Introduction: Estimations grâce aux données d'images
Dans le SEOS tutoriel Méthodes et Algorithmes de Classification, nous avons appris comment segmenter les images multispectrales en différentes classes, chacune représentant un type de couverture du sol.
Cette activité représente la première question à se poser - et à laquelle répondre - en traitement d'image : que suis-je en train de regarder ?
Une fois cette question résolue, vous pouvez passer à la grande question suivante en matière de traitement d'images satellitales, qui est habituellement Dans quel état se trouve l'objet de mon observation ?
Répondre à cette question est le domaine de l'estimation, ce à quoi nous allons nous intéresser dans cette série de leçons.
Nous pouvons produire des estimations en construisant des modèles et/ou par interpolation. Même si nous comptons arriver à une estimation par interpolation, nous devons généralement aussi utiliser un modèle. Nous construisons un modèle, ou une série de modèles, qui convertissent les données d'une image en une estimation d'un attribut physique d'un ou plusieurs types de couverture du sol visibles sur l'image. Ces modèles peuvent être très simples ou très complexes. Nous commencerons avec quelques modèles simples pour illustrer la nature du traitement.
Si un modèle est mis en place à partir de données expérimentales, sans aucune connaissance des processus sous-jacents, on l'appelle " modèle empirique ", car il est basé sur des observations. Si les données sont traitées comme des données statistiques dans la création du modèle, comme c'est le cas la plupart du temps, alors le modèle est aussi un modèle stochastique.
On parle aussi de modèle déterministe quand la relation entre les variables est connue. Typiquement, cette relation sera connue grâce à une loi de la physique ou d'une autre discipline. Mathématiquement, les modèles déterministes ne contiennent pas de composante aléatoire. Ainsi, le modèle produit les mêmes résultats chaque fois qu'il est utilisé, pour peu que les conditions de départ soient identiques.
