Fonctionnement de l’outil Classification de vraisemblance maximale
Disponible avec une licence Spatial Analyst.
L’algorithme utilisé par l’outil Classification de vraisemblance maximale repose sur deux principes :
Les cellules dans chaque échantillon de classe dans l’espace multidimensionnel sont réparties normalement
Le théorème de Bayes de prise de décision
L’outil tient compte à la fois des moyennes et des covariances des signatures de classe lors de l’attribution de chaque cellule à l’une des classes représentées dans le fichier de signatures. En supposant que la distribution d’un échantillon de classe est normale, une classe peut être caractérisée par le vecteur moyen et la matrice de covariance. Compte tenu de ces deux caractéristiques pour chaque valeur de cellule, la vraisemblance statistique est calculée pour chaque classe. Elle permet de connaître l’appartenance des cellules à la classe. Lorsque le paramètre par défaut Equal (Égal) est spécifié pour l’option A priori probability weighting (Pondération de probabilité à priori), chaque cellule est attribuée à la classe dont elle est le plus susceptible d’être membre.
Si la vraisemblance d’occurrence de certaines classes est supérieure (ou inférieure) à la moyenne, vous devez utiliser l’option à priori File (Fichier) avec Input a priori probability file (Fichier de probabilité à priori en entrée). Les pondérations des classes avec des probabilités spéciales sont spécifiées dans le fichier à priori. Dans ce cas, un fichier à priori facilite l’attribution des cellules qui se trouvent dans la superposition statistique entre deux classes. Ces cellules sont attribuées plus précisément à la classe appropriée pour obtenir une meilleure classification. Cette approche de classification par pondération est appelée classificateur bayésien.
Lorsque vous choisissez l’option à priori Sample (Échantillon), les probabilités à priori attribuées à toutes les classes échantillonnées dans le fichier de signatures en entrée sont proportionnelles au nombre de cellules capturées dans chaque signature. Par conséquent, les classes qui comportent moins de cellules que la moyenne dans l’échantillon reçoivent des pondérations inférieures à la moyenne et celles qui comportent plus de cellules reçoivent des pondérations supérieures à la moyenne. En conséquence, un nombre plus ou moins élevé de cellules est attribué à ces classes.
Lorsqu’une classification de vraisemblance maximale est effectuée, un raster de confiance en sortie peut également être généré en option. Ce raster affiche les niveaux de confiance de la classification. Le nombre de niveaux de confiance est de 14. Il est directement lié au nombre de valeurs de fraction de rejet valides. Le premier niveau de confiance (1 dans le raster de confiance) est composé de cellules dont la distance la plus courte par rapport à tout vecteur moyen est stockée dans le fichier de signatures en entrée. La pertinence de la classification de ces cellules est donc optimale. Les cellules qui composent le deuxième niveau de confiance (valeur de cellule 2 dans le raster de confiance) sont classées uniquement si la fraction de rejet est égale ou inférieure à 0,99. Le niveau de confiance le plus bas a une valeur de 14 sur le raster de confiance. Il désigne les cellules susceptibles d’être incorrectement classées. Les cellules de ce niveau ne sont pas classées lorsque la fraction de rejet est égale ou supérieure à 0,005. Si aucune cellule n’est classée à un niveau de confiance particulier, ce niveau de confiance n’apparaît pas dans le raster de confiance en sortie.
Exemple
L’exemple suivant montre comment l’outil Classification de vraisemblance maximale est utilisé pour procéder à une classification supervisée d’un raster multibande dans cinq classes d’utilisation du sol.
Le raster multibande en entrée pour la classification est une image satellite Landsat TM brute à quatre bandes de la région nord de Cincinnati, dans l’Ohio.
À partir de l’image, cinq classes d’utilisation du sol ont été définies dans une classe d’entités pour produire les échantillons d’apprentissage : Commercial/Industrial (Zone commerciale/industrielle), Residential (Zone résidentielle), Cropland (Terres agricoles), Forest (Forêt) et Pasture (Pâturage). L’outil Créer des signatures a été utilisé pour calculer les statistiques des classes afin de produire un fichier de signatures.
Avec le raster multibande en entrée et le fichier de signatures, l’outil Classification de vraisemblance maximale est utilisé pour classer les cellules raster dans cinq classes.
Paramètres utilisés dans la boîte de dialogue de l’outil Classification de vraisemblance maximale :
Input raster bands (Bandes raster en entrée) : northerncincy.tif
Input signature file (Fichier de signatures en entrée) : signature.gsg
Raster multibande en sortie : landuse
Fraction de rejet : 0,0
A priori probability weighting (Pondération de probabilité) à priori : EQUAL (ÉGAL)
Input a priori probability file (Fichier de probabilité à priori en entrée) : <blanc>
Output confidence raster (Raster de confiance en sortie) : confidence_ras
Le raster classé apparaît comme suit :
Un raster de confiance en sortie a également été créé. Voici la table attributaire résultante pour le raster de confiance. Elle indique le nombre de cellules classées et le degré de confiance associé. La valeur 1 indique une vraisemblance de classification correcte d’au moins 0,995. 69 cellules ont été classées avec ce niveau de confiance. La valeur 5 indique une vraisemblance de classification correcte d’au moins 0,9, mais inférieure à 0,995. 744 128 cellules avaient une vraisemblance de classification correcte de moins de 0,005 avec une valeur de 14.
RECORD VALUE COUNT
0 1 69
1 2 462
2 3 1834
3 4 1123
4 5 2044
5 6 9140
6 7 28443
7 8 46781
8 9 63234
9 10 46393
10 11 42157
11 12 54506
12 13 37937
13 14 744128