OBIA
L’analyse d’image orientée objet traite une image comme un ensemble de régions plutôt que comme une grille de pixels indépendants. Elle s’impose dès que vos objets d’intérêt couvrent de nombreux pixels : sur une imagerie aérienne à 30 centimètres, un toit représente des milliers de pixels, et classifier chacun d’eux séparément produit une carte mouchetée qu’aucun lissage ne corrigera vraiment.
L’OBIA procède en trois étapes, et les 33 outils de cette sous-boîte à outils s’y rattachent.
- Segmenter. Regrouper les pixels voisins en régions homogènes.
- Décrire. Calculer des descripteurs par région : statistiques spectrales, forme, texture, voisins.
- Classifier. Étiqueter les régions, par des règles que vous écrivez ou par un modèle entraîné.
Par où commencer
Section intitulée « Par où commencer »Obia Pipeline Basic
Section intitulée « Obia Pipeline Basic »Toute la chaîne en une seule exécution : segmentation, nettoyage des petites régions, calcul des descripteurs et classification. Commencez ici pour voir à quoi ressemble un résultat OBIA sur votre imagerie, puis reconstruisez-le étape par étape quand vous avez besoin de contrôle.
Segment Slic Superpixels
Section intitulée « Segment Slic Superpixels »La segmentation à essayer en premier. SLIC regroupe les pixels en superpixels compacts, de taille similaire, par un regroupement qui tient compte à la fois de la couleur et de la position. Rapide et prévisible, elle donne des régions d’une taille que vous maîtrisez.
Segment Graph Felzenszwalb adopte une autre approche : il fait croître des régions qui suivent la structure réelle de l’image, si bien que leurs tailles varient beaucoup. Il suit mieux les limites réelles, mais il est plus difficile à régler.
Segment Multiresolution Hierarchical produit plusieurs niveaux imbriqués à la fois, grossier et fin, ce qui correspond au flux de travail classique à la manière d’eCognition : classifier les bâtiments au niveau grossier et les éléments de toiture au niveau fin.
Segment Scale Parameter Optimizer
Section intitulée « Segment Scale Parameter Optimizer »La réponse à la question récurrente : à quelle échelle segmenter ? Il essaie une série de paramètres d’échelle et indique celui qui donne les objets les plus cohérents, de sorte que le choix vient des données plutôt que d’essais successifs.
Les outils Object Features
Section intitulée « Les outils Object Features »Une fois l’image segmentée, chaque objet doit être décrit. Quatre outils, et vous en lancez généralement plusieurs.
Object Features Spectral Basic donne les statistiques de chaque bande à l’intérieur de l’objet : moyenne, écart-type, extrêmes. Les descripteurs essentiels.
Object Features Shape Basic donne la géométrie : surface, périmètre, compacité, élongation. C’est ce qui distingue une route d’un champ de même couleur.
Object Features Texture Glcm Basic donne la texture à partir de la matrice de cooccurrence des niveaux de gris, qui sépare des surfaces de même couleur mais de grain différent.
Object Features Context Neighbors et Object Features Topology Relations décrivent chaque objet par son environnement : nombre de voisins, classes de ces voisins, longueur de limite partagée. C’est ainsi que vous encodez une règle comme « une piscine est de l’eau entourée d’un jardin ».
Classifier les objets
Section intitulée « Classifier les objets »Classify Objects Random Forest est le choix par défaut, entraîné sur des segments d’exemple étiquetés, exactement comme son équivalent par pixel.
Classify Objects Rules Basic adopte l’approche inverse : vous écrivez des règles explicites sur les descripteurs, par exemple une luminosité inférieure à une valeur et une compacité supérieure à une autre. Transparent, vérifiable, et souvent préféré quand le résultat doit être défendu.
Tous les outils
Section intitulée « Tous les outils »Segmentation
| Outil | Ce qu’il fait |
|---|---|
| Segment Slic Superpixels | Superpixels compacts issus d’un regroupement sur la couleur et la position. |
| Segment Graph Felzenszwalb | Segmentation par graphe, qui suit la structure de l’image. |
| Segment Multiresolution Hierarchical | Plusieurs niveaux de segmentation imbriqués, du plus grossier au plus fin. |
| Segment Watershed Markers | Segmentation par ligne de partage des eaux guidée par des marqueurs, qui sépare les objets accolés. |
| Image Segmentation | Croissance de régions à partir de germes sur une pile multibande. |
| Segment Scale Parameter Optimizer | Recherche le paramètre d’échelle qui donne les objets les plus cohérents. |
| Build Object Hierarchy Multiscale | Construit un réseau hiérarchique d’objets par agrégation itérative. |
Nettoyage et édition des segments
| Outil | Ce qu’il fait |
|---|---|
| Segments Merge Small Regions | Fusionne les segments trop petits avec leurs voisins. |
| Segments Split Low Cohesion | Resegmente à une échelle plus fine les objets les moins homogènes. |
| Objects Enforce Min Mapping Unit | Impose une unité minimale de cartographie en fusionnant les segments qui lui sont inférieurs. |
| Objects Boundary Refinement Pro | Affine les limites des objets par nettoyage itératif. |
| Segments To Polygons | Convertit le raster de segments en polygones vectoriels, pour l’édition ou l’export. |
| Polygons To Segments | Reconvertit des polygones édités en raster de segments, en conservant les identifiants des objets. |
| Evaluate Segmentation Quality Pro | Diagnostics sur le nombre d’objets, la distribution des tailles et l’homogénéité. |
Descripteurs d’objets
| Outil | Ce qu’il fait |
|---|---|
| Object Features Spectral Basic | Statistiques par bande à l’intérieur de chaque objet. |
| Object Features Shape Basic | Surface, périmètre, compacité, élongation et autres descripteurs de forme. |
| Object Features Texture Glcm Basic | Descripteurs de texture par objet. |
| Object Features Context Neighbors | Nombre de voisins, limites partagées et classes adjacentes dominantes. |
| Object Features Topology Relations | Descripteurs de topologie de graphe, comme le degré d’un objet. |
Classification et évaluation
| Outil | Ce qu’il fait |
|---|---|
| Classify Objects Random Forest | Entraîne une forêt aléatoire sur des segments étiquetés. |
| Classify Objects Svm | Classification des objets par machine à vecteurs de support. |
| Classify Objects Ensemble Pro | Une configuration d’ensemble réglée pour la précision. |
| Classify Objects Rules Basic | Règles explicites combinant descripteur, opérateur et seuil. |
| Classify Objects Rules Hierarchical | Classification à base de règles à travers une hiérarchie de segmentation. |
| Propagate Labels Across Hierarchy | Transmet les étiquettes du niveau grossier aux objets enfants plus fins. |
| Object Class Probability Maps | Rasters de probabilité par classe, pour l’analyse d’incertitude. |
| Object Uncertainty Diagnostics Pro | Diagnostics d’incertitude agrégés à partir de ces probabilités. |
| Evaluate Object Classification Accuracy | Métriques de précision par rapport à des objets de référence. |
Aide au flux de travail
| Outil | Ce qu’il fait |
|---|---|
| Obia Pipeline Basic | La chaîne complète : segmentation, nettoyage, descripteurs et classification. |
| Obia Batch Orchestrator Pro | Exécute plusieurs traitements OBIA en une seule requête. |
| Obia Audit Report Pro | Rapport d’audit sur les artefacts d’un flux de travail OBIA. |
| Image Stack Profile | Profils par point à travers une pile ordonnée de rasters. |
| Image Slider | Comparaison interactive côte à côte de deux images. |
Remarques
Section intitulée « Remarques »La segmentation décide de tout. Aucun classificateur ne rattrape des objets qui coupent les limites réelles. Consacrez-y votre temps, et vérifiez visuellement les segments avant de calculer le moindre descripteur.
Les objets portent de nombreux descripteurs. C’est tout l’intérêt. Un pixel n’a que son spectre ; un objet a aussi une forme, une texture, une taille et des voisins, et c’est pourquoi l’OBIA distingue des classes que les méthodes par pixel confondent.
Sortie vectorielle. Segments To Polygons vous donne des polygones ordinaires, que vous pouvez ensuite styliser, éditer et exporter comme n’importe quelle couche vectorielle.