Peut-on cartographier des #taches_urbaines à partir d’#images #Google_Earth ?
L’étude présentée ici expose les résultats d’un traitement d’images Google Earth dont le but est la cartographie des #agglomérations d’#Afrique_de_l’Ouest de plus de 500 000 habitants. Les images accessibles ne disposant pas d’informations spectrales précises (s’agissant de simples images couleur RVB), la méthodologie développée pour l’identification des agglomérations se base sur l’exploitation d’images en teintes de gris pour en extraire les caractéristiques texturales des #zones_densément_bâties. Certaines images couvrant les agglomérations étudiées résultent de la composition en mosaïque d’images satellites acquises dans des conditions différentes. Avant toute exploitation des images, un prétraitement d’égalisation est nécessaire afin d’obtenir une vue uniforme à partir de la mosaïque. Plus précisément, il s’agit d’annuler les différences entre les luminances sur chaque morceau de mosaïque. Nous présentons ici une méthode d’#égalisation inspirée de l’algorithme « Midway ». Cet algorithme a originellement été proposé pour uniformiser les #luminances sur des paires d’#images_stéréo. Dans le cas présent, la difficulté consiste à adapter cette technique dans le cas d’images ne présentant pas strictement la même information. Le principe d’égalisation va consister à repérer et à apparier les #histogrammes de zones semblables sur les sous-images composant la #mosaïque. L’extraction des taches urbaines à partir des images prétraitées est ensuite réalisée par la mise en œuvre de séquences d’opérateurs de la #Morphologie_Mathématique. Les résultats obtenus ont été validés par une comparaison avec les agglomérations qui ont été cartographiées par #photo-interprétation à partir d’images Google Earth et présentées dans la base de données #Africapolis.




▻http://cybergeo.revues.org/26401
#cartographie #urbanité #urbain #visualisation
cc @reka