Segmentation d’images satellites et aériennes

La vue de dessus supprime l’occlusion et la remplace par une difficulté plus tenace : les frontières que l’on demande de tracer y correspondent rarement à une discontinuité visible, parce qu’elles séparent des usages du sol plutôt que des objets. Cet article expose ce que ce contexte demande. Il prolonge l’article consacré à la segmentation d’images médicales.

Ce qui distingue ce contexte

Cinq propriétés séparent ce vertical de la segmentation d’images des autres. Les matières continues dominent, une image comportant peu d’objets dénombrables. L’échelle varie fortement, un même corpus pouvant mêler des résolutions sans rapport. La vue est zénithale, ce qui supprime l’occlusion mutuelle des objets. Les frontières relèvent d’un usage plutôt que d’une matière, une limite de parcelle traversant un couvert homogène. Et l’image porte souvent bien plus de bandes que les trois du domaine visible. Une conséquence pratique importante en découle. La quatrième propriété est la plus déterminante, une part des frontières demandées n’existant pas dans le signal et provenant d’une réalité administrative ou fonctionnelle.

Les frontières que l’image ne porte pas

Cette difficulté domine le vertical et elle est irréductible. Quatre situations l’illustrent en segmentation d’images. Une limite de parcelle traversant un champ cultivé de façon homogène. Une frontière entre deux usages du sol identiques en apparence, résidentiel et mixte notamment. Une transition progressive entre deux couverts, lisière ou zone humide. Et une limite administrative sans aucune traduction physique sur le terrain. Une observation importante en découle pour un projet de segmentation d’images. Ces quatre situations appellent une source extérieure plutôt qu’un examen plus attentif, l’information nécessaire n’étant pas dans l’image.

Ce que l’échelle change

Quatre effets découlent de la variation de résolution en segmentation d’images. Une même catégorie apparaît comme un objet ou comme une texture selon la résolution. Le seuil de taille minimale n’a pas le même sens d’une image à l’autre. La longueur des frontières croît avec la finesse, donc la charge de travail. Et un corpus mêlant des résolutions produit une exigence de précision variable sans que rien ne l’explique. Une conséquence pratique s’ensuit. Ces quatre effets imposent d’exprimer les seuils en unités terrain plutôt qu’en pixels, un seuil en mètres carrés gardant son sens là qu’un seuil en pixels change avec la résolution.

Ce que les bandes spectrales apportent

Trois observations situent cette particularité en segmentation d’images. Certaines distinctions invisibles en couleurs naturelles deviennent évidentes sur d’autres bandes. L’annotateur doit disposer de plusieurs compositions colorées et savoir laquelle consulter selon la classe. Et une frontière tracée sur une composition ne coïncide pas nécessairement avec celle qu’une autre suggérerait. Une conséquence pratique importante en découle. Le troisième constat impose de déclarer sur quelle composition la frontière a été tracée, information que personne ne consigne et qui explique une part des désaccords entre annotateurs.

Les nomenclatures d’occupation du sol

Une particularité de ce vertical de la segmentation d’images mérite d’être posée. Les catégories proviennent de référentiels établis par les organismes du domaine. Trois conséquences en découlent en segmentation d’images. La nomenclature ne se rédige pas, elle s’adopte, comme dans le contexte médical. Les catégories sont hiérarchiques, un niveau de détail devant être choisi explicitement. Et les définitions comportent souvent des seuils chiffrés, taux de couvert ou surface minimale. Une observation en découle pour un projet de segmentation d’images. Le troisième point est précieux, un référentiel qui chiffre ses seuils fournissant une convention que la plupart des autres domaines demandent d’inventer.

Les nuages et les ombres

Quatre situations récurrentes appellent une règle explicite. Le nuage opaque, qui masque entièrement le sol. Le voile fin, qui altère les couleurs sans masquer la structure. L’ombre portée d’un nuage, qui assombrit une zone par ailleurs visible. Et l’ombre de relief ou de bâti, qui appartient au sol et non à l’objet qui la projette. Une conséquence pratique s’ensuit. La deuxième situation est la plus problématique, un voile fin laissant l’annotation possible tout en biaisant les critères colorimétriques, ce qui produit une classification cohérente et fausse.

Ce que la saison impose

Une propriété temporelle affecte directement ce vertical. Trois conséquences en découlent en segmentation d’images. Une même parcelle change entièrement d’apparence selon la période, sans changer d’usage. Un corpus constitué sur une seule saison ne prépare pas un système aux autres. Et la comparaison entre deux dates suppose une saison équivalente ou bien une correction explicite. Une observation importante en découle. La première conséquence produit une difficulté d’annotation directe, un annotateur devant classer un usage à partir d’une apparence qui n’en est qu’une manifestation saisonnière.

Les sources externes et leur emploi

Une pratique propre à ce vertical mérite d’être exposée. Une donnée extérieure fournit les frontières que l’image ne porte pas. Quatre sources externes se rencontrent en segmentation d’images satellitaires. Le cadastre ou le registre parcellaire, qui donne les limites de propriété et d’exploitation. Les bases d’occupation du sol existantes, à mettre à jour plutôt qu’à recréer. Les relevés de terrain, coûteux et irremplaçables sur les classes ambiguës. Et les données issues d’un autre capteur, radar ou altimétrique, qui lèvent certaines confusions. Une conséquence pratique importante en découle. La deuxième source change la nature du travail, une mise à jour consistant à détecter et corriger les évolutions plutôt qu’à tout retracer, ce qui divise la charge sur les zones stables.

Ce que le contrôle qualité exploite

Cinq vérifications de segmentation d’images conviennent à ce vertical. La proportion de chaque classe par image, dont une valeur aberrante signale une confusion. La cohérence des voisinages, certaines classes ne se côtoyant pas dans la réalité. La continuité aux bords de dalle, deux tuiles voisines devant s’accorder. La comparaison avec une source externe lorsqu’elle existe, cadastre ou registre parcellaire. Et la vérification des zones situées sous voile fin, dont la classification reste la plus suspecte. Une observation importante en découle pour un projet de segmentation d’images. La troisième vérification est propre à ce vertical, une image découpée en dalles pour l’annotation produisant systématiquement des discontinuités aux jointures que rien d’autre ne révèle.

Le découpage en dalles

Une contrainte pratique structure la production sur ce vertical. Une image satellitaire dépasse largement ce qu’un outil affiche. Quatre conséquences en découlent. L’image se découpe en tuiles, chacune constituant une tâche. Un objet à cheval sur deux tuiles est annoté deux fois indépendamment. Le contexte manque à l’annotateur, une tuile isolée ne montrant pas la structure d’ensemble. Et le raccord entre tuiles produit des discontinuités bien visibles à l’assemblage. Une conséquence pratique importante en découle. Le troisième effet est le plus sous-estimé, un usage du sol se reconnaissant souvent à son organisation d’ensemble plutôt qu’à sa texture locale, ce qui rend un recouvrement entre tuiles nécessaire plutôt que confortable.

Ce que ce travail coûte

Quatre facteurs déterminent la charge de segmentation d’images sur ce vertical. La longueur cumulée des frontières, qui croît avec la finesse de la nomenclature. Le niveau hiérarchique retenu, chaque niveau supplémentaire multipliant les décisions. La proportion de frontières sans traduction visible, qui impose une source externe. Et la surface couverte, la seule variable que les commanditaires considèrent spontanément. Une observation en découle. Le deuxième facteur produit l’écart le plus important, le passage d’un niveau général à un niveau détaillé multipliant le nombre de frontières bien au delà de ce que le nombre de classes suggère.

Ce que l’assistance apporte ici

Trois observations situent l’aide automatique sur ce vertical. La classification par similarité spectrale fonctionne bien sur les couverts homogènes. La désignation par clic sert peu, les matières continues n’ayant pas de contour à désigner. Et les frontières d’usage restent entièrement humaines, aucun signal de l’image ne les portant. Une conséquence pratique s’ensuit pour un projet de segmentation d’images. Le premier constat distingue ce vertical du contexte médical, la similarité spectrale y étant bien plus efficace qu’ailleurs puisque les classes se définissent en partie par leur signature.

Aborder un projet satellitaire

Cinq questions cadrent un projet satellitaire de segmentation d’images. Quel référentiel de nomenclature s’applique et à quel niveau. Cette réponse détermine la charge. Quelles frontières relèvent d’un usage plutôt que d’une matière. Elles appellent une source externe. Le corpus mêle-t-il des résolutions. Une réponse positive impose des seuils en unités terrain. Quelles saisons sont représentées. Cette réponse borne la généralisation. Et un recouvrement entre tuiles est-il prévu. Son absence produit des discontinuités aux jointures. Ces cinq réponses déterminent la faisabilité et le coût. Les poser avant de commencer évite un corpus dont les frontières administratives ont été devinées.

Ce que ce chapitre enseigne

Une observation transversale mérite de clore cet examen. Ce vertical demande de tracer des limites que l’image ne contient pas. Trois constats la composent. Une part des frontières sépare des usages plutôt que des matières, ce qui appelle une source extérieure et non un examen plus attentif. Le référentiel de nomenclature préexiste et chiffre souvent ses seuils, ce qui fournit une convention que d’autres domaines doivent inventer. Et le découpage en tuiles prive l’annotateur du contexte dont l’identification d’un usage dépend. Ce constat forme un contrepoint au chapitre précédent, la limite y venant de la donnée là qu’elle venait du jugement expert.

Les erreurs les plus fréquentes

• Exprimer un seuil de taille en pixels sur un corpus multi-résolution.
• Rédiger une nomenclature au lieu d’adopter un référentiel du domaine.
• Ne pas choisir explicitement le niveau hiérarchique retenu.
• Demander de tracer une limite d’usage sans fournir de source externe.
• Annoter sous voile fin sans le signaler.
• Constituer un corpus sur une seule saison.
• Découper en tuiles sans recouvrement.
• Négliger la vérification de continuité aux jointures.
• Omettre de déclarer la composition colorée employée.
• Chiffrer à la surface couverte sans considérer la finesse de nomenclature.

Ce que la comparaison entre dates exige

Un usage fréquent de ces corpus impose des conditions supplémentaires. Détecter un changement suppose que ce qui n’a pas changé apparaisse identique. Quatre conditions doivent être réunies pour un corpus de segmentation d’images. Un recalage géométrique précis, un décalage de quelques pixels produisant un faux changement sur toutes les frontières. Une saison comparable, l’écart d’apparence entre deux périodes dépassant souvent l’évolution réelle. Une nomenclature identique, une évolution du référentiel se lisant comme un changement du terrain. Et une convention de placement stable, un contour tracé différemment produisant une variation de surface fictive. Une observation importante en découle. La quatrième condition est la plus discrète, un changement de règle entre deux campagnes produisant une évolution mesurée qui ne correspond à rien sur le terrain.

Ce que la formation doit couvrir

Cinq compétences distinguent un annotateur formé sur ce vertical de la segmentation d’images. La lecture des différentes compositions colorées et le choix de celle qui convient à la classe traitée. La reconnaissance d’un usage du sol à partir de son organisation plutôt que de sa seule texture. L’identification des voiles fins et des ombres portées, qui appellent un signalement. La consultation de la source externe lorsque la frontière relève d’un usage. Et la connaissance du référentiel de nomenclature, y compris de ses seuils chiffrés. Une conséquence pratique s’ensuit. La deuxième compétence est la plus difficile à acquérir, elle suppose une familiarité avec le territoire que la seule lecture d’images ne procure pas, ce qui plaide pour des équipes stables sur un même type de terrain.

Les usages qui commandent

Cinq finalités se rencontrent sur ce vertical de la segmentation d’images, et elles n’appellent pas la même finesse. Le suivi de l’artificialisation, qui a besoin de quelques classes générales et d’une comparaison entre dates. Le suivi agricole, qui a besoin de limites parcellaires et donc d’une source externe. La cartographie forestière, qui a besoin d’essences ou de structures et pousse la nomenclature loin. La détection de changement, qui a besoin de cohérence temporelle plus que de finesse. Et la préparation d’un modèle, qui a besoin de diversité de conditions plus que d’exhaustivité. Une observation en découle pour un projet de segmentation d’images. La quatrième finalité se satisfait d’une nomenclature grossière appliquée rigoureusement, ce qui la rend nettement moins coûteuse que les autres alors qu’elle est souvent chiffrée comme elles.

Le lot pilote sur ce vertical

Quatre tuiles composent un lot pilote adapté à ce vertical de la segmentation d’images. Une tuile de couvert homogène, qui fournit la cadence de référence et éprouve la similarité spectrale. Une tuile où passe une limite d’usage sans traduction visible, qui vérifie que la source externe est accessible et exploitable. Une tuile en zone hétérogène, périurbaine notamment, qui mesure le facteur de coût dominant. Et une tuile comportant un voile fin ou une ombre de nuage, qui teste la consigne de signalement. Une observation en découle. La deuxième tuile révèle fréquemment un problème d’organisation plutôt que d’annotation, la source externe étant supposée disponible et se révélant obsolète, incomplète ou dans un référentiel géographique différent.

Ce que le corpus doit déclarer

Six informations accompagnent une livraison de segmentation d’images sur ce vertical. Le référentiel de nomenclature et le niveau hiérarchique retenu. La résolution de chaque image et l’unité dans laquelle les seuils sont exprimés. La composition colorée sur laquelle les frontières ont été tracées. Les sources externes employées, avec leur date de validité. La période d’acquisition, indispensable à toute comparaison ultérieure. Et le masque des zones nuageuses ou voilées, à distinguer des zones simplement non annotées. Une conséquence pratique s’ensuit. La quatrième information est celle dont l’absence se paie le plus tard, une frontière issue d’une source obsolète paraissant aussi fiable qu’une frontière observée alors que rien dans le corpus ne les distingue.

Les classes qui se confondent

Cinq confusions reviennent dans les corpus de segmentation d’images de ce vertical. La prairie et la culture fourragère, distinguées par un usage plutôt que par une apparence. Le sol nu agricole et le sol artificialisé en attente de construction. La friche et la zone naturelle, dont la limite dépend d’une durée d’abandon invisible. Le bâti industriel et le bâti commercial, identiques vus de dessus. Et la voirie et le parking, qui partagent le même revêtement. Une observation importante en découle pour un projet de segmentation d’images. Ces cinq confusions partagent une structure commune, la distinction reposant sur une fonction que la vue zénithale ne montre pas, ce qui les rend irréductibles sans source externe et justifie de les traiter explicitement dans le référentiel.

La question qui cadre le projet

Une question détermine la charge d’un projet satellitaire. Les frontières demandées séparent-elles des matières ou des usages. Une réponse orientée matières, couvert végétal, eau ou surface minérale, place le projet dans le régime où l’image suffit et où la similarité spectrale accélère. Une réponse orientée usages, parcelles, affectations ou catégories fonctionnelles, impose une source externe et rend le travail dépendant de sa disponibilité et de sa fraîcheur. Cette question se pose en une phrase, elle relève du référentiel et non de la technique, et elle prédit mieux le coût et le risque que la surface à couvrir.

Trois décisions avant la première tuile

Trois décisions engagent un projet satellitaire de segmentation d’images. Choisir le référentiel de nomenclature et son niveau hiérarchique, ce qui détermine la charge davantage que la surface. Recenser les frontières relevant d’un usage et vérifier que la source externe existe, est à jour et se superpose correctement. Et exprimer tous les seuils en unités terrain, ce qui les rend valides sur un corpus multi-résolution. Ces trois décisions coûtent quelques jours de préparation, elles précèdent la première tuile, et leur absence produit un corpus dont une part des frontières a été devinée sans que rien ne le signale.

Ce que ce vertical apporte aux autres

Trois pratiques nées ici valent au delà de l’imagerie satellitaire. L’expression des seuils en unités du monde plutôt qu’en pixels, applicable partout où la résolution varie d’une acquisition à l’autre. Le recours à une source externe déclarée pour les frontières que l’image ne porte pas, transposable dès qu’une catégorie relève d’une fonction plutôt que d’une apparence. Et le recouvrement entre unités de travail, nécessaire chaque fois qu’une découpe prive l’annotateur du contexte. Une observation en découle. Ces trois pratiques répondent à une même situation, celle où l’unité d’affichage ne coïncide pas avec l’unité de sens, configuration que ce vertical rend évidente et que d’autres domaines subissent sans la formuler.

Ce que ce chapitre laisse au suivant

Un vertical inverse toutes les propriétés exposées ici. La conduite autonome observe la scène depuis le sol et en mouvement. Trois différences en découlent. L’occlusion redevient la difficulté dominante, un objet en masquant un autre en permanence. Les objets dénombrables comptent autant que les matières continues, ce qui impose la formulation combinée. Et la scène défile, ce qui ajoute une exigence de cohérence entre images successives. Ces trois différences font de ce vertical le contexte où l’exhaustivité et le dénombrement s’imposent ensemble, et elles constituent l’objet du chapitre suivant.

Le contrôle par comparaison externe

Une vérification propre à ce vertical mérite d’être exposée. Une base existante fournit une référence indépendante du travail réalisé. Trois usages en découlent en segmentation d’images. La détection des écarts importants, qui signale soit une erreur soit une évolution réelle du terrain. La vérification des surfaces par classe, qui révèle un glissement de nomenclature. Et le contrôle des limites parcellaires, qui doit coïncider avec la source lorsqu’elle a servi de référence. Une conséquence pratique s’ensuit. Le premier usage produit une information à double sens, un écart pouvant valoir constat d’erreur ou détection de changement, ce qui en fait un contrôle et un livrable selon la finalité du projet.

Ce qu’il faut retenir

La segmentation d’images satellitaires demande de tracer des frontières dont une part n’existe pas dans le signal. Trois lectures se dégagent. Une part des limites sépare des usages du sol plutôt que des matières, ce qui appelle une source extérieure plutôt qu’un examen plus attentif. Les seuils doivent s’exprimer en unités terrain et non en pixels, faute de quoi ils changent de sens avec la résolution. Et le découpage en tuiles prive l’annotateur de la structure d’ensemble à laquelle un usage du sol se reconnaît, ce qui rend le recouvrement nécessaire plutôt que confortable. Pour un vertical où la scène est vue au sol et où le contexte change tout, l’article consacré à la segmentation pour la conduite autonome expose ces exigences. Pour la dimension économique, l’article sur le coût de la segmentation d’images décompose les postes. Pour approfondir les modalités d’exécution, les formats pris en charge et les dispositifs de contrôle applicables, vous pouvez consulter notre page dédiée à l’annotation 2D et 3D. Et si vous préparez un corpus d’imagerie satellitaire, échangeons sur votre projet.