extraction des zones urbaines de la ville d’alger à ... · la télédétection urbaine devient...
TRANSCRIPT
Journées d’Animation Scientifique (JAS09) de l’AUF Alger Novembre 2009
Résumé— La rétrodiffusion d’un radar polarimétrique SAR
à partir des structures que nous retrouvons dans les zones
urbaines est différente de la rétrodiffusion des milieux
naturels. En effet, la rétrodiffusion des milieux naturels est
souvent de réflexion symétrique, la matrice de cohérence est
caractérisée par des valeurs proches de zéro en dehors des
éléments diagonaux( <S hhS*h> = <S hvS
*vv> = 0). En
conséquence, pour les zones urbaines, la condition de la
symétrie n'est pas valide et la condition de la non-réflexion
symétrique est à considérer dans ce type de milieu. Cet
article traite des caractéristiques polarimétriques des scènes
contenant une variété de diffuseurs. Notre interêt est porté
sur les structures urbaines et nous avons exploité, à cet effet,
plusieurs méthodes pour extraire les zones urbaines, telles
que la corrélation entre la co-polarisation HH ou VV et la
polarisation croisée HV dans la base linéaire, la corrélation
entre RR et LL dans la base circulaire, les paramètres
dérivés de la décomposition de Yamaguchi et enfin la
classification Entropie/Alpha/Wishart. Nous illustrons nos
résultats en utilisant des images SAR polarimétriques de la
zone d'Alger acquises par le satellite RADARSAT2 dans la
bande C. Cette zone contient de la végétation, des structures
artificielles, des zones urbaines et maritimes.
Mots clefs — Polarimétrie SAR, Symétrie, Mécanismes de
diffusion, Orientation, Hélicité.
Abstract— The polarimetric Synthetic Aperture Radar
(PolSAR) backscattering from urban area structures is
different from the backscattering responses from a natural
medium. However, the backscatter from natural areas is
often reflection symmetric and covariance matrix is
characterized by near zero values (<S hhS*h> = <S hvS
*vv> =
0) of the off-diagonal elements. Consequently for urban
areas, the reflection symmetry does not hold, and the non-
reflection has to be taken into account in this type of area.
This article analyses the polarimetric characteristics of an
area containing different scatterers types. Our interest is
focused on urban structures and we have exploited to this
end, several methods, such as the correlation between the co-
polarization HH or VV with the cross-polarization HV in the
linear base, the correlation between RR and LL in the
circular base, the parameters derived from the Yamaguchi
decomposition and finally the combined classification
Entropy/Alpha with the Wishart complex distribution. We
illustrate our results by using the polarimetric SAR images
of Algiers acquired by RADARSAT2 in C-band. This area
contains vegetation parcels, man-made structures, urban
and maritime zones.
I. INTRODUCTION
La télédétection urbaine devient de plus en plus utile pour
le suivi régulier de l’évolution rapide des grandes agglo-
mérations des pays au monde. La zone urbaine se révèle
en effet comme « un objet d’étude transversal ouvert à
plusieurs disciplines, entre autres la géographie urbaine,
l’économie urbaine, l’urbanisme, la politique urbaine,
etc. ». La délimitation de cette zone tient à l’heure ac-
tuelle une importance évidente dans un contexte de mise
à jour des informations du contenu de l’espace urbain.
La ville d’Alger est parmi les villes qui connaissent ac-
tuellement une vague d’urbanisation très intense. Sa
croissance est restée en perpétuelle évolution jusqu'à nos
jours. La mise en oeuvre de politiques urbaines pour le
suivi régulier de ce phénomène d’urbanisation nécessite
l’acquisition d’informations fiables et actualisées. Les
images de la télédétection sont des sources importantes
qui doivent être traités et exploités pour l'extraction de
d'information demandée.
Ces dernières années ont vu se développer le radar à ou-
verture de synthèse SAR (Synthetic Aperture Radar) qui
peut produire des images régulièrement par tout temps.
Les capteurs SAR utilisés pour imager la surface terrestre
sont soit aériens soit satellitaires, chacun ayant ses pro-
pres caractéristiques et avantages. Les capteurs embar-
qués sur des porteurs aériens fournissent de meilleures
résolutions tandis que les porteurs spatiaux sont d’une
part plus stables et, d’autre part, permettent de couvrir
des zones plus étendues. Les premiers systèmes SAR sa-
tellitaires utilisés en télédétection (p.ex. ERS,
RADARSAT1, JERS) étaient des systèmes mono-bandes,
mono-polarisation, permettant d’acquérir des images à
basse résolution spatiale (quelques dizaines de mètres).
L’information fournie par ces radars imageurs est exploi-
tée dans le domaine des sciences de la terre, soit directe-
ment, soit conjointement avec d’autres données (optiques,
infrarouges, cartographiques…).
Comme les ondes radars avec différentes polarisations et
fréquences interagissent différemment avec les structures
au sol[1], la télédétection radar a connu un essor dans les
dernières décennies grâce à la conception et à la réalisa-
tion des systèmes SAR polarimétriques aéroportés tels
que AIRSAR (NASA/JPL, USA), ESAR (DLR, centre
aérospatial allemand), EMISAR (DCRS, Danemark ),
PHARUS (TNO-FEL, Pays bas ), AuSAR-INGARA
(D.S.T.O, Australie ), PISAR (NASDA/CRL, Japon ),
RAMSES (ONERA, France), SAR580 (Environnement
Canada, Canada), et STORM (UVSQ/CETP, France) ou
spatiaux tels que RADARSAT2, ALOS PALSAR, et
TERRASAR-X qui fonctionnent en mode de polarimétrie
partielle ou
Extraction des zones urbaines de la ville d’Alger à partir des images
SAR polarimétriques du satellite RADARSAT 2
B. Souissi
1, M. Ouarzeddine
1 , A. Belhadj-Aissa
1, L. Bouchemakh
1
1 LTIR FEI, USTHB, BP N°32, El Alia, Bab Ezzouar, Alger, Algérie, [email protected],
Journées d’Animation Scientifique (JAS09) de l’AUF Alger Novembre 2009
complète (quadrature) et peuvent acquérir des images mul-
tipolarisation et multifréquences à haute résolution.
RADARSAT2 est le radar polarimétrique le plus récent qui
a été lancé avec succès en décembre 2007 [2].
La polarimétrie utilise la nature vectorielle de l’onde [3].
C’est une technique qui vise à caractériser les cibles en en
registrant leurs réponses pour différentes polarisations
d’émission et de réception. L’utilisation de la polarimétrie
en télédétection SAR permet d’estimer la nature physique
des mécanismes de rétrodiffusion[4].
Afin de permettre la séparation des mécanismes au sein
d’une même cellule de résolution, différents théorèmes de
décomposition de cible ont été proposés [1]. Ils ont trouvé
leurs applications dans de nombreux domaines [5], tel que
l'agriculture, la foresterie, l'hydrologie, l’océanographie, la
glaciologie et l'urbanisme. En général, une zone urbaine est
dominé par deux mécanismes de diffusion connus: Dièdre
ou hélice [6]. Plusieurs méthodes de décomposition peuvent
être employées pour extraire ces deux mécanismes tels que
la décomposition de Pauli, la décomposition SDH [7] et
celle de Cameron [8] dans les décompositions cohérentes
[9], et la classification de Van zyl[4], de
l’entropie/Alpha[9], de Freeman[10], Yamaguchi [6] dans
les décompositions non-cohérente[9][11].
Dans ce papier nous avons utilisé les corrélations entre les
canaux dans les deux bases linéaires et circulaires, l'image
classifiée entropie/Alpha combinée avec la distribution
complexe de Wishart[12], et la décomposition de Yamagu-
chi et al.[6] , pour l'extraction de la zone urbaine.
II. ZONE D’ETUDE ET DONNEES UTILISEES
La ville d'Alger présente une grande diversité de groupe-
ments urbains. Elle est située au Nord de l’Algérie (dont elle
est la capitale) entre le mont blidéen et la mer Méditérranée.
Elle est caractérisée par une très forte densité urbaine et de
nombreux quartiers périphériques. Géographiquement, elle
se situe entre les longitudes 2° 55’ et 3° 30’ et les latitudes
36° 30’ et 37°. Les altitudes varient entre le niveau de la
mer et les hauteurs d’Alger qui se situent autour de 400 m.
Pour notre étude, nous disposons des images RADARSAT2
acquises le 11 avril 2009 sur cette ville dans la bande de
fréquence C (5.3 GHz) et suivant les quatre canaux de pola-
risation HH, VV, HV et VH en mode quad fine. Les images
SAR polarimétriques projetées aux sols ont une résolution
de 7,5 mètres en distance et 4,73 mètres en azimut. L’angle
d’incidence radar est compris de 38,34° et 39,81°. Les ca-
ractéristiques du système radar relatives aux données utili-
sées sont répertoriées dans le tableau 1. La zone d’étude est
donnée sur la figure 1.
TABLEAU 1 : Paramètres d’acquisition des données Radarsat-2
Fréquence Bande C (5,3 GHz)
Canaux de polarisa-
tion
HH, HV, VH, VV (Single
Look Complex)
Résolutions
Inter-pixels
4,74 m *4.73 m
(azimut) * (distance)
Largeur fauchée 25 km
mode Quad-fine
Date d’acquisition Avril, 2009
Orbite Ascendante, Réf : DT14
Heure d’acquisition 06 h 05 (octobre) et 05 h
54 (avril)
Angle d’incidence 38,34-39,81°
1. la mèr, 2. Fourdleu, 3. Sorécal, 4. Bananiers, 5. Hamiz, 6. El-Alia, 7 Université USTHB, 8. Bab Ez-
zouar, 9. Dar El-Beida, 10. Aéroport , 11. Champ agricole
Figure 1 : a) Composition colorée de la zone d’étude dans la base linéaire (R:HH, V:HV et B:VV), b) Zone d’étude (earth
google 2009)
1
2
3
4 5
6
7 9
10
11
8
1
2
3 4
5
6
7 9
10
11
8
Journées d’Animation Scientifique (JAS09) de l’AUF Alger Novembre 2009
III. CARACTERISTIQUES D'UNE ZONE URBAINE ET
D'UNE ZONE NATURELLE
A. Dans la base linéaire H-V
Un milieu symétrique est caractérisé par un plan de symétrie
qui contient la ligne de vue du radar [5]. Il y' a trois types de
symétrie de réflexion, rotationelle et azimutale. Si on se ré-
fère à la figure 2, H et V sont les directions horizontale et
verticale appartenant au plan d'incidence qui contient la
ligne de vue LOS (Line Of Sight en anglais).
Les propriétés principales de la symétrie d'un milieu géo-
physique se trouvent dans [5] [13] [14]. Ce phénomène de
symétrie peut être trouvé dans une surface d'eau (ex.
océans), dans une forêt, dans une glace de mer, etc. sous
cette condition de symétrie, le coefficient de corrélation en-
tre la co-polarisation et la polarisation croisée est approxi-
mativement nul [5][10].
0** ≈= vvhvhvhh SSSS (1)
En conséquence, les valeurs des éléments qui
n’appartiennent pas à la diagonale de la matrice de cova-
riance, sont proches de zéro. En raison de cette importante
condition de symétrie, plusieurs applications ont trouvé une
simplification dans les problèmes théoriques et pratiques.
Pour une zone urbaine, la condition de symétrie n'est pas
verifiée. Cette condition est la non-réflexion symétrique
avec laquelle, la plupart des recherches n'ont pas été traitées.
0* ≠hvhhSS et 0* ≠vvhvSS (2)
La figure 3.a donne l’image de corrélation pour la zone
d’étude. En effet, Yamaguchi et al. [6] ont ajouté à la dé-
composition de Freeman-Durden [10] qui décompose la ci-
ble en trois composantes, un quatrième paramètre qui repré-
sente un mécanisme asymétrique qui est l'hélice pour la pré-
sentation des zones urbaines. Ce mécanisme a un maximum
de retrodiffusion dans la base circulaire gauchère ou droi-
tière [15].
Pour effectuer une séparation entre les zones, nous avons
déterminé le seuil (la valeur de partition) par utilisation d'un
profil sur une ligne qui contient différents objets tels que
arbres, bâti, sol nu, etc. Cette valeur est de 0,22 comme in-
diqué sur la figure 3.b. La figure 3.c donne le résultat de
l’extraction de la zone urbaine.
Dans cette application et sous la condition de la symétrie,
nous avons trouvé que la zone urbaine représente 20,60% de
la scène imagée.
B. Dans la base circulaire R-L
Il est possible de calculer la matrice de diffusion dans une
autre base, telle que la base circulaire RL (Right-Left). Un
tel changement de base est utile pour la discrimination de
certaines cibles qui n’ont pas pu être détectées par la base
linéaire HV. La transformation de base est donnée
par [16][17]:
[ ] [ ][ ] [ ]Thvrl USUS 22= (3)
min
max
Zones urbaines Autres zones
(c)
0,22 (b)
(a)
Figure 2 : Géométrie d'acquisition
Distance
Azimut
H
V
Kinc LOS
Plan d'incidence
Objet
Radar PolSAR
LOS: Line Of
Sight (Ligne de
vue)
Axe normal
Fig. 3. : a) Image de cohérence entre HH et HV et b) profil
vertical de la cohérence et c) extraction du milieu urbain (en
couleur blanche).
Journées d’Animation Scientifique (JAS09) de l’AUF Alger Novembre 2009
Où [ ]
−
+
=1
*1
*1
12
ρ
ρ
ρρ
U (4)
et )2cos()2cos(1
)2sin()2sin()2cos(
ψχ
χψχρ
+
+=
i (5)
Où ρ est le rapport de polarisation et ψ et χ sont respecti-
vement les angles d’orientation et d’ellipticité. La polarisa-
tion circulaire gauchère est définie par ψ=0° et χ=45°. Les
composantes de la matrice de diffusion dans la nouvelle
base sont :
)(5.0 vvhhhvrr SSiSS −+= (6)
( )vvhhrl SSiS += 5.0 (7)
)(5.0 hhvvhvll SSiSS −+= (8)
Où i2 est égal à -1.
La figure 4 représente l'image de composition colorée dans
la base circulaire. Nous remarquons dans cette image que
les zones urbaines se distinguent bien des autres zones si
nous la comparons par rapport à la composition colorée de
la base linéaire.
La corrélation entre les images RR et LL, est calculée
comme suit:
)(*),( llrrllrr SconjSSScor =
( ) ( )( )( )2/22/*22
vvhhhvvvhhhv SSSeiSSS −ℜ+−−= (9)
Cette dernière relation indique une différence importante
dans les caractéristiques de rétrodiffusion entre la zone ur-
baine et la zone naturelle. Le résultat est donné sur la figure
5.a. Pour effectuer une séparation entre ces deux types de
zones, nous avons déterminé le seuil par utilisation d’un
profil sur une ligne de la même région sélectionnée précé-
demment. Cette valeur est de 0,20 comme indiqué sur la
figure 5.b. L’extraction de la zone urbaine est donnée sur la
figure 5.c.
Dans le cas de la corrélation circulaire entre RR et LL, nous
avons trouvé que la zone urbaine représente 20,36% de la
scène imagée
IV. MODELE PROPOSE
La décomposition de Freeman-Durden est une évolution de
la méthode de Van Zyl. Elle permet de fournir trois compo-
santes d’une cible à travers la décomposition de la matrice
de covariance sous la condition de la réflexion symétrique
[6]. Les trois composantes sont les trois mécanismes de dif-
fusion suivants: la diffusion de surface, la double diffusion
et la diffusion de volume. Ce modèle de la rétrodiffusion
totale donne trois équations à quatre inconnues. La solution
à ces équations est basée sur la condition de Van Zyl, donné
par le signe de la partie réelle de ShhShv*, à savoir :
• Re(<ShhSvv*>) > 0 pour une diffusion surfacique
dominante
.
• Re(<ShhSvv*>) < 0 pour une diffusion d’un double
rebond dominante
Un autre model de quatre composantes est proposé pour
étendre la méthode de la décomposition des trois composan-
tes introduite par Freeman et Durden [6]. La quatrième
composante ajoutée est la diffusion de l’hélice. Cette com-
posante possède une caractéristique d’un diffuseur asymé-
Fig. 4. : Composition colorée
dans la base circulaire (R:RR,
V:RL et B:LL)
(c)
min
max
Zones urbaines Zones naturelles
(a)
(b)
0,20
Fig. 5. : a) Image de cohérence entre HH et HV et b) profil
vertical de la cohérence et c) extraction du milieu urbain (en
couleur blanche).
Journées d’Animation Scientifique (JAS09) de l’AUF Alger Novembre 2009
trique qui vérifie les relations 0* ≠hvhhss et 0* ≠vvhv ss .
En effet, pour résoudre le problème des trois équations à
quatre inconnues, Yamaguchi et al. [6] ont rajouté le critère
suivant:
chvvvhh PSSSC +−=2* (10)
Ou cP représente la puissance de la quatrième composante
ajoutée qui est l'hélice:
( )vvhhhvc SSSmP −ℑ= *2 (11)
Pour :
• Re(C) > 0 pour une diffusion surfacique dominante
• Re(C) < 0 pour une diffusion d’un double rebond
dominante
A partir de ces deux dernières conditions et avec l'image de
cohérence entre RR et LL dans la base circulaire, nous pou-
vons introduire une nouvelle méthode de discrimination de
l'urbain avec deux classes suivant l'organigramme donné sur
la figure 6.
Dans cette méthode, nous avons exploité la corrélation dans
la base circulaire pour une séparation des zones urbaines et
non urbaines. Pour cela, nous avons déterminé un seuil de
corrélation (RR, LL) optimal qui est dans notre cas d'étude
égale à 0.20. Le masque urbain ainsi généré a été décompo-
sé en deux classes selon la condition de Yamaguchi. D'autre
part, nous avons séparé les cibles dans les zones urbaines en
deux classes. La première représente la diffusion surfacique
et la deuxième la diffusion double rebond. Les résultats sont
donnés sur la figure 7.
Pour valider notre résultat, nous avons représenté sur la fi-
gure 8, les signatures polarimétriques [18] des deux classes.
Ces signatures sont comparées à celles des cibles canoni-
ques. La figure 8.a s'adapte bien à la diffusion d’un dièdre
qui correspond à l'interaction sol_bâti. Les signatures pola-
rimétriques de la deuxième région urbaine de la figure 8.b
s’approchent de celles d'un diffuseur surfacique et d'un diè-
dre. Dans cette application, nous avons trouvé que la zone
urbaine représente 20,36% de la scène imagée. Ce pourcen-
tage est le même que celui de la décomposition circulaire.
Cependant, l'avantage est que cette méthode peut diviser le
milieu urbain en deux classes suivant leurs rétrodiffusions
représenté par les mécanismes de double rebond (16,18%)
et de surface (4,18%).
V. CLASSIFICATION DES ZONES URBAINES
En se basant sur les valeurs propres et les vecteurs propres
d'une matrice de cohérence, nous pouvons calculer trois pa-
ramètres utiles qui caractérisent la propriété de diffusion
d’un milieu : l'entropie, l'angle alpha, et l'anisotropie [9]
• Entropie décrit le caractère aléatoire du phéno-
mène de rétrodiffusion. Elle est définie par :
)3
1
(3
logi
P
ii
PH ∑=
−= (12)
H varie entre 0 et 1. Pi indique les pseudos probabilités.
L’entropie nulle, indique que la cible observée est pure et la
Figure 7. : Résultat de modèle pour l'extraction de milieu
urbain
Autres zones
Diffusion
surfacique
Diffusion
double rebond
(a)
(b)
Fig. 8 : Signatures polarimétriques des deux zones urbaines
dominée par a) une diffusion double rebond , b) une diffu-
sion surfacique.
Shh, Shv and Svv
Re(C)>0
Diffusion
surfacique
Diffusion de
double rebond
Milieu non urbain
oui Non
Milieu Urbain
<corrélation (RR,LL) >
Seuil de séparation
Figure. 6 : Organigramme pour l'extraction de la zone urbaine
Journées d’Animation Scientifique (JAS09) de l’AUF Alger Novembre 2009
rétrodiffusion est déterministe. Ceci se traduit par la pré-
sence d’une seule valeur propre non nulle.
Le caractère aléatoire de la cible observée est défini par une
entropie égale à 1. Cette cible est caractérisée par un proces-
sus de diffusion d’un bruit qui dépolarise complètement
l’onde incidente.
• Alpha moyen : Cet angle informe sur le type de
diffusion et est obtenu comme suit :
∑=
=3
1iii
Pαα (13)
αi et Pi sont calculés à partir des trois premières composan-
tes des vecteurs propres.
Pour une application et utilisation de ces paramètres, Cloude
et Pottier [9] ont développé une procédure de partition des
différents diffuseurs en 8 classes regroupées dans un espace
H/α subdivisé en 8 zones.
Le mécanisme de base de diffusion de chaque pixel des
données polarimétriques peut être alors identifié en compa-
rant ces paramètres entropie et α à des seuils fixés préala-
blement. Les différentes frontières des classes, dans le plan
H/α, ont été déterminées afin de distinguer la diffusion sur-
facique (SR), la diffusion de volume (VD) et la diffusion du
double rebond (DB) le long de l'axe α, et le degré d'impure-
té le long de l'axe d'entropie H. L'interprétation de cette seg-
mentation peut être trouvée dans [9].
Les 8 classes obtenues ont servi de base d’entraînement
pour la classification à base de la distribution complexe de
Wishart[12]. Le résultat de la classification est montré sur la
figure 9a. Dans cette classification, la zone urbaine repré-
sente 30,74% de la scène imagée regroupée en 3 classes
avec différentes entropies (basse : 1,23%, moyenne: 3,68%
et haute: 25,83%). Le pourcentage total est différent
de celui des cohérences précédentes à cause du choix des
seuils de l'entropie et de l'angle alpha pour le partitionne-
ment des classes qui peuvent causer des résultats non pré-
cis.
VI. CONCLUSION
Dans notre travail, nous avons développé trois méthodes
pour l'extraction des zones urbaines. La première se base sur
la symétrie du milieu. Cette condition est formée par la cor-
rélation entre (HH et VV) ou (VV et HV). La deuxième
méthode est basée sur la corrélation circulaire entre (RR et
LL). En se basant sur la condition générale de séparation
entre une zone surfacique et une zone qui a une rétrodiffu-
sion de double rebond, introduite par Yamaguchi et al. .
Avec la corrélation circulaire, nous avons obtenu de meil-
leurs résultats qu’avec la deuxième approche et ce par la
partition de la zone urbaine en deux classes. Une autre mé-
thode basée sur la classification combinée entre la décom-
position Entropie/Alpha et la distribution complexe de
Wishart, a pu discriminer la zone urbaine en utilisant les
seuils de partitionnement en 8 classes de l'espace Entro-
pie/Alpha. Cette méthode a l'avantage de distinguer diffé-
rents classes de la zone urbaine en basse, moyenne et haute
entropie. Cependant les seuils choisis pour la classification
peuvent donner des résultats non précis.
IV. REFERENCES
[1] J.S. Lee & E. Pottier, Polarimetric Radar Imaging: From basics to
applications, Brian J. Thompson, New York:2009, pp 1-5.
[2] D.D. Lisle, “RADARSAT-2: Capabilities and benifits for Canadian
Government,” Proceedings POLINSAR-Frascati, 2009.
[3] K. P. Papathanassiou & S. R. Cloude, “Single-baseline polarimetric
SAR interferometry,” IEEE Trans. Geosci. Remote Sensing, vol. 39,
No. 11, Novembre, 2001,pp. 2352–2363.
[4] J.J., Van Zyl, “Unsupervised classification of scattering behavior
using polarimetric data, ” IEEE Trans. Geosci. and remote sensing,
vol 27, no. 1, 1989, pp36-45.
[5] J.-C. Souyris, P. Imbo, R. Fjørtoft, S. Mingot & J.-S. Lee, “Compact
Polarimetry Based on Symmetry Properties of Geophysical Media:
The π/4 Mode,” IEEE Trans. Geosci. and Remote Sensing, vol. 43,
2005, pp. 634-646.
[6] Y. Yajima, Y. Yamaguchi, R. Sato, H. Yamada, & W.-M. Boerner,
“POLSAR Image Analysis of Wetlands Using a Modified Four-
Component Scattering Power Decomposition,” IEEE transaction on
Geosci. and Remote Sensing, vol. 46, No. 6, juin, 2008, pp. 1667-
1673.
[7] E. Krogager, “New decomposition of the radar target scattering
scattering matrix, ” IEEE Trans. Geosci. and Remote Sensing, vol.
26, No. 18, 1999, pp. 1525-1527.
[8] W.L., Cameron, N., Youssef, & L.K. , Leung, Simulated polarimetric
signatures of primitive geometrical shapes. IEEE Transactions on
Geosci. and Remote Sensing, Vol. 34, No. 3, Mai, 1996. , pp. 793–
803.
[9] S. R. Cloude & E. Pottier, “A review of target decomposition
theorems in radar polarimetry,” IEEE Trans. Geosci. Remote
Sensing, vol. 34, No. 1, Janvier, 1997, pp. 68-78.
[10] A. Freeman & S. L. Durden, “A three-component scattering model
for polarimetric SAR data,” IEEE Trans. Geosci. Remote Sensing,
vol. 36, No. 3, Mai, 1998, pp. 963–973.
[11] R. Touzi, “Target scattering decomposition in terms of roll invariant
target parameters, ” IEEE Transactions on Geosci and Remote
sensing, vol. 45, No. 1, Janvier, 1997, pp. 73–84
[12] L. Ferro-Famil, E. Pottier, & J. S. Lee, “Unsupervised classification
of multifrequency and fully polarimetric SAR images based on
H/A/Alpha-Wishart classifier, ” IEEE Trans. Geosci. Remote
Sensing, vol. 39, No. 11, Novembre, 2001, pp. 2332-2342.
(b)
Figure7: (a) Image classifiée Etropie/Alpha/Wishart, (b) Image
de l'urbain généré à partir de l'image Etropie/Alpha/Wishart
(a)
Zone mixte:
urbaine et
naturelle
Haute entropie
Moyenne entropie
Basse entropie
Journées d’Animation Scientifique (JAS09) de l’AUF Alger Novembre 2009
[13] S. V. Nghiem, S. H. Yueh, R. Kwok, & F. K. Li, “Symmetry
properties in remote sensing,” Radio Sci., vol. 27, No. 5, Octobre,
1992, pp. 693–711.
[14] R. Touzi and F. Chabonneau, “Characterization of target symmetric
scattering using polarimetric SARs,” IEEE transaction on Geosci.
and Remote Sensing, vol. 40, No. 11, Novembre, 2002, pp. 693-711.
[15] F. T. Ulaby and C. Elachi, “Radar polarimetry for geoscience
applications,” Artech House, Norwood, MA, 1990.
[16] K. P. Papathanassiou, “Polarimetric SAR interferometry,” Thèse
PhD, Faculté des sciences naturelles, department de physique, uni-
versité de Graz, Australie, Février 1999.
[17] T.L. Ainsworth, D.L. Schuler and J.-S. Lee, “Polarimetric SAR
characterization of man-made structures in urban areas using
normalized circular-pol correlation coefficients,” Remote Sensing of
Environment, vol.112, No. 6, June, 2008, pp. 2876-2885.
[18] M.Ouarzeddine, B. Souissi, A . Belhadj-Aissa. Target Detection and
Characterization using H/alpha Decomposition and Polarimetric
Signatures. ICTTA’06 - April 24 - 28, 2006 Damascus, Syria,
proceeding IEEE, Volume 1, Page(s):395 – 400.