Classification des images satellitaires en utilisant l’application « Classification Learner »

Abstract

À l'ère de l'intelligence artificielle, la communauté informatique montre un intérêt croissant pour la télédétection, en particulier l'imagerie satellitaire, dans le but de permettre aux machines de reconnaître leur environnement par le biais de la classification des images satellites. Les satellites d'imagerie capturent des images de la Terre, qui sont ensuite collectées, analysées et traitées à des fins civiles et militaires. Dans cette optique, l'outil interactif "classification learner" de Matlab offre une solution pour réaliser diverses tâches d'apprentissage, telles que l'exploration des données, l'extraction de caractéristiques, la formation et la validation de modèles, ainsi que l'évaluation des résultats. Ce projet a pour but d'appliquer la technique d'apprentissage machine de Classifier Learner pour classifier les images satellitaires. Les caractéristiques extraites des images sont très simples telles que RMS (Root Mean Square), kurtosis, …. etc. Ensuite, plusieurs algorithmes de classification ont été testés, notamment le k-plus proches voisins, l'arbre de décision, la SVM (Machine A Vecteurs de Support) …etc. Les performances de chaque algorithme ont été comparées pour déterminer le meilleur choix pour la classification des images satellitaires. Les résultats ont montré que Classifier Learner est un outil efficace pour comparer plusieurs méthodes de classification des images satellitaires, dans notre cas la précision de classification atteint 96.2% pour certaines méthodes.