Reduction of the number of spectral bands in LANDSAT images with projection methods: Pertinence of the resulting Information

Dans cet article, nous presentons des techniques de projection de donnees, lineaires et non lineaires, que nous avons utilisees afin de reduire le nombre de bandes spectrales a traiter dans des images multispectrales de type Landsat. Les methodes presentees sont l'Analyse en Composantes Curvilignes (ACC, methode non lineaire), ainsi qu'une optimisation de celle-ci (appelee ACCinitACP) obtenue a partir de l'Analyse en Composantes Principales (ACP, methode lineaire). Afin d'evaluer la pertinence de l'information restante apres reduction du nombre de bandes spectrales, nous avons applique une segmentation sur les images originales et sur les images reduites par chaque methode de projection. Nous avons ainsi pu constater que l'organisation du paysage est preservee par ces transformations. Cet article montre en outre les resultats suivants : l'ACC est un outil tres interessant pour le traitement des images multispectrales ; l'ACC peut reellement etre consideree comme une extension non-lineaire de l'ACP ; l'ACCinitACP donne des resultats identiques a ceux de l'ACC tout en reduisant les temps de calculs de la transformation.. This paper describes applications of linear and nonlinear projection methods, in order to obtain a reduction of the number of spectral bands in LANDSAT multispectral images. We present Curvilinear Component Analysis (CCA, nonlinear method) and an optimisation of it based on the use of Principal Component Analysis (PCA, linear method). In order to evaluate the pertinence of the information kept by each transformation, we then apply segmentation on the transformed and original images. This processing allows us to show that the structure (the landscape organization) of the image is preserved by each transformation. This paper tends to show several results: CCA is an improvement for dimensions reduction of multispectral images; CCA is really a nonlinear extension of PCA; CCA optimisation through PCA (called CCAinitPCA) allows a reduction of the calculations, providing a result identical to that of CCA.. Keywords : Teledetection, imagerie multispectrale, methodes de projection, segmentation; Remote sensing, multispectral image processing, projection methods, segmentation.. Journal des Sciences Pour l\'Ingenieur. Vol. 7 2006: pp. 10-19