Conclusion
Consciente de l'effort qui doit être entrepris en
matière de recherche et développement en
télédétection spatiale, la DMN déploie tous les
moyens pour contribuer à ce grand chantier mondial. C'est dans ce
contexte qu'inscrit notre travail. Il vise à tirer profit des
compositions colorées de manière à faciliter
l'interprétation des images RGB pour le prévisionniste.
En effet, la performance apportée par ce travail,
axé sur la détection des phénomènes
météorologiques à partir des compositions colorée
des images MSG, est un grand pas vers une nouvelle approche de classification
automatique des nuages et d'interprétation assistée. La
méthode utilisée met en avant certaines techniques de traitement
d'images et ouvre ainsi de nouvelles voies d'exploration.
Pour atteindre cet objectif, on a eu recours à
l'algorithme de k-moyen, appliqué sur les composantes R, G et B d'une
image en composition colorée. Les premiers résultats
étaient déjà encourageant, cependant, ils étaient
très tributaire du nombre d'objets (classes) à détecter et
qui était jusqu'au là forcé à la main et de
manière subjective. Ce qui nous a poussé à automatiser le
choix du nombre de classe et ce, de manière objectif. Pour se faire on a
utilisé l'histogramme lissé de la composante H (teinte) de
l'espace de couleur HSV. Cette technique a eu l'inconvénient de
surestimer le nombre de classes malgré l'application de filtres de
grandes tailles. En fin ce problème a été résolu
par l'utilisation de l'histogramme lissé de la composante
monochromatique (niveau de gris). L'algorithme k-moyen s'initialise, alors par
un nombre de classes déduit de manière automatique et objective
de cet histogramme pour tourner ensuite sur l'espace RGB.
Les résultats obtenus par cette dernière
technique sont presque parfait. La méthode est très stable et
elle est auto adaptée et auto réglée. Cependant,
l'étude et résultats soulèvent bon nombre de questions qui
s'ouvrent comme autant de perspectives pour la poursuite de travaux futurs. On
peut citer certaines idées qui pourraient améliorer les
performances obtenues par ce travail :
Ø il serait intéressant de tester cette approche
sur un grand nombre de situations pour faire éventuellement un
réglage plus fin,
Ø les phénomènes cachés par
d'autres météores seront inaperçues par le
radiomètre, d'où la nécessite du réseau radar ou
les radiosondes pour compléter une image dite composite
Ø Compléter l'algorithme, par un autre qui
permet de détecter les phénomènes de très petites
tailles (feu de forêt),
Ø Enfin d'autres méthodes de segmentation
peuvent apporter de nouvelles informations.
| 
