Documente Academic
Documente Profesional
Documente Cultură
Option : Télécommunication
SUJET :
Soutenu le :
Devant le jury composé de :
Président,
Examinateur,
I NT R O DU C T I O N GE N E R A L E ......................................................................... 1
CHAPITRE II : C A R A C T E R I S T I QUE S DE S E C HO S D U S O L E T T E CH NI Q UE S
D E L E U R E L I M I NAT I O N ...... …………………………………....14
4.1 INTRODUCTION...................................................................................................... 70
4.2 HISTORIQUE DE LA THEORIE DES FRACTALES ....................................................... 70
4.3 LA DEFINITION D’UN ENSEMBLE FRACTAL ............................................................ 71
4.3.1 Les Dimensions fractales............................................................................. 71
4.3.1.2 L’approche Aire\Périmétre ............................................................... 72
4.3.1.2 La dimension de Minkowski-Bouligand ............................................. 72
4.4 PRINCIPE DE LA MÉTHODE .................................................................................... 74
4.4.1 Organigramme ............................................................................................ 75
4.4.2 Résultats et interprétation .......................................................................... 78
4.4.1.2 La dimension fractale aire/périmètre ................................................ 78
a) les pluies convectives..................................................................... 79
4.4.1.3 La dimension fractale box-counting .................................................. 80
4.4.3 filtrage des images radar par la dimension fractale .................................. 81
4.5 CONCLUSION ......................................................................................................... 81
Introduction générale
- Dans une seconde étape, nous présentons les techniques d’élimination des échos du
sol les plus couramment utilisées.
- Dans le troisième chapitre, nous proposons de développer trois méthodes d’analyse
texturale à savoir, la méthode des histogrammes, la méthode des matrice des cooccurrences, et
la méthode d’unser, et ceci pour deux sites de climats différents : l’un situé à setif (Algérie) et
l’autre à bordeaux (France).
- La dernière partie est consacré à l’analyse fractale des images radars par le calcul
de la dimension fractale des échos de précipitations et des échos du sol, et ceci pour les deux
différents sites cités précédemment.
Chapitre I : radars et anomalies de propagation. 3
CHAPITRE I
1.1. INTRODUCTION.
1.2.1. Principe.
Le schéma bloc du radar non cohérent est donné par la figure 1.2. Ce radar travaille
généralement à des fréquences qui sont comprises entre 3 et 35 Ghz. L’oscillateur est un tube
à onde progressive ou un magnétron, modulé par un modulateur AM . Ce dernier détermine la
fréquence de répétition des impulsions fr (ou PRF = Pulse Répétition Frequency) ainsi que
leur durée (ou «largeur» temporelle). L’impulsion émise est alors composée d’un train
périodique d’ondes à très hautes fréquences, soient quelques milliers d’oscillations de
fréquence f0. En pratique, la durée est comprise entre une fraction de microsecondes et
quelques microsecondes. La période de répétition Tr est d’environ 1 ms à quelques dizaines
de ms. La puissance crête fournie par le radar à l’émission, est de quelques centaines de
Chapitre I : radars et anomalies de propagation. 5
Le signal reçu qui est pulsé à la fréquence fr., est mélangé par hétérodynage avec l’onde
entretenue d’un oscillateur local hyperfréquence de faible puissance. La fréquence de l’onde
locale présente un décalage constant fc = c/2 avec la fréquence f0 de l’émetteur à laquelle
elle est asservie par la commande automatique de fréquence. L‘onde locale est de la forme,
k cos ( 0 - c) t. Le mélangeur opère une multiplication des deux signaux, de sorte que l’on
obtient en sortie un signal de la forme : um (t)= U0 cos[ 0t + (t)]. cos( Lt), ou bien :
avec : L= 0- c
Ce signal est ensuite filtré et amplifié par l’étage de fréquence intermédiaire (FI) qui est
un amplificateur sélectif accordé à la fréquence fI. Le signal transmis est alors du type :
v (t) =V0 cos[ I + (t)], ou I = | 0 - L| et fI = I /2 = fréquence intermédiaire.
La fréquence intermédiaire d’un radar non cohérent se situe entre 35 et 60 MHz. Ce qui
explique l’intérêt de l’utilisation de la fréquence intermédiaire dans le fait que le signal radar
est transmis à plus basse fréquence et que pour ce faire, il suffit d’employer des circuits
électroniques ordinaires. A la sortie de l’étage d’amplification FI, se trouve un démodulateur
AM qui permet de détecter l’écho radar. Le signal ainsi démodulé, est transmis à
l’amplificateur vidéo fréquence, puis au système d’acquisition, de traitement et visualisation
du signal radar [Sauvageot, 1992].
d 4 dr 4π
. vr (1-4)
dt λ dt λ
1 d
f 2 vr (1-5)
d 2π dt λ
Le paramètre fd est la fréquence Doppler. Elle est négative lorsque la cible s’éloigne du
radar (vr > 0) et positive dans le cas contraire. La formule (1-5) est une approximation valable
pour le mouvement des cibles atmosphériques.
En plus des mesures de distance, de position et d’intensité des échos radar, le radar
cohérent permet de détecter l’effet Doppler lié au déplacement d’une cible et de déterminer la
vitesse radiale de celle-ci. On peut voir clairement dans le schéma de la figure 1.3, qu’il est de
configuration plus complexe que le radar non cohérent. Ainsi, son récepteur est conçu de
façon qu’on puisse connaître à sa sortie, à la fois l’amplitude et la phase du signal rétro-
diffusé. Cela explique l’utilisation d’un oscillateur local très stable, appelé stalo (stable
oscillator), et travaillant à très hautes fréquences qui fournit un signal de fréquence f0. Ce
dernier est mélangé avec un signal également très stable, provenant d’un oscillateur cohérent,
appelé coho (cohérent oscillator). Cet oscillateur étant pris comme référence, la fréquence du
signal délivré par celui-ci est également à la fréquence intermédiaire fc. Le signal résultant de
fréquence f0+fc détermine, après amplification, les caractéristiques de l’onde émise par un
tube amplificateur (type klystron). Le signal reçu est mélangé avec l’onde du stalo pour
produire une onde de fréquence intermédiaire ayant les caractéristiques de phase du signal
rétro-diffusé. Aussi celui-ci est comparé au signal FI au niveau de deux modulateurs
équilibrés jouant le rôle de détecteur de phase. Notons qu’au préalable, les deux signaux ont
subi une division de fréquence et sur l’une des deux voies, la phase du signal issue du coho, a
été avancée de /2 avant comparaison. Les signaux obtenus respectivement aux deux sorties
du récepteur sont alors de la forme : v1 (t) =V0 cos(2 fd t) et v2 (t) = V0 sin(2 fd t).
On en déduit l’amplitude du signal rétro-diffusé en faisant : V0 = [v12+v22]1/2 et la phase
contenant la fréquence Doppler en écrivant que : (t) = Arctg (v2 / v1). En pratique, la mesure
de l’amplitude et celle de la phase du signal rétro-diffusé peut se faire à l’oscilloscope en
utilisant la méthode de Lissajous ou tout autre technique de mesure de ces deux paramètres.
Chapitre I : radars et anomalies de propagation. 7
L’emplacement du radar, est très important et nécessaire afin de réduire l’influence des
échos du sol. En d’autre terme, l’emplacement le plus convenable pour un radar
météorologique est le centre d’une plaine ou le sommet d’une montagne, réduisant ainsi
considérablement le nombre d’obstacles. Cependant, des contraintes liées à l’urbanisation
d’une région donnée et à la nature des terrains, ne permettent toujours pas de choisir l’endroit
Chapitre I : radars et anomalies de propagation. 8
idéal pour installer un radar. D’où, il est impératif de trouver d’autres moyens pour supprimer
le clutter de sol.
n r
µr (1-6)
77,6 e
N = (n – 1)106 = p 4810 (1-8)
T T
où : p désigne la pression atmosphérique exprimée en mbar, e la pression de la vapeur en
mbar et T la température en degré Kelvin.
nk nk nk
i2 i2 i2
n2 n2 n2
i1
i1 i1
n1 n1 n1
(a) L’indice de réfraction est (b) L’indice de réfraction (c) L’indice de réfraction
constant avec l’altitude décroît avec l’altitude croit avec l’altitude
dn' 1 dn 1
. (1–9)
dz R' dz R0
dm dn 1
. (1-10)
dz dz R0
Après intégration, on trouve que :
z
m(z) n(z) . (1–11)
R
0
La quantité m, est par définition, l’indice de réfraction modifié. Pour mieux apprécier
les variations de (m), on utilise le co-indice de réfraction modifiée (M) qui s’écrit :
M = (m-1)106. (1–12)
Le tableau.1.1. résume les différents types de réfraction atmosphérique que l’on peut
rencontrer en fonction de la valeur du gradient d’indice g = dN/dz exprimées en (N/km).
Elles résultent d’une ascension rapide des masses d’air dans l’atmosphère. Elles sont en
général de courte durée (moins d’une heure), de forte intensité et de faible extension spatiale.
Comme son nom l’indique (du grec oros, montagne), ces précipitations sont liées à la
présence d’une barrière topographique particulière et ne sont pas, par conséquent,
spatialement mobiles. Les caractéristiques des précipitations orographiques dépendent de
l’altitude, de la pente et de son orientation, mais aussi de la distance séparant l’origine de la
Chapitre I : radars et anomalies de propagation. 12
masse d’air chaud du lieu de soulèvement. En général, elles présentent une intensité et une
fréquence assez régulières.
Elles sont considérées aussi de type cyclonique. Elles sont associées aux surfaces de
contact entre les masses d’air de température, de gradient thermique vertical, d’humidité et de
vitesse de déplacement différent, que l’on nomme fronts. Les fronts froids créent des
précipitations brèves, peu étendues et intenses. Les fronts chauds génèrent des précipitations
longues, étendues, mais peu intense.
1.5.1. Le pluviomètre :
1.5.2. Le pluviographe :
Cet instrument capte la précipitation de la même manière que le pluviomètre mais avec
un dispositif permettant de connaître, outre la hauteur d’eau totale, leur répartition dans le
temps, autrement dit les intensités.
Nom Caractéristiques
Régime équatorial humide - plus de 200 cm de précipitations annuelles moyennes à
l’intérieur des continents et sur les côtes.
- région typique de ce régime : bassin de l’Amazone.
Régime subtropical humide en - entre 100 et 150 cm de précipitation annuelle moyenne à
Amérique l’intérieur des continents et sur les côtes.
- région typique de ce régime : pointe sud-est de
l’Amérique du Nord.
Régime subtropical sec - moins de 25 cm de précipitation annuelle moyenne
à l’intérieur des continents et sur les côtes ouest.
- région typique de ce régime : le sud du Maghreb.
Régime intertropical sous l’influence - plus de 150 cm de précipitation annuelle moyenne
des alizés sur des zones côtières étroites ; humidité.
- région typique de ce régime : côtes est de l’Amérique
centrale.
Régime continental tempéré - entre 10 et 50 cm de précipitation annuelle moyenne
à l’intérieur des continents ; il en résulte des déserts ou
des steppes.
- région typique de ce régime : plaines de l’ouest du
continent nord-américain.
Régime océanique tempéré - plus de 100 cm de précipitation annuelle moyenne
sur les côtes ouest des continents.
- région typique de ce régime : la Colombie britannique,
l’Europe.
Régime polaire et arctique - moins de 30 cm de précipitation annuelle moyenne
se situe au Nord du 60e parallèle ; formation de grands
déserts froids.
- région typique de ce régime : le Grand Nord canadien.
1.7. CONCLUSION.
Les précipitations sont un des processus hydrologiques les plus variables. D’une part,
elles sont caractérisées par une grande variabilité dans l’espace et ceci quelle que soit
l’échelle spatiale prise en compte (régionale, locale, etc.). D’autre part, elles sont caractérisées
par une grande variabilité dans le temps, aussi bien à l’échelle annuelle qu’à celle d’un
événement pluvieux.
Chapitre II : Caractéristiques des échos du sol et techniques de leur élimination. 14
CHAPITRE II
2.1. INTRODUCTION.
En général, l’information contenue dans les images radar comporte deux sortes d’échos.
Il s’agit principalement des échos de précipitations mais aussi ceux dus à la rétro-diffusion du
signal par la surface terrestre appelée échos du sol (clutter). Ces dernières gênent
considérablement la détection des échos météorologiques et ils peuvent induire des erreurs
dans l’estimation des précipitations.
Les échos du sol apparaissent sous forme de cibles fixes ou lentement mobiles :
Les échos fixes, sont causés par la rétro-diffusion des ondes radar sur les obstacles
formant la surface terrestre tel que les terrains accidentés, les montagnes, les collines, les
pylônes métalliques, les constructions en béton et les routes. Ces derniers gênent
considérablement la détection des échos météorologiques, limitant ainsi les performances et
peuvent induire des erreurs dans l’estimation des précipitations.
Chapitre II : Caractéristiques des échos du sol et techniques de leur élimination. 15
L’équation du radar exprime la relation entre l’intensité moyenne du signal reçu et les
propriétés de la cible ponctuelle ou du volume diffusant situé à la distance r en fonction des
caractéristiques techniques du radar et des conditions météorologiques.
L’expression de l’équation radar, s’écrit :
2 2
P σ Gm λ
3 4
(2-1)
Pt 4π r
où :
Pt : puissance totale émise par le radar.
Gm : gain maximum de l’antenne.
: section efficace de rétro-diffusion de la cible.
r : distance entre la surface visée et l’antenne.
: longueur d’onde.
La cible interceptée par le radar est aussi caractérisée par la réfléctivité radar qui est :
n σi V (2-2)
1 6
z i Di (2-3)
V
où : Di est le diamètre des gouttelettes de pluie. z est exprimé généralement en m6. m-3 à cause
la taille des éléments de précipitation qui sont de l’ordre du millimètre. A cette unité, on
associe une échelle logarithmique, appelé facteur de réflectivité radar donnée par :
Les échos provenant de la surface terrestre peuvent être répartis en deux catégories : les
échos du sol et les échos de mer.
Chapitre II : Caractéristiques des échos du sol et techniques de leur élimination. 16
Les échos du sol sont décrits par 0, à savoir la section de rétro-diffusion différentielle,
appelée encore coefficient de rétro-diffusion. Ce dernier est utilisé car la réflexion par le sol
est une contribution d’un grand nombre d’élément diffusants dans les phases sont
indépendantes.
Soit n le nombre d’éléments diffusants, dans une région illuminée par les ondes radar,
la puissance moyenne réfléchie s’écrit [Skolnik, 1990] :
n P ti . G ti . A ri . 0 .Δ A i
P 2
(2–5)
i 1 4πr i
où :
Ai est l’aire de l’élément de surface de rang i.
Pti est la puissance émise correspondant à l’élément de surface i.
Gti et Ari sont respectivement, le gain et la surface effective de l’antenne.
0 = i / Ai : Section de rétro-diffusion.
(Avec ri et i sont respectivement le rayon et la section efficace de rétro-diffusion de l’ième
surface).
La rugosité du sol intervient dans la distribution du champ réfléchi. En effet, le
phénomène de diffusion existe lorsque les ondes électromagnétiques rencontrent sur leurs
trajets un nombre important d’obstacles dont les dimensions sont du même ordre de grandeur
ou plus grande que la longueur d’onde.
D’autre part, la constante diélectrique du sol influe aussi sur le coefficient 0. En effet,
la diffusion des ondes électromagnétique par des sols humides est plus importante que celle
due aux sols pauvres en eau. Les plus fortes valeurs de 0 ont été enregistrées pour des sols
couverts de neige. Mais pour des fréquences dépassant 35 GHz, les phénomènes d’absorption
deviennent importants, réduisant alors la rétro-diffusion des ondes électromagnétiques par la
neige.
Rappelons que la rétro-diffusion des échos radar par des cibles atmosphériques est le
résultat de la diffusion sur une cible formée par une multitude de diffuseurs élémentaires,
indépendants les uns des autres distribués aléatoirement dans le volume de la cible.
Soit X l’amplitude du signal issu de la cible décrite précédemment. Pour un récepteur à
détection linéaire, l’amplitude X est considérée comme une variable aléatoire caractérisée par
une densité de probabilité p(x), qui s’écrit [Marshall et al. , 1953] :
2
p(X) = ( X / ) exp (- X2 / 2 2) (2-6)
2
avec : X2 X2p(X)dx = 2 (2–7)
0
Le rapport de ces deux paramètres après calculs, vaut : X2 / X2 = 1 / (1- /4) = 4.66. Par
contre, la distribution des amplitudes des échos fixes suit une loi de Gauss pour laquelle le
rapport X2 / X2 vaut 500 (27 dB) [Skolnik, 1990].
Le spectre de puissance (f) des échos de sol est :
2
f f
(f) = 0 exp D D (2–9)
2σ 2
f
avec: f =2 v /
W(m/s) v(cm/s)
5 4
10 22
20 32
- Pour la mer :
W(m/s) v(cm/s)
4 45
10 105
Ce type de filtrage est assuré par un filtre passe-haut à flanc raide, placé à la sortie d’un
radar cohérent [Doviak et Zrnic, 1993]. Le rôle de ce filtre est d’éliminer les échos fixes en
supprimant la composante Doppler de fréquence nulle ou celles proches de 0 Hz. Mais il est
conçu de façon à conserver les échos de pluie et de nuages qui sont animés d’une vitesse
suffisamment grande, donc d’une fréquence Doppler élevée. Le filtrage de la vitesse est
effectué en procédant tout d’abord à une conversion analogique numérique du signal vidéo
issu du radar. Ensuite, ce signal est transmis à un filtre numérique qui est habituellement de
type cosinus, cosinus carré, Tchébytcheff ou Hamming.
Le filtre Doppler est très efficace quand on a affaire à des pluies intenses et à des vents
modérés soufflant à moins de 30 km/h. Pour des pluies fines, le spectre des échos de
Chapitre II : Caractéristiques des échos du sol et techniques de leur élimination. 19
précipitations risque de ce confondre avec celui des échos fixes. Il devient alors difficile
d’éliminer les échos fixes sans affaiblir les échos de précipitations.
Le procédé MTI, se base sur la comparaison entre des échos radar obtenus à une période
donnée, qui seront pris comme référence, avec les échos apparaissant aux périodes suivantes,
dans le but de conserver les échos mobiles.
Les circuits MTI peuvent être : - à simple annulation.
- à double annulation.
- numérique.
Soit un circuit MTI à simple annulation, représenté par la fig.2.1 par un schéma bloc. Ce
circuit est placé généralement, soit à la sortie du démodulateur, soit dans la chaîne
d’amplification FI. Il se compose essentiellement d’une ligne à retard et d’un circuit
soustracteur.
X(t)
où : Y(t) est une variable aléatoire obéissant à la loi de Rayleigh, D est la pulsation
correspondant à la fréquence Doppler et (t) est la distribution de phase.
L’amplitude du signal représentatif du clutter du sol g(t), au niveau du récepteur est
pratiquement constante.
Le signal X(t) apparaissant à l’impulsion k est à la fois transmis à l’une des entrées du
circuit soustracteur et à l’autre entrée par le biais d’une ligne à retard. Cette dernière déphase
le signal X(t) de façon à ce qu’il soit retardé d’un temps égal à une période de répétition Tr.
Puis le signal R(t) ainsi retardé est comparé au signal X(t) apparaissant à l’impulsion k+1.
Après soustraction, les échos fixes sont éliminés car l’amplitude et la phase du signal sont
constantes. Par conséquent, le signal S(t) obtenu à la sortie du soustracteur, ne se compose
que des échos relatifs aux cibles mobiles, en général, et des échos atmosphériques en
particulier.
Chapitre II : Caractéristiques des échos du sol et techniques de leur élimination. 20
Dans le cas où on place un circuit MTI à double annulation, c’est à dire, deux MTI à
simple annulation montés en cascade, ceci améliorera l’élimination des échos fixes. Dans ce
cas, la suppression du clutter se fait au prix de deux soustractions successives. Le circuit MTI
à double annulation peut être assorti d’une contre réaction pour compenser la diminution du
gain du MTI.
=( 5
/ 4
) k 1 nd (2–12)
Vi 1 i
avec : k = -1/ +2
où : désigne la constante diélectrique, di est le diamètre des gouttelettes d’eau et V est le
volume de la cible atmosphérique.
Etant donné la forme quasi sphérique des gouttelettes, l’intensité des échos issus des
cibles atmosphériques varie peu avec la polarisation des ondes radar. Par contre, pour la
plupart des échos en provenance de la surface terrestre, l’intensité des échos dépend fortement
de la polarisation des ondes car la forme des obstacles constituant le relief qui est quelconque,
s’étale davantage dans un sens plutôt que dans un autre.
En faisant varier cette polarisation, il est possible de séparer les échos dus aux cibles
atmosphériques des échos fixes. Pour ce faire, considérons les puissances pH et pV reçues par
un radar et résultant de la rétro-diffusion, par une même cible, d’ondes émises respectivement
en polarisation horizontale (H) et en polarisation verticale (V). Par définition, la réflectivité
différentielle de la cible est :
Pour un radar pulsé, le signal à l’émission est un signal sinusoïdal de fréquence f0,
modulé en amplitude par des impulsions rectangulaires de durée et de fréquence de
répétition fr (avec fr = 1 / Tr et << Tr). Le spectre de ces impulsions est formé d’une infinité
de raies qui s’espacent l’une par rapport à la suivante d’un intervalle de fréquence égal à fr et
dont l’amplitude :
Chapitre II : Caractéristiques des échos du sol et techniques de leur élimination. 21
pour n = 0 U = U0
nππ
2U sin
0 T
pour n = 1,...,n U= r
nππ
T
r
Fig. 2. 2 - Raies d’échos fixes (traits fins) et d’échos de cible mobile (traits fort).
« Décalage Doppler du spectre pour une cible en mouvement.»
Supposons dans un premier temps que l’antenne soit fixe. Les raies spectrales des échos
fixes apparaissent évidemment aux même fréquences que celles du spectre à l’émission c’est à
dire aux fréquences f0 nfr (avec n = 0,1,..n). Mais lorsque le signal est rétro-diffusé par une
cible en mouvement, son spectre subit un décalage par rapport aux raies à l’émission. Pour
éliminer les échos fixes, il suffit de supprimer toutes les composantes de fréquences f0 nfr.
Pour les radars non cohérents, il suffit d’intercaler dans l’étage FI un filtre en peigne. Ce
type de filtre est un ensemble de filtres réjecteurs montés en cascade et réglés respectivement
sur chacune des fréquences à éliminer c’est à dire f0 nfr. Mais lorsque l’antenne n’est pas
fixe, le spectre subit un élargissement qui vaut 2 DaVa / (où Da est le diamètre de
l’antenne et Va sa vitesse de rotation) [Carpentier, 1981]. Les filtres réjecteurs sont réglés
alors sur les fréquences f0 – nfr – fc, f0 –nfr + fc,… ,f0 – fc, f0 + fc,… ,f0 + nfr – fc, f0 + nfr +
fc (avec n = 1,2,… ,n et fc = 2 DaVa / ).
1 n
S maxZ minZ (2–14)
e ni 1
Dans notre cas, on utilise une autre démarche pour la classification et l’élimination des
échos du sol ou échos parasites. Celle –ci consiste en l’analyse de la texture des échos radar.
Deux techniques différentes ont été considérées. L’une basée sur l’approche statistique de la
texture à savoir l’utilisation des matrices de cooccurrences, de la méthode des histogrammes
et de la méthode de la somme et de la différences des histogrammes et l’autre en étudiant la
dimension fractale des échos de précipitation et des échos du sol. Ces différentes méthodes
seront utilisées pour l’élimination des échos du sol dans deux sites à climats différents. Il
s’agit de Setif (Algérie) où règne un climat continental et Bordeaux où le climat est du type
océanique.
Chapitre III : Etude de la texture par l’approche statistique. 23
CHAPITRE III
3.1. GENERALITES.
La texture est le terme utilisé pour caractériser la distribution spatiale des éléments
d’une surface donnée dans une image. A l’origine le mot texture servait à qualifier des
qualités de tissu suivant la finesse ou la grosseur du tissage.
En imagerie, elle peut être définie par les relations spatiales que possèdent des niveaux
de gris voisins, qui contribuent à l’apparence globale de l’image.
Il existe plusieurs domaines d’application et d’utilisation de l’analyse texturale, à
savoir :
- L’industrie, où elle permet de détecter d’éventuels défauts de fabrications, et de contrôler la
qualité des produits.
- L’imagerie médicale, afin de distinguer les tissus saints des tissus pathologiques.
- Le domaine de l’audiovisuel et de l’infographie, où elle peut être utilisée pour le réalisme,
l‘art….
- Les images multispectrales acquises en télédétection, afin de reconnaître et différencier un
champ, d’une foret , d’une ville.
Chapitre III : Etude de la texture par l’approche statistique. 24
La texture est décrite par l’intensité d’un pixel et les caractéristiques statistiques de
variation de cette intensité dans un voisinage optimal. Les caractéristiques sont définies par
l’ensemble des relations spatiales qui lient entre eux les niveaux de gris d’une image.
Les méthodes d’analyse de texture les plus utilisées en télédétection sont [Kourgli,
1997] :
L’estimation de la texture par la fonction d’autocorrélation.
L’analyse de la texture par les méthodes de transformations.
Les méthodes de mesures des paramètres locaux de texture.
Transformations locales.
Méthodes des matrices de dépendance de niveau de gris (MDNG).
- Matrice de cooccurrence de niveau de gris (GLCM).
- Méthodes des différences de niveau de gris (GLDM).
- Méthodes de dépendance de niveau de gris voisins (NGLDM).
- Méthodes des sommes et différences d’histogrammes (SADH).
Chapitre III : Etude de la texture par l’approche statistique. 25
Cette méthode consiste à représenter pour chaque fenêtre de traitement F de taille (T1 x
T2) balayant une image numérique S de taille (M x N) l’histogramme donnant les fréquences
d’occurrences des intensités des niveaux de gris de la fenêtre considérée. Les probabilités de
premier ordre de la distribution des intensités de l’image sont définies comme suit
[Pratt, 1976] :
Ngmax -1
1
La Dissymétrie : D= (i – µ)3. P(i) (3-4)
σ3 i 0
N gmax -1
1
L’Aplatissement : A = [ (i – µ)4. P(i)] – 3 (3-5)
σ4 i 0
Chapitre III : Etude de la texture par l’approche statistique. 26
N gmax -1
Ngmax -1
3.5.1. Définition.
Une des premières méthodes utilisées dans l’analyse de la texture est la méthode des
matrices de cooccurrences dite aussi matrices de dépendance spatiale des niveaux de gris. Elle
est basée sur l’estimation de la fonction densité de probabilité conditionnelle conjointe du
second ordre p(i, j/d, ),où chaque p(i, j/d, ) pour ( = 0°, 45°, 90°, 135°, 180°, 225°, 270°)
représente la probabilité d’aller du niveau de gris i au niveau de gris j. Cette transition est
régie par un vecteur à deux composantes :
- La première est la distance « d » séparant les deux pixels.
- La seconde est l’orientation « » qui est définie par l’angle entre la direction de transition et
le sens de balayage de l’image.
L’orientation peut être déterminée aussi en coordonnées cartésiennes ( x : déplacement
dans la direction horizontale et y : déplacement dans la direction verticale).
On définit la matrice de cooccurrence dont les éléments p(i , j) notés Pij représentent la
fréquence d’occurrence de la paire de niveaux de gris (i , j) dans une image S de taille: (MxN)
avec une fenêtre de traitement F de taille (T1 x T2) suivant une relation R(d, ) [avec =f( x ,
y)] définie par :
P(i, j/d, ) = Card {(x , y), (x+ x , y+ y) S / I(x , y) = i et I(x+ x, y+ y) = j suivant R}.
Les éléments de la matrice de cooccurrence peuvent être calculés suivant trois variantes,
à savoir : considérer un sens, une direction, ou encore les quatres directions en même temps
(matrice moyenne).
Chapitre III : Etude de la texture par l’approche statistique. 27
IL existe huit matrices de cooccurrence (d, ) pour différentes directions ( = 0°, 45°,
90°, 135°, 180°, 225°, 270° et 315°) ( voir Fig. 3.1).
Dans notre cas nous étudierons quatres directions ( = 0°, 45°, 90°, 135°), étant donné
que les matrices des directions ( = 180°, 225°, 270°, 315°) représentent les matrices
transposées respectives des quatres premières. (voir tableau 3.1)
d x y Matrice sens
P11 P12 P13
1 0° 0 1 P21 P22 P23
P31 P32 P33
P11 P12 P13
1 45° -1 1 P21 P22 P23
P31 P32 P33
Ces matrices sont déduites à partir des matrices sens et cela en considérant que les
quatres directions principales (0°, 45°, 90° et 135°). Ainsi chaque élément de la matrice
direction est calculé par l’expression suivante :
S (d) = 1 ( (d , ) + (d , +180°)) = 1 ( (d , ) + t
(d , )). (3-8)
2 2
t
où : est la matrice transposée.
Comme les matrices directionnelles, cette matrice est déduite des matrices sens en
considérant les huit directions en même temps. Ainsi chaque élément de la matrice moyenne
est calculé par l’expression suivante :
Les paramètres statistiques les plus utilisés et les plus significatifs proposés par Haralick
(1973) peuvent être regroupés en quatre catégories à savoir :
. Paramètres caractérisant l’aspect visuel de la texture : second moment angulaire (énergie) –
contraste (inertie) –corrélation (dépendance linéaire des niveaux de gris).
. Paramètres statistiques : variance –homogénéité locale –somme des moyennes –somme des
variances –différence de variances.
. Paramètres basés sur la théorie de l’information : entropie – somme des entropies –
différences des entropies.
. Paramètres de la corrélation : coefficient de corrélation maximum.
On utilisera seulement les neufs paramètres qui donnent les résultats les plus
décorrelées [Haralick, 1979 ; Unser, 1986 ]. Ce sont :
La moyenne:
Ng 1 Ng 1
µx= i Pij
i 0 j 0
(3-10)
Ng 1 Ng 1
et : µy = j Pij
j 0 i 0
Chapitre III : Etude de la texture par l’approche statistique. 29
Pour des zones plus ou moins homogènes le calcul de la moyenne revient à prendre le
niveau de gris dominant de l’image.
Pour une matrice directionnelle, celle-ci étant symétrique x = y. Il en est de même
pour la variance.
La variance:
Ng 1 Ng 1
2 2
x = (i – µx) Pij
i 0 j 0
(3-11)
Ng 1 Ng 1
2
et y = (j – µy)2 Pij
j 0 i 0
L’énergie:
Ng 1 Ng 1
E= Pij2 (3-12)
i 0 j 0
L’entropie :
Ng 1 Ng 1
ENT = – Pij log Pij (3-13)
i 0 j 0
L’inertie:
Ng 1 Ng 1
I= (i – j)2. Pij (3-14)
i 0 j 0
L’inertie ou le contraste mesure la différence entre les hautes et les basses valeurs d’un
ensemble de pixels (passage d’un pixel très clair à un pixel très foncé ou inversement). Ainsi,
la valeur de l’inertie est d’autant plus grande qu’il y a de variations locales importantes. Ce
paramètre tend à ressortir sur l’image les zones hétérogènes.
Chapitre III : Etude de la texture par l’approche statistique. 30
L’homogénéité locale :
Ng 1 Ng 1
Hg = [1 / (1 + (i –j)2 )].Pij (3-15)
i 0 j 0
L’homogénéité locale est aussi appelée moment de différence inverse. Pour des zones
homogènes, on a une petite différence entre les paires de niveaux de gris.
Ainsi, l’application de l’homogénéité locale, à l’inverse de l’inertie, donne un poids plus
grand aux fréquences d’occurrence des zones homogènes.
La corrélation :
Ng 1 Ng 1
C= [ (i– µx).(j– µy) / ( x . y) ].Pij (3-16)
i 0 j 0
La corrélation mesure la dépendance linéaire entre des intensités des paires voisines.
Le groupement de nuances :
Ng 1 Ng 1
CS = (i+j– µx– µy)3 Pij (3-17)
i 0 j 0
Le groupement de prédominances :
Ng 1 Ng 1
CP = (i+j– µx– µy)4 Pij (3-18)
i 0 j 0
Pour illustrer ce qui précède, prenons une image F de taille (4x5) contenant 4 niveaux
de gris et calculons les matrices de cooccurrences lui correspondant :
La fenêtre image F :
0 0 1 0 2
1 3 1 2 0
F=
1 2 2 0 1
3 1 3 0 2
Si l’on désire estimer la matrice sens R(1,0°) exprimé aussi par (d =1, x = 0, y = 1),
on comptabilise le nombre de fois qu’une paire de niveaux de gris (i , j) se trouve sur une
même ligne horizontale distante de un pixel en allant de i vers j.
la particularité de cette matrice est qu’elle fait la distinction entre la paire de niveau de
gris (i , j) et la paire de niveau de gris (j , i), prenons par exemple la paire de gris (1 , 2) elle se
présente dans l’image 2 fois alors que la paire (2 , 1) n’existe pas sur cette image, ainsi la
matrice sens R (1 , 0°) pour l’image F est :
Chapitre III : Etude de la texture par l’approche statistique. 31
3.6.1. principe.
Z1 = { I (x , y) + I(x+ x , y+ y) } (3-19)
et
Z2 = { I (x , y) – I(x+ x , y+ y) } (3-20)
La seconde consiste à générer deux fonctions histogrammes pour les distances fixées
par ( x , y) :
pd (j) = prob {Z2 = j}= hd (j) / r avec (j = - (Ng +1),…, (Ng –1)) (3-24)
3.6.2. Paramétres.
Un ensemble de paramétres sont définis à partir des fonctions ps (i) et pd (j), equivalents
aux paramétres de cooccurrences.
2
La variance: = (1/4) [ (i– 2µ)2. Ps (i) + j2. pd (j) ] (3-27)
i j
Chapitre III : Etude de la texture par l’approche statistique. 33
L’entropie : ENT = – Ps (i).log (Ps (i)) – pd (j). log (pd (j)) (3-30)
i j
(i - 2µ) 3 .Ps i
Le groupement de nuance : CS = i
3
(3-33)
2 2
( (i - 2µ) .Ps(i))
i
(i - 2µ) 4 . Ps(i)
Le groupement de prédominance : CP = [ 2
]-3 (3-34)
A titre d’illustration, nous donnons l’exemple numérique suivant : Soit une image F de
taille (MxN) = (4x5) possédant les intensités I(m , n).
0 0 1 0 2
1 0 1 2 0
F=
1 2 2 0 1
0 1 1 0 2
1 1
E= 2
((1)2 + (7)2 + (5)2 + (2)2 + (1)2 ). 2
((2)2 + (6)2 + (3)2 + (3)2+ (2)2 ) = 0,239.
12 12
Les images étudiées ont été collectées avec les radars météorologiques de Setif
(Algérie) qui est de type ASWR 81 (Algerian Service Weather Radar) géré par l’Office
National de Météorologie (O.N.M), et de Bordeaux-Mérignac (44°52 W, altitude 70m) dans le
sud-ouest de la France géré par Météo-France. Les caractéristiques techniques de ces radars
sont données dans le tableau (3. 2).
Setif est une ville des hauts plateaux, entourée par les montagnes du Djurjura, des monts
des Bibans et du Babor. Le climat dans cette région est du type continental. On enregistre une
intensité moyenne de pluie avoisinant 400 mm par an. Cependant, Setif est confrontée à une
période de sécheresse depuis un certain temps. Cette ville est située à 1081m d’altitude, au
centre d’un vaste plateau dénudé. Ses coordonnées géographiques sont 36°11 N pour la
latitude et 5°25 E de longitude. Cette position stratégique a contribué au choix de
l’emplacement du radar à 1300 m d’altitude. Le radar AWSR 81 est composé d’un émetteur,
d’un récepteur, d’un système d’asservissement en position et d’un système de traitement des
données météorologiques. Il existe deux configurations pour le traitement des données
météorologiques. Pour la première configuration, les signaux représentant les zones de
précipitations sont visualisés soit en PPI, soit en RHI. Quant à la deuxième configuration, la
sortie vidéo du signal est connectée à une chaîne de SANAGA dont le rôle est de numériser le
signal. Les images obtenues grâce à la chaîne SANAGA sont significatives car elles sont
représentées par un code de couleurs qui nous renseigne sur la réflectivité des particules rétro-
diffusantes.
logiciel interactif, travaillant en temps réel. Ce dispositif câblé installé dans un boîtier
indépendant, réalise :
- La conversion numérique et l’intégration du signal vidéo.
- La numérisation des signaux provenant du dispositif de codage des angles de site et
d’azimuth.
- L’interfaçage au micro-ordinateur.
La numérisation du signal est effectuée en huit bits. Le signal vidéo est moyenné
numériquement toutes les 64 impulsions radars. L’acquisition en site et en azimuth est faite de
façon à permettre une bonne mise en séquence de la prise des données. Celle-ci est effectuée
par 512 portes "distance" espacées de 250, 500 ou 750 m suivant l’échelle des distances. Les
données numérisées provenant des radars sont converties en images à haute résolution et
affichées sur l’écran radar. Les données peuvent être sauvegardées sur bande magnétique ou
sur disque dur en deux fichiers :
- le premier avec une extension .RH , contient les commentaires que l’on peut saisir sur
l’affichage.
- le deuxième, extension .RD , englobe les données radar, radiale par radiale.
l’intensité des échos radar fournit une mesure quantitative de précipitations R exprimée
en « millimètres par heure (mm\h), convertible en facteur de réflectivité Z exprimée en
« dBZ », et obtenue à partir des expressions :
Les échos radar se présentent au moyen de zone coloriées, dont les niveaux de gris
différent d’un site à un autre. Pour le site de Setif les images sont de format 512x512 pixels
obtenue dans la représentation PPI selon un mode de 16 couleurs (fig. 3.2.a). Pour les images
de Bordeaux , elles sont de format 512x512 pixels avec une résolution de 1 km par pixel,
selon un mode de 12 couleurs, où chaque couleur correspond à un niveau de réflectivité bien
précis. (fig. 3.2.b)
dBZ
68
64
60
56 dBZ
52 55
48 50
44 45
40 40
36 35
32 30
28 25
24 20
20 15
16 10
08 05
00 00
Les échos en provenance de la surface ont été observés depuis les première années
d’utilisation du radar et demeurent toujours indésirables pour les météorologues. Après avoir
passé en revue les techniques les plus utilisées pour éliminer les échos du sol, nous avons
utilisé une méthode basée sur l’analyse de la texture pour filtrer les échos de précipitations.
Les algorithmes développés ont été implantés sur un pentium III 900 Mhz à partir du
logiciel MATLAB 5.3 .
La technique d’élimination des échos du sol s’exécute en trois étapes qui se résument
comme suit :
- Etape 1 :
La première étape consiste à constituer deux bases de données, l’une représentant les
échos de précipitations est confectionnée à partir de logiciels de retouche d’image numérique
comme adobe photoshop 6.0 et Microsoft paintbrush où on distingue facilement les
précipitations des échos du sol. La seconde base de données est une image radar prise en
temps clair. Ces deux images de références vont servir par la suite à rechercher la condition de
classification des échos radar et d’élimination des échos du sol.
- Etape 2 :
La deuxiéme étape consiste à balayer toute l’image en procédant par des fenêtres de 5x5
pixels. Pour chaque fenêtre, nous calculons les différents paramétres statistiques relatifs à
chacune des trois approches texturales présentées auparavant. Ensuite, nous passons à la
fenêtre suivante par simple décalage d’un pixel. Ainsi, nous disposons d’une série de valeurs
de paramètres texturaux propres à chaque type d’échos. Ces données sont ensuite représentées
sous forme d’histogrammes. Pour rechercher le paramètre discriminant entre les échos du sol
et les échos de précipitations, on analyse les deux histogrammes. Si ces deux derniers se
chevauchent, on rejette le paramètre statistique en question, mais, dans le cas contraire c’est à
dire si les deux histogrammes ne se recouvrent pas, on retient ce paramètre et on arrête le
critère d’identification.
- Etape 3 :
La troisième étape consiste à éliminer des échos du sol. Pour cela, on procède toujours
par des fenêtres de 5x5 pixels. Si la valeur du paramètre statistique se trouve à l’intérieur de
l’intervalle des valeurs propres aux échos de précipitations, on maintient la couleur du pixel
considéré. Dans le cas contraire ou si le nombre de pixels noirs dépasse 12 pixels, on affecte à
ce pixel la couleur noire. Ensuite, on passe au pixel suivant. Après balayage de toute l’image,
nous obtiendrons une image qui ne contient quasiment plus d’échos du sol.
Afin d’analyser la structure physique des échos du sol et des échos de précipitations,
nous allons analyser les paramètres statistiques des images en temps clair et l’image référence
pour les images de Setif et Bordeaux pour chacune des trois approches statistiques retenues,
Les différentes valeurs des paramètres sont présentées dans les tableau propres à chaque
sites :
Chapitre III : Etude de la texture par l’approche statistique. 39
Orientation
0° 45° 90° 135°
I. temps Image I. temps Image I. temps Image I. temps Image
clair Réf. clair Réf. clair Réf. clair Réf.
L’énergie 11 0,511 0,114 0,513 0,108 0,519 0,113 0,518
L’homog. locale 0,415 0,781 0,369 0,776 0,434 0,775 0,359 0,784
La variance 13,508 3,351 12,891 3,150 13,387 3,252 12,933 3,170
La corrélation 0,337 0,177 0,207 0,161 0,369 0,174 0,197 0,169
L’entropie 1,091 0,383 1,031 0,399 1,087 0,389 1,033 0,396
La moyenne 7,391 6,111 7,488 6,122 7,406 6,110 7,447 6,119
L’inertie 16,825 5,331 20,605 5,116 15,380 5,299 21,164 5,578
Groupe.nuances -23,266 -50,707 -15,064 -48,236 -29,763 -49,487 -19,858 -48,836
Gp. prédominance 4504,8 304,655 3423,4 305,09 4833,8 303,832 3303,6 304,146
Orientation
0° 45° 90° 135°
I. temps Image I. temps Image I. temps Image I. temps Image
clair Réf. clair Réf. clair Réf. clair Réf.
L’énergie 0,118 0,326 0,128 0,327 0,116 0,326 0,122 0,328
L’homog. locale 0,474 0,664 0,414 0,657 0,475 0,664 0,373 0,652
La variance 7,047 3,763 6,864 3,674 7,021 3,726 6,884 3,659
La corrélation 0,261 0,181 0,271 0,179 0,289 0,187 0,273 0,179
L’entropie 1,031 0,624 0,975 0,599 1,031 0,621 0,988 0,597
La moyenne 5,539 4,976 5,550 4,971 5,547 4,969 5,567 4,973
L’inertie 11,119 5,211 12,754 5,669 11,089 5,380 13,838 5,765
Group.nuence -4,950 -13,522 -5,793 -12,442 -3,671 -12,386 -2,942 -13,46
Gp.prédominence 780,786 360,235 617,53 364,907 777,863 361,67 542,929 368,959
Orientation
0° 45° 90° 135°
I. temps Image I. temps Image I. temps Image I. temps Image
clair Réf. clair Réf. clair Réf. clair Réf.
L’énergie 0,031 0,369 0,032 0,370 0,033 0,360 0,031 0,361
L’homog. locale 0,415 0,791 0,369 0,787 0,434 0,795 0,359 0,784
La variance 27,015 6,701 25,781 6,300 26,774 6,505 25,866 6,341
La corrélation 0,314 0,168 0,176 0,154 0,341 0,165 0,145 0,156
L’entropie 1,796 0,666 1,742 0,656 1,785 0,613 1,750 0,648
La moyenne 7,391 6,068 7,488 6,122 7,406 6,099 7,477 6,119
L’inertie 16,825 5,331 20,605 5,116 15,380 5,299 21,164 5,578
Group.nuence -2,345 -3,479 -1,993 -3,658 -2,896 -4,183 -2,205 -3,220
Gp.prédominence 113,527 24,753 86,920 26,343 119,353 25,862 84,126 24,953
Orientation
0° 45° 90° 135°
I. temps Image I. temps Image I. temps Image I. temps Image
clair Réf. clair Réf. clair Réf. clair Réf.
L’énergie 0,040 0,178 0,038 0,178 0,037 0,180 0,033 0,180
L’homog. locale 0,474 0,684 0,414 0,677 0,475 0,694 0,373 0,682
La variance 14,093 7,526 13,729 7,458 14,042 7,772 13,769 7,278
La corrélation 0,177 0,228 0,051 0,199 0,182 0,189 -0,020 0,205
L’entropie 1,672 1,023 1,641 1,007 1,679 0,972 1,671 1,002
La moyenne 5,539 5,986 5,570 6,001 5,547 5,962 5,567 6,003
L’inertie 11,119 5,211 12,754 5,669 11,089 5,380 13,838 5,765
Group.nuence -0,183 -1,849 -0,298 -1,546 -0,132 -1,148 -0,376 -1,662
Gp.prédominence 44,497 30,344 35,095 32,714 44,723 33,663 30,397 31,668
Table. 3. 6 - Ordres de grandeurs des paramètres statistiques de la méthode d’Unser Calculés pour
l’image en temps clair et pour l’image référence de Bordeaux.
3.9.3. Discussion.
Ainsi, on peut considérer les zones de précipitations comme étant plus homogènes que
celle des échos du sol. Ces résultats sont en bon accord avec ceux publiés dans la littérature
[Moszkowicz, 1994].
3.9.3. Organigrammes.
Dans notre étude nous avons développé neuf programmes. Ainsi, chaque approche
texturale se caractérisera par deux organigrammes. Le premier permet de rechercher le critère
de classification des échos radar alors que le second sert à éliminer les échos du sol.
Notons que, les deux organigrammes sont presque identiques (voir fig. 3.5 et fig. 3.6).
La seule différence réside dans la fonction de la fenêtre. Ces organigrammes sont appliqués
aux trois approches qui font l’objet de notre étude, soit : la méthode des Histogrammes, la
méthode d’Unser, la méthode des matrices de cooccurrence. Chaque méthode se caractérise
par sa propre condition de filtrage et ses propres paramètres statistiques.
Chapitre III : Etude de la texture par l’approche statistique. 43
3.10. APPLICATION.
D’après la figure 3.7, on peut voir que le paramètre « moyenne » ne pourra pas être
choisi comme paramètre discriminant, car on constate un large recouvrement des deux
histogrammes aussi bien pour le site de Setif que celui de Bordeaux. C’est le cas aussi pour
les autres paramètres, c’est à dire « la variance », « la dissymétrie », « l’aplatissement » et
« l’entropie », qui excluent toute possibilité de filtrage.
Par contre le paramètre « énergie », permet de distinguer sans ambiguïtés les valeurs
propres aux échos du sol à celles des précipitations, comme le montre la figure suivante :
Chapitre III : Etude de la texture par l’approche statistique. 46
- Si l’énergie « eng » > 0,33 : considérer la fenêtre comme étant des précipitations et
passer à la fenêtre voisine en gardant la couleur du
premier pixel.
- Si l’énergie »eng » 0,33 : considérer la fenêtre comme étant des échos du sol et
remplacer le premier pixel de la fenêtre par un pixel noir.
D’après ces résultats, on peut voir clairement que d’une part la structure des
précipitations reste pratiquement inchangée, et d’autres part on note une forte atténuation des
échos du sol. Mais on remarque la présence d’échos du sol résiduels. L’application d’un filtre
médian permet d’éliminer parfaitement ces derniers.
Fig. 3. 11 – Images de Setif et bordeaux filtrée par la méthode des histogrammes avant et après
passage par filtre médian.
Chapitre III : Etude de la texture par l’approche statistique. 48
Nous allons dans une première étape, estimer les facteurs de réflectivité Z et les taux de
précipitations R des images filtrées pour chaque site avant et après l’application du filtre
médian. Nous allons ensuite comparer nos résultats à ceux obtenus pour l’image bruité et
l’image confectionnée à partir de logiciels de retouches d’images. De même, nous allons
calculer l’erreur relative sur R pour pouvoir enfin estimer les pertes d’informations. Les
résultats sont présentés dans les tables 3.7 et 3.8.
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,818 48,063 0,410 //
Img. Référence 16,322 42,873 0,382 //
Img. Filtrée 16,244 42,111 0,378 1,11
Img. Filtrée (filt.med) 16,238 42,049 0,377 1,20
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,441 5,547 0,106 //
Img. Référence 7,327 5,404 0,105 //
Img. Filtrée 7,157 5,205 0,102 2,35
Img. Filtrée (filt.med) 7,111 5,141 0,101 3,10
d). Discussion.
D’après les résultats obtenus, on remarque que la méthode des histogrammes donne un
filtrage très satisfaisant en utilisant le paramètre « énergie ». Ceci est illustré sur les images
traitées où on constate que les échos du sol sont quasiment éliminés alors que les échos de
précipitations sont peu affectés aussi bien pour l’image prise à Setif que celle de Bordeaux.
Ce filtrage à été amélioré par l’application du filtre médian. Les pertes d’informations sont
très faibles. Elles sont de l’ordre de 2% avant l’application du filtre médian et de 3% après
l’application du filtre pour les deux sites étudiés. Pour tester les performances de notre
méthode de filtrage, nous avons considéré plus de deux cents images radar contaminées par
les échos en provenance de la surface terrestre. Les erreurs commises sur le taux de
précipitations ne dépassent pas les 4%.
Chapitre III : Etude de la texture par l’approche statistique. 49
Dans cette partie, nous allons nous intéresser à l’application de la méthode des matrices
de cooccurrences et ceci en considérant les quatre directions à savoir = 0°, 45°, 90°, 135° .
En comparant les histogrammes des différents paramètres texturaux pour les différentes
directions, on trouve une fois encore que le paramètre « énergie » donne le meilleur résultat.
Mais pour les autres paramètres statistiques à savoir « la variance », « l’entropie »,
« l’inertie », « l’homogénéité locale », « la corrélation », « le groupement de nuances » et « le
groupement de prédominances », on remarque un large recouvrement des histogrammes. A
titre d’exemple, nous allons représenter les histogrammes pour les différentes directions du
paramètre « homogénéité locales » pour les images de référence prise à Setif et à Bordeaux,
illustrés par la fig.3.12 et fig. 3.13.
600
2000
500
400 1500
300 1000
200
100 500
0 0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
homogénéité locale homogéneité locale
600 1500
400 1000
200 500
0 0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
homogénéité locale homogéneité locale
600 1500
400 1000
200 500
0 0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
homogénéité locale
homogénéité locale
Comme le montre les fig 3.14 et fig 3.15, les histogrammes du paramètre « énergie » ne
se recouvrent pratiquement pas.
500 1000
0 0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
energie
energie
1000 2000
500 1000
0 0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
energie
energie
.
i. ref i. clair i. ref i. clair
effectif effectif
1000 2000
500 1000
0 0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
energie energie
- Si l’énergie « eng » > 0,18 : considérer la fenêtre comme étant des précipitations et passer à
la fenêtre voisine en gardant la couleur du premier pixel.
- Si l’énergie «eng » 0,18 : considérer la fenêtre comme étant des échos du sol et remplacer
le premier pixel de la fenêtre par un pixel noir.
Une fois la condition établie, nous allons appliquer les programmes de filtrages pour
nos deux images contaminées par les échos du sol et pour chacune des quatres directions .
(voir fig 3.16 et 3.17).
Image setif bruitée Image setif filtrée Image setif filtrée par
filtre médian
Fig. 3. 16 - Images de setif avant et après filtrage par la méthode de matrices de cooccurrence et
après le filtre médian pour = 0°.
Chapitre III : Etude de la texture par l’approche statistique. 52
Fig. 3. 17 - Images de bordeaux avant et après filtrage par la méthode de matrices de cooccurrence
et après le filtre médian pour = 0°.
Après le filtrage des images pour = 0° , on peut voir clairement que la surface des
échos du sol a considérablement diminué, alors que celle des précipitations est restée
quasiment inchangée pour les deux sites. De même, la structure des précipitations est
demeurée intacte. Le même travail est appliqué pour la direction = 45°, =90° et = 135°.
Les résultats de traitement sont présentés à travers les fig. 3.18, 3.19 et 3.20.
Fig. 3. 18 - Images de setif et bordeaux avant et après filtrage par la méthode de matrices de
cooccurrence et après le filtre médian pour = 45°.
Chapitre III : Etude de la texture par l’approche statistique. 53
Fig. 3. 19 - Images de setif et bordeaux avant et après filtrage par la méthode de matrices de
cooccurrence et après le filtre médian pour = 90°.
Fig. 3. 20 - Images de setif et bordeaux avant et après filtrage par la méthode de matrices de
cooccurrence et après le filtre médian pour = 135°.
Chapitre III : Etude de la texture par l’approche statistique. 54
c-1) = 0° :
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2416 42,0882 0,3775 1,15
Img. Filtrée (filt.med) 16,2339 42,0138 0,3771 1,26
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1642 5,2050 0,1022 2,35
Img. Filtrée (filt.med) 7,1092 5,1395 0,1014 3,12
c-2) = 45° :
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2449 42,1202 0,3777 1,10
Img. Filtrée (filt.med) 16,2358 42,0321 0,3772 1,23
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1706 5,2127 0,1023 2,26
Img. Filtrée (filt.med) 7,0797 5,1047 0,1010 3,35
c-3) = 90°:
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2376 42,0495 0,3773 1,20
Img. Filtrée (filt.med) 16,2308 41,9836 0,3769 1,31
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1707 5,2128 0,1023 2,26
Img. Filtrée (filt.med) 7,0655 5,0881 0,1008 3,73
c-4) = 135° :
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2360 42,0342 0,3772 1,23
Img. Filtrée (filt.med) 16,2311 41,9862 0,3770 1,28
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1841 5,2289 0,1025 2,07
Img. Filtrée (filt.med) 7,0718 5,0954 0,1009 3,64
d). Discussion.
D’après les résultats des tables 3.9, 3.10,3.11, 3.12, 3.13, 3.14, 3.15 et 3.16 , on constate
que la direction influe très peu sur le filtrage des échos de précipitations. Ceci explique
pourquoi l’approche des histogrammes a donné des résultats satisfaisants dans l’élimination
des échos du sol. Donc, l’application des probabilités du premier ordre suffit amplement pour
la classification des échos radar . En outre, ces résultats montrent que la structure des échos
radar est isotropique si on considère l’erreur commise sur le taux de précipitations.
Chapitre III : Etude de la texture par l’approche statistique. 57
Dans cette troisième partie, nous allons nous intéresser à l’application de l’approche
d’Unser ou la méthode de la somme et de la différence des histogrammes. Cette approche est
aussi puisante que celle des matrices de cooccurrence et donne des résultats similaires. De
plus, elle nécessite un espace mémoire beaucoup plus réduit que lorsqu’on applique les
matrices de cooccurrence.
Pour la méthode d’Unser, nous trouvons que les paramètres statistiques « moyenne »,
« variance », « inertie », « entropie », « corrélation », « groupement de nuances » et
« groupement de prédominances » ne peuvent pas être utilisés comme paramètres
discriminants entre les deux types d’échos.
Par contre, les paramètres statistiques « énergie » et « homogénéité locale » peuvent
servir à la classification des échos radar pour les quatre directions ( = 0°, 45°, 90°, 135°).
Les (fig. 3.21, 3.22) et (fig. 3.23, 3.24) illustrent le choix des paramètres statistiques retenus
pour l’élimination des échos du sol.
i, ref i. clair 0,06 i, ref i, clair
effectif 0,06 effectif
2000 3000
1500
2000
1000
500 1000
0 0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 energie 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 energie
- Si l’énergie « eng » > 0,06 : considérer la fenêtre comme étant des précipitations et passer
à la fenêtre voisine en gardant la couleur du premier pixel.
- Si l’énergie «eng » 0,06 : considérer la fenêtre comme étant des échos du sol et
remplacer le premier pixel de la fenêtre par
un pixel noir.
- si l’homogénéité locale > 0,57 : considérer la fenêtre comme étant des précipitations et
passer à la fenêtre voisine, en gardant la couleur du
premier pixel.
- si l’homogénéité locale 0,57 : considérer la fenêtre comme étant des échos fixes et
remplacer le premier pixel de la fenêtre par un pixel noir.
La procédure de filtrage reste la même que pour les deux autres méthodes précédentes. Les
fig. 3.25, 3.26, 3.27 et 3.28 illustrent le filtrage des échos du sol par l’approche de la somme et la
différence des histogrammes.
Chapitre III : Etude de la texture par l’approche statistique. 60
Images setif bruitées Images setif filtrées Images setif filtrées par
filtre médian
Fig. 3. 25 - Images de setif avant et après filtrage par la méthode d’Unser et après le filtre médian
pour = (0°, 45°, 90°, 135°)
Chapitre III : Etude de la texture par l’approche statistique. 61
Fig. 3. 26- Images de bordeaux avant et après filtrage par la méthode d’Unser et après le filtre
médian pour = (0°, 45°, 90°, 135°).
Chapitre III : Etude de la texture par l’approche statistique. 62
Images setif bruitées Images setif filtrées Images setif filtrés par
filtre médian
Fig. 3. 27- Site de setif pour = (0°, 45°, 90°, 135°) en utilisant le paramètre
« homogénéité locale ».
Chapitre III : Etude de la texture par l’approche statistique. 63
Images bordeaux bruitées Images bordeaux filtrées Images bordeaux filtrées par
filtre médian
Fig. 3. 28 - Site de bordeaux pour = (0°, 45°, 90°, 135°) en utilisant le paramètre
« homogénéité locale ».
Chapitre III : Etude de la texture par l’approche statistique. 64
Comme précédemment, nous allons estimer l’erreur relative commise sur le taux de
précipitations R et étudier l’influence de la direction sur le filtrage. Les résultats sont
regroupés de la table 3.17 jusqu’à la table 3.32.
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2292 41,9677 0,3769 1,31
Img. Filtrée (filt.med) 16,2172 41,8524 0,3762 1,49
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2164 41,8448 0,3762 1,49
Img. Filtrée (filt.med) 16,2069 41,7535 0,3757 1,62
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2383 42,0563 0,3774 1,19
Img. Filtrée (filt.med) 16,2249 41,9270 0,3766 1,38
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2267 41,9436 0,3767 1,36
Img. Filtrée (filt.med) 16,2201 41,8800 0,3764 1,44
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1264 5,1599 0,1017 2,88
Img. Filtrée (filt.med) 7,0840 5,1098 0,1011 3,47
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1471 5,1845 0,1020 2,59
Img. Filtrée (filt.med) 7,0991 5,1276 0,1013 3,26
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1606 5,2007 0,1022 2,40
Img. Filtrée (filt.med) 7,1171 5,1488 0,1015 3,01
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,3294 5,4069 0,1047 2,17
Img. Filtrée (filt.med) 7,1085 5,1386 0,1014 3,13
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2500 42,1700 0,3775 1,15
Img. Filtrée (filt.med) 16,2339 42,0138 0,3771 1,26
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2376 42,0495 0,3773 1,20
Img. Filtrée (filt.med) 16,2308 41,9832 0,3769 1,31
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2542 42,2106 0,3782 0,97
Img. Filtrée (filt.med) 16,2409 42,0817 0,3775 1,15
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 16,8181 48,0634 0,4102 //
Img. Référence 16,3218 42,8730 0,3819 //
Img. Filtrée 16,2392 42,0649 0,3774 1,18
Img. Filtrée (filt.med) 16,2333 42,0077 0,3771 1,26
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1876 5,2332 0,1026 2,02
Img. Filtrée (filt.med) 7,1756 5,2186 0,1024 2,19
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1879 5,2334 0,1026 2,02
Img. Filtrée (filt.med) 7,1464 5,1837 0,1020 2,60
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1578 5,1973 0,1021 2,44
Img. Filtrée (filt.med) 7,1285 5,1624 0,1017 2,85
Z z R Erreur sur R
[dBZ] [mm6/m3] [mm/H] [%]
Img.contaminée 7,4408 5,5473 0,1064 //
Img. Référence 7,3270 5,4039 0,1047 //
Img. Filtrée 7,1743 5,2171 0,1024 2,21
Img. Filtrée (filt.med) 7,1552 5,1942 0,1021 2,48
d). Discussion.
D’après les résultats obtenues, nous pouvant conclure en premier que la méthodes d’Unser
donne un filtrage aussi satisfaisant que celui des deux autres méthodes étudiées précédemment , en
utilisant une fois de plus le paramètre « énergie », mais aussi le paramètre « homogénéité locale ».cela
peut être confirmé par les images obtenues après filtrage dont la structure des précipitations reste
pratiquement inchangée. En second , on peut voir clairement que les valeurs déduites des
histogrammes que ce soit pour le paramètre « énergie » qui est de 0,06 pour setif et pour bordeaux, et
du paramètre « homogénéité locale » qui est de 0,57 pour setif et pour bordeaux réalisent un bon
filtrages des images bruités et ceci pour les quatres directions, d’ou l’on peut considérer que ces deux
valeurs correspondantes à chaque paramètres peuvent être appliquer à n’importe quel image provenant
d’autres radar pour éliminer les échos du sol des échos de précipitations.
3.11. COMPARAISON.
les tableaux représentés ci-dessous résument tous les résultats obtenus pour les trois
approche texturales.
D’après les résultats obtenus, on remarque que les temps d’exécutions pour filtrer les images
contaminées par les échos du sol restent faibles vu les performances de l’ordinateur (Pentium III,
900Mhz, 64Mo). Cependant, on constate que la méthode d’unser utilisent le paramètre statistique
« homogénéité locale » comme facteur discriminant, et c’est de loin celle où les pertes sont les plus
faibles, ceci pour les images de setif et de bordeaux. Aussi, on remarque que les résultats obtenues
pour les différentes directions de la matrice de cooccurrences et d’unser ne sont pas très différentes
l’une de l’autre, d’où l’influence très faible des directions dans la détermination des paramètres
texturaux.
Chapitre IV : Etude de la théorie des fractales. 70
CHAPITRE IV
4.1. INTRODUCTION.
Une fractale est en générale une forme non régulière qui apparaît inchangée quand on
l’examine par différentes résolutions [Lovejoy et Mandelbrot, 1985]. Ce terme a été utilisé
pour la première foi par Mandelbrot pour décrire le chaos qui règne dans les phénomènes
naturels [Mandelbrot, 1974]. Si initialement, seuls les objets géométriques étaient à l’origine
de cette approche, de nos jours, le termes fractal se trouve dans plusieurs disciplines,
notamment en hydrologie et dans les sciences de l’atmosphère. C’est dans ce sens que
Lovejoy (1983), examine les aspects du champ de l’intensité de la pluie et en déduit que les
variations respectent des lois d’invariance d’échelles, conduisant à une géométrie fractale. Il
établit ainsi, que le champ de pluie est composé d’un grand nombre de discontinuités (fronts)
dont on n’aperçoit que les importantes, et que les fluctuations existent à toutes les échelles,
fluctuations régies par une loi d’invariance d’échelle. Il en déduit donc que la forme des aires
de pluie est de géométrie fractale. Fort de cette conclusion, nous utiliserons ce caractère
fractale des champs de pluie pour étudier la dimension fractale des échos de précipitations et
des échos du sol des images radar. La question à laquelle on essaiera de répondre dans ce
chapitre est la suivante : la dimension fractale peut elle servir de facteur discriminant entre les
deux types d’échos ?
La théorie des fractales, due au mathématicien Benoît Mandelbrot, est une théorie qui se
propose d’étudier une certaine famille de formes celles dites «fractales ». Ce qualificatif
aujourd’hui passé dans la langue courante. à été forgé par Mandelbrot en 1975 à partir du latin
«fractus», qui dérive lui même du verbe frangere : casser, mettre en pièces, briser en
fragments irréguliers. Fractal signifie fragmenté, fractionné, irrégulier, interrompu. D’une
façon générale, la théorie fractale est une théorie du brisé, du fractionné, de l’épars ou encore
du grainé, du poreux, de l’enchevêtré, etc… Les formes dont elle traite se caractérisent par
une complexité intrinsèque, par une irrégularité fondamentale qui se manifeste à toutes les
échelles d'observation.
Benoît Mandelbrot a développé sa théorie dans les années 1960, au terme d’un parcours
intellectuel sinueux et en tout cas hors du commun. C’est en effet son approche géométrique
qui lui a permis d’élaborer une théorie qui, si le processus « normal » de la recherche
Chapitre IV : Etude de la théorie des fractales. 71
scientifique avait été suivi, aurait sans doute fini par être formulée, mais seulement plus tard,
par des spécialistes dont la formation intellectuelle aurait exclu des mathématiques comme
celles de peano, cantor, etc. [Mandelbrot,1989].
La théorie fractal ne s’inscrit pas dans le prolongement d’une théorie déjà existante,
mais se présente d’abord et avant tout comme « une nouvelle discipline scientifique » à part
entière. Elle « vient ajouter, explique Mandelbrot, de nombreux “ caractères ” nouveaux à
“l’ alphabet ” que Galilée avait hérité d’Euclide ». Un grand nombre et même la plupart des
formations naturelles ne peuvent pas être représentées adéquatement au moyen des seules
notions de la géométrie euclidienne. Il est clair en effet que « les nuages ne sont pas des
sphères, les montagnes ne sont pas des cônes, les côtes ne sont pas des cercles, l’écorce n’est
pas lisse et l’éclair ne se propage pas en ligne droite »[Mandelbrot,1986]. En assignant à la
géométrie fractale la tâche de modéliser ces formes naturelles oubliées de la géométrie
classique, Mandelbrot ne fait somme toute que reconduire la géométrie à sa vocation
originelle qui est d’être, si l’on se fie à l’étymologie, une mesure (metron) et une description
de la Terre. On peut même dire que la géométrie fractale est la première et la seule géométrie
qui soit véritablement digne de ce nom, c’est-à-dire conforme au projet géométrique lui-
même. La géométrie euclidienne n’est en effet qu’une géométrie partielle, c’est-à-dire une
géométrie parcellaire ou plutôt de la parcelle; elle n’a pas été conçue pour embrasser la Terre
en sa complexité et en sa diversité, mais uniquement pour mesurer les formes au contours
réguliers, d’où l’importance qu’y ont prise les notions de ligne, de plan, de cercle, etc.
Il existe plusieurs définitions de la dimension fractale. Dans le cas d’analyse des nuages,
deux approches sont principalement utilisées . Il s’agit de l’approche aire périmètre [Lovejoy
1982, Lawford 1996, Benner and Curry 1998] et celle de la dimension de Minkowski-
Bouligand ou Box Counting [ lovejoy et al., 1987] .
Chapitre IV : Etude de la théorie des fractales. 72
P = C ADp/2 (4-1)
log Nd F
dimM(F) = lim (4-2)
1
d 0 log
d
Lorsque les ensembles sont réguliers, la dimension de Minkowskie coïncide avec la
dimension topologique, comme représenter dans le tableau ci-dessous :
Objet (F) Nd(F) dimM(F)
D’après le tableau 4.1 la dimension de Minkowski d’un point est nulle car une boule
suffit pour le recouvrir, et par conséquent la limite d’un point est nulle quel que soit d. La
dimension de Minkowski d’une courbe de longueur L vaut 1 puisque le nombre de boules de
diamètre d nécessaires pour la recouvrir est L/d. De même, la dimension de Minkowski d’une
surface plane fermé est 2, etc. D’une manière générale, la dimension de Minkowski d’une
variété lisse de dimension topologique m est égale à m.
Pour illustrer ce qui a été dit, calculons la dimension de Minkowski-Bouligand (box-
counting) pour un triangle isocèle de coté égale à 1.
d = 1/4 Nd = 10 d = 1/8 Nd = 36
N(1) = 1
3
N(1/2) = 3 = 1 + 2
N(1/4) = 10 = 1 + 2 + 3 + 4
2
N(1/8) = 36 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8
En général :
1
N( (1/2)n ) = 1 + 2 + 3 +………+ 2n.
La dimension de Minkowski-Bouligand représente
la pente de la droite du diagramme de la figure 4.2. 0
0 0,5 1 1,5 2
Elle est égale comme on le voit approximativement Log(1/d)
à 2. C’est celle d’un ensemble régulier, précisément
une surface plane. Fig. 4. 2 – Diagramme de la dimension de
Minkowski-Bouligand pour la
décomposition d’un triangle.
Chapitre IV : Etude de la théorie des fractales. 74
N = 2 , s = 1020 N = 4 , s = 541
N = 8 , s = 252
4.4.1. Organigramme.
Dans notre étude nous avons développé deux programmes ; le premier correspondant à
la dimension fractale aire/périmètre et le second à la dimension fractale box-counting. Ces
deux organigrammes sont appliqués en premier sur les images radars de l’événement
météorologiques exceptionnel qu’à connu l’Algérie le 09 et 10 novembre 2001. En second,
on appliquera l’organigramme aire/périmètre sur les images de Setif et de Bordeaux étudiées
dans le chapitre 3 afin de connaître si la dimension fractale peut servir de facteur discriminant
entre les deux types d’échos ?.
Chapitre IV : Etude de la théorie des fractales. 76
Dans une première étape nous allons considérer toutes les images radar des journées 09
et 10 novembre enregistrées toutes les 15 minutes. la dimension fractale moyenne de
l’ensemble de notre base de données vaut 1,38. La courbe de la figure 4.8 représente le nuage
de points considéré pour le calcul de la dimension fractale.
7 y = 1,38 x + 0,6121
6 R2 = 0,9652
2 * log (p)
5
4
3
2
1
0
0 1 2 3 4 5
log (s)
Fig. 4. 8 – Dimension fractale moyenne des images radar enregistrées toutes les 15min.
Dans une seconde étape, nous allons considérer les images radar enregistrées toutes les
heures afin de mieux voir la variation de la dimension fractale (fig. 4.9) et de la surface des
échos de précipitations (fig. 4.10).
1,75
dim. fractal aire/périmétre
1,5
1,25
1
0,75
0,5
0,25
0
0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48
Fig. 4. 9 – Variation de la dimension fractale des images radar pour chaque heure.
20000
surface des échos de préc.
17500
15000
12500
10000
7500
5000
2500
0
0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48
tem p (heures) nov 09/10
- Discussion.
D’après les figures 4.8, 4.9, 4.10. on constate que la variation de la dimension fractale
varie entre 1,36 et 1,4, et que sa moyenne est de 1,38. Ces résultats sont en bon accord avec
ceux publiés par la littérature [Lovejoy et al., 1987 ; Lawford., 1996 ; Cahalan et Joseph.,
1989 ; Féral et Sauvageot., 2002].
Dans une seconde partie nous allons calculer la dimension fractale des pluies
convectives des événements du 09 et 10 novembre 2001 qui sont ; rappelons le, de fortes
intensités et de faible extension spatiale. Pour les traiter nous allons éliminer tous les échos de
faible réfléctivité c’est à dire ne considérer que les pixels dont l’intensité est supérieur au
onzième niveaux de gris correspondant à 52 dBZ ( voir fig. 4.11).
5 y = 1,49 x + 0,4368
4 R2 = 0,8949
2 * log (p)
3
2
1
0
0 0,25 0,5 0,75 1 1,25 1,5 1,75 2 2,25 2,5 2,75 3
log (s)
Fig. 4. 12 -– Dimension fractale moyenne des pluies convectives pour l’ensemble des images radar
enregistrées toutes les 15min.
Chapitre IV : Etude de la théorie des fractales. 80
- discussion.
La figure précédente montre que la dimension fractale moyenne des pluies convectives
est égale à 1,49, ceci se traduit par les petites surfaces de ces échos c’est à dire que le nombre
de pixels de leur périmètre devient presque égale à celui de la surface, ce qui fait croître la
valeur de la dimension fractale.
Pour cette méthode, nous avons considéré la dimension fractale moyenne pour les
images radar enregistrées toutes les 15 min. Ensuite nous avons étudier la variation de la
dimension fractale calculée toutes les heures. Les résultats sont présentés sur les figures 4.13
et 4.14. On trouve que la dimension vaut 1,38.
5 y = 1,38 x + 0,1961
4 R2 = 0,9821
log (s)
3
2
1
0
0 0,25 0,5 0,75 1 1,25 1,5 1,75 2 2,25 2,5 2,75 3
log (1/N)
Fig. 4. 13 - Dimension fractale moyenne des images radar enregistrées toutes les 15min.
1,75
dim. fractal box-counting
1,5
1,25
1
0,75
0,5
0,25
0
0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48
tem p (heures) nov 09/10
Fig. 4. 14 – Variation de la dimension fractale des images radar pour chaque heure.
- Discussion.
D’après les figures 4.13 et 4.14, nous voyons que la dimension fractale moyenne est
égale à 1,38 et que sa variation pour les 48 heures est presque invariante. Ces résultats
ressemble de très près à ceux obtenus par la méthode aire/périmètre. Ce qui nous conduit à
conclure que la dimension fractale aire/périmètre et la dimension fractale box-counting sont
deux méthodes qui peuvent être utilisées pour caractériser les échos de précipitations et se
valent. De même, nous avons considéré la dimension fractale d’un événement fréquent et
Chapitre IV : Etude de la théorie des fractales. 81
courant pour le nord de l’Algérie. les images traitées sont celles collectées durant le mois de
Janvier 2001. Ces images décrivent divers types de précipitations. Elles représentent, soit des
pluies stratiformes, soit des pluies convectives. on trouve que la dimension fractale quelque
soit la méthode utilisée vaut 1,38 (fig. 4.15).
7
y = 1,38 x + 0,6859
6
2 * log (p) R2 = 0,9531
5
4
3
2
1
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5
log (s)
En outre, nous avons considéré des échos de pluie enregistrés dans le sud ouest de la
France, précisément dans la région Bordelaise pour la base de données présentée au chapitre
III. La dimension pour ce site vaut 1,37 (Fig. 4.16). Ces résultats montrent que la dimension
fractale est invariante quelque soit le type de pluie et le site considéré. Nos résultats sont
identiques à ceux publiés dans la littérature, nous citons à titre d’exemple les travaux
[Lovejoy., 1982 ; Rys et Waldvogel.,1986] pour les images radar prise au Canada et [Cahalan
et Joseph., 1989] pour des images prise en Israël.
7
y = 1,37 x + 0,6749
6 R2 = 0,9786
5
2 * log (p)
4
3
2
1
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
log (s)
Comme pour la méthode de filtrage par approches statistique, le filtrage des images
radar par la méthode de la dimension fractale consiste à constituer deux bases de données
pour les images de Setif et de Bordeaux. La première base de données représente la dimension
fractale des échos de précipitations de l’image de référence et la seconde base de données la
dimension fractale celle des échos du sol. ces données sont ensuite représentées sous forme
d’histogrammes. Les résultats obtenus sont représentaient par les Fig. 4.17.
Aussi, nous avons calculé la dimension fractale des échos du sol pour Setif et pour
Bordeaux (Fig. 4.18). Elles valent respectivement 1,56 et 1,4.
7 y = 1,56 x + 0,361 7
y = 1,4 x + 0,6266
6 R2 = 0,9634 6
R2 = 0,9816
5 5
2 * log (p)
2 * log (p)
4 4
3 3
2 2
1 1
0 0
0 0,5 1 1,5 2 2,5 3 3,5 4 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
log (s) log (s)
- Discussion.
radar. De même, on constate que la dimension fractale des échos du sol est plus grande que
celle des précipitations. Le radar de Setif est entouré de reliefs montagneux alors que le radar
de Bordeaux est installé dans une région pratiquement plate, ceci explique la forte valeur de la
dimension fractale des échos du sol de la région de Setif car le contour est très irrégulier.
4.5. CONCLUSION.
D’après les résultats obtenus, nous pouvons conclure que la dimension fractale peut
caractériser les types de précipitations stratiformes ou convectives et que sa valeur est
invariante dans le temps et dans l’espace. Aussi le calcul de la dimension fractale par la
méthode aire/périmètre ou par la méthode box-counting donne approximativement les même
résultats. Enfin la dimension fractale ne constitue pas un paramètre discriminant pour le
filtrage des images radar.
Conclusion générale 84
Conclusion générale
Le but de notre travail est l’élimination des échos du sol par l’analyse de la texture des
échos radar. Cette étude à été effectuée sur des images provenant de deux sites différents l’un
situé à Setif (Algérie) et l’autre situé à Bordeaux (France). Deux techniques d’élimination ont
été développée. La première basée sur l’approche statistique de la texture, à savoir la méthode
des histogrammes, la méthode des matrices de cooccurrences et la méthode d’Unser. La
seconde technique consiste quant à elle au calcul de la dimension fractale des échos de
précipitations et des échos du sol.
Les principaux résultats obtenus concernant l’approche statistique montrent que les
paramètres statistiques énergie pour les histogrammes et les matrices de cooccurrences, ou
homogénéité locale et énergie pour la méthode d’Unser apportent une discrimination parfaite
entre les échos provenant de la surface terrestre et les échos de précipitations avec une perte
d’information maximum de 4% sur le taux de précipitations et une élimination quasi totale
des échos parasites, et ceci quelque soit la direction considérée pour la matrice de
cooccurrences et la méthode d’Unser. Aussi, la combinaison de différents paramètres
statistiques n’améliore pas le filtrage des échos de précipitations.
D’autre part, le calcul de la dimension fractale des échos radars par la méthode
aire/périmètre et par la méthode box-counting permet en effet de caractériser la variation des
échos de précipitations mais ne permet pas l’identification des échos du sol des échos de
précipitations. D’ou l’on peut conclure que l’approche statistique de la texture reste une
meilleure technique pour la classification des deux types d’échos et ceux pour n’importe quel
site radar.
Annexe.
ANNEXE
Exosphère. 500Km
Mésosphère.
Stratosphère.
Troposphère.
Ionosphère.
Doviak, R. J., and D. S. Zrnic, 1993 : Doppler radar and weather observations. Academic
Press, 562 pp.
Hamuzu, K., and M. Wakabayashi, 1991 : Ground clutter rejection. Hydological applications
of Weather Radar, Clukie and Collier, Ed Ellis Horwood Ltd., 131-142.
Gabella, M., G. Galli, O. Ghigo, J. Joss, and G. Perona, 1999 : Clutter elimination and
agreement between hourly precipitation amounts as measured by two radars and network of
gauges. Proc. Advanced Weather Radar System. Inter. Seminar on COST 75 – Locarno,
European Communities, Bruxelles, Belgium, 102-113.
Carpentier, M., H., 1981 : Eléments constitutifs du radar : l’élimination du clutter. Tome III.
Ed. E.N.S.T.A., paris.
Kourgli, A., 1997 : Analyse de la texture des images satellitaires. Thèse de magister. Institut
d’électronique. USTHB.
Haralick, R. M., 1979 : Statistical and structural approaches to texture, Proc. IEEE, 67, pp.
786-804.
Haralick, R. M., K. Shanmugan, I. Dinstein,. 1973 : Textural features for image classification,
IEEE Trans. Syst. Man. Cybern, SMC-8, pp. 601-621.
Unser, M., 1986 : Sum and difference histogram for texture classification, IEEE Trans. Pattern
Anal. Mach. Intell., PAMI-8, N°1, pp. 118-125.
Bibliographie
Lovejoy, S., 1983 : La géométrie fractale des nuages et des régions de pluie et les simulations
aléatoires. Houille Blanche 01 pp 431-436.
Lovejoy, S., Mandelbrot B. B., 1985 : Fractal properties of rain, and a fractal model. Tellus 37
A, 209-232.
Mandelbrot B. B., 1986 : Self-affine fractal sets, in : Fractals in Physics, édité par L. Pietronero
& E. Tossati, North-Holland, Amsterdam, p. 3.
Gouyet J.-F., 1992 : Physique et structures fractales, Paris, Masson., pp. 5-10.
Lovejoy, S., 1982 : The area-perimeter relation for rain and cloud areas. Science 216, 185-
187.
Lawford, R.G., 1996 : Temporal variations in the scaling properties of rain echoes during the
development of a cold low in Saskatchevan. J. Appl. Meteor., 35. 796-809.
Benner, T.C., and J.A. Curry., 1998 : Characteristics of small tropical cumulus clouds and
their impact on the environment. J Geophys. Res., 103, D22, 28753-28767.
Lovejoy, S., Schertzer, D. & Tsonis, A. A., 1987 : Functionnal box-counting and multiple
elliptical dimensions in rain. Science, 235, 1036-8.
Mesbah, M., Bouayed, I., 2001 : Elimination des échos du sol par analyse textural, Thése
d’ingéniorat. Institut d’électronique. USTHB.
Lawford, R. G., 1996 : Temporal variations in the scaling properties of rain echoes during the
developement of a cold low in saskatchevan. J. Appl. Meteor., 35, 796-809, 1996.
Cahalan, R.F., and J.H. Joseph., 1989 : Fractal statistics of cloud fields. Mon. Wea. Rev., 117,
261-272.
Féral, L., and Sauvageot, H., 2002 : Fractal identification of supercell storms. J. Geophys.
Res., 29, 1-4.
Rhys, F.S., and A. Waldvogel., 1986 : Fractal shape of hail clouds. Phys. Rev. Lett., 56, 784-
787, 1986.
Bibliographie
Bibliographie
Benner, T.C., and J.A. Curry., 1998. Characteristics of small tropical cumulus clouds and their
impact on the environment. J Geophys. Res., 103, D22, 28753-28767..,2
Boithias, L., 1983 : Propagation des ondes radioélectriques dans l’environnement terrestre.
Ed. Chiron. paris,1
Cahalan, R.F., and J.H. Joseph : Fractal statistics of cloud fields. Mon. Wea. Rev., 117, 261-
272, 1989.,2
Carpentier, M., H., 1981 : Eléments constitutifs du radar : l’élimination du clutter. Tome III.
Ed. E.N.S.T.A., paris.,1
Darricaud, J., 1981 : Physique et théorie du radar. Tome I et II. Ed. Sodipe. Paris.,1
Doviak, R. J., and D. S. Zrnic, 1993 : Doppler radar and weather observations. Academic
Press, 562 pp.,1
Féral, L., and Sauvageot, H., 2002 : Fractal identification of supercell storms. J. Geophys.
Res., 29, 1-4.,2
Friend, A. W., 1949: Theory and practice of troposphéric sonding by radar. Proc. IEEE, 37,
116-138.,1
Gabella, M., G. Galli, O. Ghigo, J. Joss, and G. Perona, 1999 : Clutter elimination and
agreement between hourly precipitation amounts as measured by two radars and network of
gauges. Proc. Advanced Weather Radar System. Inter. Seminar on COST 75 – Locarno,
European Communities, Bruxelles, Belgium, 102-113.,1
Gouyet J.-F., 1992. Physique et structures fractales, Paris, Masson., pp. 5-10.,2
Haddad, B., 1990 : Etude des effets de guides atmosphériques dans les gammes VHF et UHF.
Thése de Magister, USTHB, Alger.,1
Haddad, B., A. Adane, F. Mesnard et H. Sauvageot, 1999 : Climatologie des échos du sol en
zone côtière. Publications de l’assoc. Intern. de Clim., 12, 237-244.,1
Hamuzu, K., and M. Wakabayashi, 1991 : Ground clutter rejection. Hydological applications
of Weather Radar, Clukie and Collier, Ed Ellis Horwood Ltd., 131-142.,1
Bibliographie
Haralick, R. M., 1979 : Statistical and structural approaches to texture, Proc. IEEE, 67, pp.
786-804.,1
Haralick, R. M., K. Shanmugan, I. Dinstein,. 1973, Textural features for image classification,
IEEE Trans. Syst. Man. Cybern, SMC-8, pp. 601-621.,1
Kourgli., A., 1997 : Analyse de la texture des images satellitaires. Thèse de magister. Institut
d’électronique. USTHB.,1, 2
Lawford, R. G., 1996 : Temporal variations in the scaling properties of rain echoes during the
developement of a cold low in saskatchevan. J. Appl. Meteor., 35, 796-809, 1996.,2
Lovejoy S., 1982. The area-perimeter relation for rain and cloud areas. Science 216, 185-187.,2
Lovejoy S., 1983. La géométrie fractale des nuages et des régions de pluie et les simulations
aléatoires. Houille Blanche 01 pp 431-436.,2
Lovejoy S., Mandelbrot B. B., 1985. Fractal properties of rain, and a fractal model. Tellus 37
A, 209-232.,2
Lovejoy, S., Schertzer, D. & Tsonis, A. A., 1987. Functionnal box-counting and multiple
elliptical dimensions in rain. Science, 235, 1036-8.,2
Mandelbrot B. B., 1986. Self-affine fractal sets, in : Fractals in Physics, édité par L. Pietronero
& E. Tossati, North-Holland, Amsterdam, p. 3.,2
Marshall, J. S., and W. Hitschfeld, 1953 : Interpretation of the fluctuating echo from randomly
distributed scatterers. Part I, Can. J. Phys., 31, 962-994.,1
Mesbah, M., Bouayed, I., 2001 : Elimination des échos du sol par analyse textural, Thése
d’ingéniorat. Institut d’électronique. USTHB.,2
Rhys, F.S., and A. Waldvogel., 1986 : Fractal shape of hail clouds. Phys. Rev. Lett., 56, 784-
787, 1986.,2
Sauvageot, H., 1992 : Radar meteorology. Artech House, Boston, 361 pp.,2
Unser, M., 1986 : Sum and difference histogram for texture classification, IEEE Trans. Pattern
Anal. Mach. Intell., PAMI-8, N°1, pp. 118-125.,1
Bibliographie
Résumé.
Pour les radars météorologiques, le clutter du sol induit des erreurs dans l’estimation
des précipitations et rend difficile la mesure hydrologique. Deux méthodes d’analyse de la
texture ont été considérées, la première est l’approche statistique à savoir, l’histogramme, les
matrices de cooccurrences, et la méthode d’unser, la seconde méthode consiste quant à elle au
calcul de la dimension fractale des échos de précipitations et des échos du sol. Appliquées sur
les images radars des régions de Setif (Algérie) et de Bordeaux (France), les résultats
montrent que la dimension fractale ne permet pas l’identification des échos du sol des échos
de précipitations, tandis que les paramètres statistiques énergie et homogénéité locale
identifient ces deux échos avec des erreurs du taux de précipitations qui ne dépasse pas les
4%.
Abstract.
The problem of ground clutter weather radar observation has especially important that
the rainfall data sometimes applied operational hydrology. Two methods of texture analysis
were considered, the first one is the statistics approach, namely, histogram, cooccurrences
matrices, and unser method. The second one is the calculation of the fractal dimension of
precipitations echos and ground echos. Applied on the radar images of Setif (Algeria) and
Bordeaux (France),the result show that the fractal dimension don’t allow the identification of
undesirable radar echos from the precipitations whereas the statistical parameters energy and
homogeneity are good identifiers for these two echos with the error commited on the
precipitation rate less than 4%.