Accès à l’outil 

Présentation

L’équipe du GET, au sein du CES Couleur des Eaux continentales et en collaboration avec le CES Cartographie et suivi des surfaces en eau, a développé un algorithme automatique non paramétrique non supervisé pour l’identification des pixels des eaux intérieures dans des images satellites individuelles, WaterDetect.

WaterDetect se base sur une technique de clustering pour identifier des échantillons similaires dans un espace de données multidimensionnel et permet de s’affranchir de l’attribution de seuils toujours difficile à paramétrer lors d’une utilisation globale. L’algorithme WaterDetect exploite les informations spectrales et les indices dérivés pour caractériser chaque pixel de scène individuellement. Une approche d’apprentissage automatique, avec sous-échantillonnage aléatoire et généralisation par un classificateur Naïve Bayes, a également été développée afin de rendre possible l’application de WaterDetect à de grandes scènes.

Référence

Cordeiro, Maurício, Jean-Michel Martinez, and Santiago Peña-Luque. « Automatic water detection from multidimensional hierarchical clustering for Sentinel-2 images and a comparison with Level 2A processors. » Remote Sensing of Environment 253 (2021): 112209.

Contact