l’indice de brillance (IB) :

Selon cet indice, plus un sol est noirâtre plus il

contient du fer (sol ferrugineux). Au contraire, plus il
est blanc plus il contient du calcaire (sol calcaire).

Pratiquement, sur l’image nous voyons apparaître ces

deux types de sol.
Indice NDVI - Possibilité 2-
Une autre possibilité pour créer un indice NDVI, ou toute autre combinaison de bandes, est donnée par l’outil Band Math :
- Cliquez sur Basic Tools → Band Math, pour y accéder.
- Ensuite il vous suffira de taper une expression du type b4 – b3/(b4 – b3) dans la fenêtre Enter an expression, de cliquer Add to List, de la
sélectionner, et de définir par sélection les bandes.
- Créez également une image NDVI pour l’image Kou_19860116 se trouvant dans le répertoire C:\Formation_ENVI\Input que vous
nommerez NDVI_Kou_19860116.
- Enregistrez-le dans le répertoire C:\Formation_ENVI\output.
- Chargez les deux images NDVI créées : NDVI_Kou_19860116 et NDVI_Kou_20070110 successivement dans les vues 1 et 2.
- Cliquez sur Tools → Link → Link Displays dans la barre de menu d’une des fenêtres de visualisation que vous voulez synchroniser,
- Testez rapidement la synchronisation de vos fenêtres à partir d’une ‘Scroll window’ et la superposition dynamique à partir d’une ‘Image
window’
Symbologie :
- Cliquez sur Tools → Color Mapping → ENVI Color Tables dans la barre de menu d’une des fenêtres de visualisation dont vous voulez
changer la symbologie.
Explorez les différents types de symbologie et choisissez une symbologie qui vous paraît idéale pour comparer les 2 images,
par exemple, la symbologie BLUE/GREEN/RED/YELLOW.

- Répétez ces opérations pour l’autre fenêtre de visualisation.

Comparez visuellement ces 2 images. Aidez-vous notamment du ‘Cursor
Location / Value’.
Avec la symbologie ‘BLUE/GREEN/RED/YELLOW’, quelles couleurs sont
associées à une faible et importante valeur de NDVI ?
Que remarquez-vous ?
Réfléchissez en termes d’évolution spatiotemporelle du NDVI.
Cette évolution est-elle la même partout sur l’image ?
Analyse de détection du changement (Change detection analysis)
L’analyse de détection du changement comprend de nombreuses méthodes
dont le but est d’identifier, de décrire et de quantifier, les différences entre
images d’une même scène (même endroit) prises à différents moments
(janvier 1986 et janvier 2007) ou dans des conditions différentes.
Avez-vous une idée des situations dans lesquelles ce genre d’analyse peut être utile ?
Vous allez maintenant utiliser l’un des outils les plus simples d’ENVI pour l’analyse de détection du changement :
Compute Difference Map. Cet outil permet d’analyser le changement entre une paire d’images représentant un stade
initial et un stade final (avant et après le changement). L’output résultant de cette opération est calculé en soustrayant
l’image initiale de l’image finale (finale – initiale) et consiste en une image classifiée dont les classes sont définies par
des seuils de changement.
Cette image de changement informe sur la nature du changement apparu : pas de changement, changement positif ou
négatif, changement important ou faible en termes de surface ou d’intensité.
Pour analyser le changement en termes de couverture végétale sur le Bassin du Kou entre janvier 1987 et janvier 2007,
réalisez les opérations suivantes :
- Allez dans le menu principal d’ENVI Basic Tools → Change Detection → Compute Difference Map
 - Dans la fenêtre Select the ‘Initial State’ Image, sélectionnez l’image ante changement (image avant changement),dans ce
cas-ci, l’image NDVI_Kou_19860116.
- Cliquez OK.
- Dans la fenêtre Select the ‘Final State’ Image sélectionnez l’image post
changement, dans ce cas-ci l’image NDVI_Kou_20070110.

- Cliquez sur le bouton Define Class

Thresholds pour définir les seuils.
- La boite suivante s’affiche :

- Dans votre cas laissez les seuils par défaut et cliquez sur OK pour aller de
nouveau vers la boîte Compute Difference Map Input Parameters.
Plusieurs méthodes de calcul de changement s’offrent à vous. Vous allez essayer
la méthode ‘Simple Difference’ avec et sans preprocessing de normalisation :
- La méthode Simple Difference réalise une simple différence entre les valeurs de Digital Number (DN) des deux images NDVI
Comparaison d’évolution NDVI dans le temps:
En comparant vos deux images (NDVI_Kou_19860116 et NDVI_Kou_20070110) à l’aide du ‘cursor/location value tool’, faites-
vous une idée sur la gamme de valeurs qui ressortira de cette analyse.
- Le preprocessing Normalize Data range (0 – 1) réalise un prétraitement consistant en : (DN – min) / (max – min) qui
réduit la gamme des valeurs de chaque image entre 0 et 1. En utilisant cette méthode, quelle gamme de valeurs
ressortira de l’analyse de changement avec les 2 images NDVI ?
- Cochez Simple Difference.
- Choisissez d’enregistrer vos images résultats comme fichier dans le répertoire C:\Formation_ENVI\output avec comme
nom : SD_5class_an86_an07
- Cliquez sur OK.
Le fichier résultat apparait dans la boite de dialogue Available Bands List.
- Ensuite, chargez l’image de changement classifiée dans une nouvelle fenêtre de visualisations que vous
synchronisez avec les images de base (NDVI) et comparez.
- L’image montre le changement qui a eu lieu entre les deux images NDVI_Kou_19860116 et
NDVI_Kou_20070110. Pour voir la légende, allez à Tools → Color Mapping → Class Color Mapping de
l’image de SD_5class_an86_an07.
- La couleur RGB (127, 127, 127) représente la zone sans changement. La couleur RGB (192, 63, 63)
représente des zones de changements positifs. La couleur RGB (63, 63, 192) représente des zone de
changement négatif.
- Cette image montre un véritable changement de NDVI entre les deux années. Commentez les
résultats obtenus.
 Matrice de confusion :
Le contrôle de la classification se fait sur la base d’un échantillon de pixels vérifiés sur le terrain. L’échantillonnage se fait sur
l’ensemble de l’image (et pas uniquement dans les sites d’entraînement):
- Avec une distribution spatiale aléatoire et une distribution par classe aléatoire, proportionnelle ou égale.
- Avec une distribution spatiale systématique (quadrillage).
- Avec une distribution spatiale fonction des données à disposition (fonction du trajet de la mission de terrain).
Le nombre de pixels de l’échantillon est compris entre 30 et 60 selon la couverture relative de chaque classe.
l'approche suivante est adoptée:
Digitaliser les points correspondants aux sites de référence dans un fichier ROIs.
- Lancer : Classification >Confusion Matrix > Using Ground Truth ROIs.
- Sélectionner l’image issue de la classiffication.
- Confirmer en cliquant OK.
- Vérifier les combinaisons et confirmer en cliquant OK.
- Confirmer en cliquant OK.
Démarrer la session :
- Démarrez Envi et chargez le fichier Kou_20001216_432 situé dans le répertoire C:\Formation_ENVI\input.
Nous allons à présent créer des zones relevées sur le terrain à l'aide des coordonnées GPS qui serviront à construire les régions
pour les occupations suivantes:
 Forêt (334050 E; 1237140 N)
 Sols faiblement couverts (344220 E; 1252260 N)
 Savanes (346380 E; 1237590 N)
 Agriculture (332760 E; 1256280 N)
• Créez de petites zones de 30 à 60 pixels autours de ces points GPS.
• Enregistrez le fichier de ces régions nouvellement créées sous le nom Contrôle régions occupation 20001216_432.roi.
Charger à présent votre fichier issu de votre classification dénommé Maxclax_Kou_20001216 situé dans le répertoire C:\
Formation_ENVI\Output.
Cliquez « Classification » → « Post Classification » → « Confusion Matrix » → « Using Ground Truth ROIs ».

- La boite de dialogue suivante s’ouvre :

Choisissez votre fichier image dénommé Maxclax_Kou_20001216 résultat de votre Classification.

- Cliquer sur Ok.

Dans la boite de dialogue qui s'ouvre faites les correspondances

qui permettent de faire la classification:
- Cliquez sur « Add Combination » puis sur « Ok » pour valider la correspondance.
- Laissez les choix dans la boite suivante qui s'affiche par défaut puis cliquez sur « Ok ».

La boite de dialogue suivante affiche les résultats de la

comparaison de la classification. Vous pouvez élargir
les bords de la boite pour afficher tous les résultats.

Procédez donc à l'analyse des résultats pour apprécier votre

classification. Vous avez les résultats en pourcentage et en
pixels.
Les clés de l'interprétation des résultats :
Différents indicateurs de précision sont proposés : Overall Accuracy (précision globale), coefficient Kappa, Commission
(erreurs d’excédents et de déficits), Omission (L’erreur de déficit), User Accuracy (précision pour l’utilisateur) et (Producer
Accuracy) précision pour le réalisateur.
- Overall Accuracy qui signifie la précision totale ou globale qui est le rapport entre le nombre de pixels bien classés
sur le nombre total de pixels. Les diagonales du tableau de matrice nous donnent les pixels bien classés
- Kappa Coefficient qui les le coefficient Kappa est une autre manière d'évaluer la précision en faisant intervenir son
calcul tous les pixels de contrôle relevés sur le terrain et données des diagonales. Ce coefficient est compris entre 0 et 1.
- Commission (L’erreur d’excédents) correspond à l’affectation de pixels d’une classe calculée (groupe de
classification) à d’autres classes des données de référence (terrain). Elle est calculée selon les lignes.
- Omission (L’erreur de déficit) correspond à l’affectation des pixels d’une classe de référence (données terrain) à
d’autres classes calculées (groupes de classification). Elle est calculée selon les colonnes.
- Producer Accuracy (précision pour le réalisateur ) correspond au pourcentage de pixels issus des classes de
référence bien classés dans les groupes d’affectation. Elle est calculée selon les colonnes.
- User Accuracy (La précision pour l’utilisateur) représente le pourcentage de pixels bien classés (par rapport au
nombre total de pixels de la classe). Elle est calculée selon les lignes.
 Géoréférencement :
Le Géoréférencement une carte géologique commence par un quadrillage sur la carte de façon obtenir 5 points d’intersection
sur celle-ci, comme expliqué dans le schéma suivant :

Pour avoir plus de précision, nous avons

fait ce quadrillage l’aide du logiciel
Illustrator.
Après avoir effectué le quadrillage de la carte, nous l’avons exporté en fichier JPEG
La carte en quadrillage (sous format JPEG) doit être importée sous ENVI pour en faire le Géoréférencement. Pour cela, dans le
menu principal d’ENVI, cliquez sur « File », « Open External File », « Generic Formats » et enfin sur « JPEG ».

Maintenant que la cartre est importée sous ENVI, on va

procéder à son géoréférencement comme suit :
1. Dans le menu principal d’ENVI, cliquez sur « Map », «
Registration », « Select GCPs : Image to Map ».
2. Dans la fenêtre qui s’ouvre cliquez sur « Sample Lambert conformal Conic », choisissez comme Datum « Carthage » et
comme unité le Km.

3. Remplir les deux cases en écrivant l’abscisse (en Km Est) du point dans la première
case et son ordonnée (en Km Nord) dans la seconde case. Cliquez sur la carte exactement
sur la première intersection. Cliquer sur « Add point ».
Le premier point d’intersection est ajouté la liste des proints.
Ajouter les quatre autres points de la même manière en
saisissant chaque fois les coordonnées de chacun d’eaux.
On obtient Finalement, dans la liste des points, les 5 points
d’intersection qu’on a choisis au départ.
4. Enregistrer les points d’intersection avec 5. Cliquer sur options, ensuite sur « Warp File… »
leurs coordonnées.
6. Sélectionnez le fichier en mémoire et cliquez sur OK. 7. Cliquez sur « Choose » et choisissez un
emplacement pour enregistrer la nouvelle carte
géoréférencée.

 Le logiciel commence à enregistré l’image

8. Fermez la boite de dialogue. 9. La nouvelle image géoréférencée s’est ajoutée la
liste des bandes. Cliquez sur « New display», ensuite sur «
Load » pour l’afficher à l’ecran.