diff --git a/Courses/2016/bordeaux.inra.fr/WorkshopGuide/internals.org b/Courses/2016/bordeaux.inra.fr/WorkshopGuide/internals.org
index 7f483738ab9549ada133d0c185712ce22e966f8b..174d310f08dd3d8d56cb394aba8ef6e2a9b470c5 100644
--- a/Courses/2016/bordeaux.inra.fr/WorkshopGuide/internals.org
+++ b/Courses/2016/bordeaux.inra.fr/WorkshopGuide/internals.org
@@ -1,5 +1,9 @@
** Les mécanismes internes de l'Orfeo ToolBox :slides:
-*** Slide
+*** Encodage des images
+*** Fichiers geom
+*** Noms de fichiers étendus
+*** Streaming
+*** Multi-threading
** Les mécanismes internes de l'*Orfeo ToolBox* :guide:
*** Description :desc:
**** Résumé
@@ -139,7 +143,7 @@
comportement en utilisant les noms de fichiers étendus Ã
l'écriture.
- utilisez l'application *LocalStatistics* pour filtrer la première
+ utilisez l'application *LocalStatisticsExtraction* pour filtrer la première
bande de l'image /image1.tif/ avec un rayon de 9.
Exécutez une seconde fois cette opération, cette fois en
@@ -164,7 +168,7 @@
=ITK_GLOBAL_DEFAULT_NUMBER_OF_THREADS=.
Reprenez l'exemple de l'exercice précédent utilisant
- l'application *LocalStatistics* en désactivant le
+ l'application *LocalStatisticsExtraction* en désactivant le
streaming. Utilisez la variable d'environnement ITK pour diminuer
puis augmenter le nombre de threads utilisés. Que constatez vous ?
@@ -173,3 +177,205 @@
** Les mécanismes internes de l'*Orfeo ToolBox* :solutions:
+*** Encodage des images
+
+ L'utilisation de *gdalinfo* pour l'image /image1.tif/ nous donne:
+
+ #+BEGIN_EXAMPLE
+ $ $ gdalinfo image1.tif
+ Driver: GTiff/GeoTIFF
+ Files: image1.tif
+ Size is 2000, 2000
+ Coordinate System is `'
+ Origin = (5400.000000000000000,4300.000000000000000)
+ Pixel Size = (1.000000000000000,1.000000000000000)
+ Image Structure Metadata:
+ INTERLEAVE=PIXEL
+ Corner Coordinates:
+ Upper Left ( 5400.000, 4300.000)
+ Lower Left ( 5400.000, 6300.000)
+ Upper Right ( 7400.000, 4300.000)
+ Lower Right ( 7400.000, 6300.000)
+ Center ( 6400.000, 5300.000)
+ Band 1 Block=2000x1 Type=Float32, ColorInterp=Gray
+ Band 2 Block=2000x1 Type=Float32, ColorInterp=Undefined
+ Band 3 Block=2000x1 Type=Float32, ColorInterp=Undefined
+ Band 4 Block=2000x1 Type=Float32, ColorInterp=Undefined
+ #+END_EXAMPLE
+
+ Les pixels sont donc encodés en nombres flottants de 32 bits. En
+ analysant les valeurs de l'image dans *monteverdi*, on constate
+ que les valeurs de pixels sont entières et comprise entre 100 et
+ 1600 environ. L'encodage en flottants de 32 bits est donc
+ inutilement coûteux.
+
+ L'appel à l'application *Convert* permet de convertir le type de
+ pixel encodé:
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_Convert -in image1.tif -out image1_uint16.tif uint16
+ #+END_EXAMPLE
+
+ Nous pouvons maintenant comparer la taille des images, et
+ constater que l'image ainsi générée occupe seulement la moitié de
+ la place par rapport à l'image d'origine.
+
+ #+BEGIN_EXAMPLE
+ $ du -h image1.tif
+ 62M image1.tif
+
+ $ du -h image1_uint16.tif
+ 31M image1_uint16.tif
+ #+END_EXAMPLE
+
+ L'utilisation de l'application *CompareImages* nous montre par
+ ailleurs que le contenu des deux images est identique.
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_CompareImages -ref.in image1.tif -meas.in image1_uint16.tif
+ 2016 Mar 08 13:59:24 : Application.logger (INFO) Using whole reference image
+ since the ROI contains no pixels or is not specified
+ 2016 Mar 08 13:59:24 : Application.logger (DEBUG) Region of interest used
+ for comparison : ImageRegion (0x7ffcb6a6d930)
+ Dimension: 2
+ Index: [0, 0]
+ Size: [2000, 2000]
+
+ 2016 Mar 08 13:59:24 : Application.logger (INFO) reference image channel 1
+ is compared with measured image channel 1
+ 2016 Mar 08 13:59:24 : Application.logger (INFO) MSE: 0
+ 2016 Mar 08 13:59:24 : Application.logger (INFO) MAE: 0
+ 2016 Mar 08 13:59:24 : Application.logger (INFO) PSNR: 0
+ Output parameters value:
+ mse: 0
+ mae: 0
+ psnr: 0
+ #+END_EXAMPLE
+
+ Pour calculer le NDVI, on utilise la commande suivantes :
+
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_RadiometricIndices -in image1.tif
+ -out image1_ndvi.tif uint16
+ -channels.red 1
+ -channels.green 2
+ -channels.blue 3 -channels.nir 4
+ -list Vegetation:NDVI
+ #+END_EXAMPLE
+
+ Si l'on ouvre l'image ainsi générée dans *monteverdi*, on constate
+ que l'image vaut 0 en tout point: l'encodage de la sortie ne
+ convient. Il faudrait utiliser un type flottant (comme celui par
+ défaut par exemple.
+
+*** Les fichiers .geom
+
+ Le fichier geom contient les informations nécessaires aux
+ opérations de corrections géométriques et radiométriques de
+ l'image.
+
+*** Les noms de fichiers étendus
+
+**** Les options de lecture
+
+ L'utilisation du paramètre de nom de fichier étendu /skipgeom/
+ permet d'ignorer les informations contenue dans le fichier
+ /geom/. On constate que la taille du pixel au sol est erronée et
+ que les informations relatives à la date d'acquisition et au
+ capteur ont notamment disparu.
+
+ Le paramètre de nom de fichier étendu /geom/ permet d'attacher un
+ fichier /geom/ Ã une image existante. C'est notamment utile pour
+ réaliser des traitements géométriques ou radiométriques pour une
+ image quelconque. Par défaut, l'Orfeo ToolBox (en fait OSSIM)
+ cherche un fichier /geom/ portant le même nom que l'image.
+
+**** Les options d'écriture
+
+ La ligne de commande suivante permet de réaliser l'opération
+ demandée:
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_Convert -in image1.tif
+ -out "image1_comp.tif?&gdal:co:NBITS=12&gdal:co:COMPRESS=LZW" uint16
+ #+END_EXAMPLE
+
+ La taille de l'image ainsi créée est :
+
+ #+BEGIN_EXAMPLE
+ $ du -h image1_comp.tif
+ 23M image1_comp.tif
+ #+END_EXAMPLE
+
+ On gagne donc 8 Mo par rapport à l'image encodée sur 16 bits non
+ signés. Par ailleurs l'appel à l'application *CompareImages*
+ permet de constater que les images sont toujours de contenu
+ identique.
+
+ Le paramètre /box/ s'utilise de la manière suivante :
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_Convert -in image1.tif
+ -out "image1_comp.tif?&box=1000:1000:100:100" uint16
+ #+END_EXAMPLE
+
+ Après exécution de cette commande, l'image de sortie correspond
+ à un extrait de la sortie totale, commençant à l'index
+ $(1000,1000)$ et de taille 100x100 pixels. Cette option peut être
+ utile pour prévisualiser le résultat d'un traitement avant de
+ traiter l'image entière.
+
+*** La gestion du streaming
+
+ L'appel à l'application *LocalStatiticsExtraction* se fait comme
+ suit:
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_LocalStatisticExtraction -in image1.tif -out image1_ls.tif
+ -radius 9
+ #+END_EXAMPLE
+
+ On constate que le calcul s'effectue en plusieurs phases (charge
+ des processeurs), entrecoupées de phase d'écriture sur le
+ disque. Par défaut, c'est l'Orfeo ToolBox qui détermine le
+ découpage optimal.
+
+ Pour désactiver complètement le streaming, il suffit d'utiliser
+ les options de noms de fichier étendus suivantes:
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_LocalStatisticExtraction -in image1.tif *
+ -out "image1_ls.tif?&streaming:type=none" -radius 9
+ #+END_EXAMPLE
+
+ On peut constater dans ce cas que le calcul s'effectue en une
+ seule fois, suivi d'une seule phase d'écriture sur le disque.
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_LocalStatisticExtraction -in image1.tif
+ -out "image1_ls.tif?&streaming:type=stripped \
+ &streaming:sizemode=nbsplits&streaming:sizevalue=1000"
+ -radius 9
+ #+END_EXAMPLE
+
+ Cette fois-ci, on observe de multiples phases de calcul suivi de
+ phases d'écriture. Le temps de calcul peut être quasiment deux
+ fois plus long, car un découpage trop important est sous optimal.
+
+*** Le multi-threading
+
+ Voici comment fixer le nombre de threads à 1 :
+
+ #+BEGIN_EXAMPLE
+ $ export ITK_GLOBAL_DEFAULT_NUMBER_OF_THREADS=1
+ $ otbcli_LocalStatisticExtraction -in image1.tif
+ -out "image1_ls.tif?&streaming:type=none"
+ -radius 9
+ #+END_EXAMPLE
+
+ Dans ce cas, le temps de calcul est beaucoup plus important. On
+ peut également constater qu'augmenter le nombre de threads au delÃ
+ des capacités de la machine (nombre de coeurs du processeur) ne
+ permet pas d'améliorer les temps de calcul.
+
diff --git a/Courses/2016/bordeaux.inra.fr/WorkshopGuide/preprocessing.org b/Courses/2016/bordeaux.inra.fr/WorkshopGuide/preprocessing.org
index 383f0c77a9d24db1322e8d89c44f4ad3f536ac47..ce8492bda4dce41efd5b526ee0658703a29c8dab 100644
--- a/Courses/2016/bordeaux.inra.fr/WorkshopGuide/preprocessing.org
+++ b/Courses/2016/bordeaux.inra.fr/WorkshopGuide/preprocessing.org
@@ -1,27 +1,275 @@
** Pré-traitements de l'imagerie THR optique :slides:
-*** Slide
+*** Introduction
+ - Principe des corrections radiométriques et géométriques des images
+ - Utilisation des OTB-Applications
** Pré-traitements de l'imagerie THR optique :guide:
*** Description :desc:
**** Résumé
-
+ Cet exercice présente les corrections radiométriques et géométriques
+des images à l'aide d'*OTB applications*.
**** Pré-requis
-
-
+ - Connaissances de base en traitement des images de télédétection.
+ - Notions d'utilisation d'applications en ligne de commande.
+
**** Objectifs
*** Étapes :steps:
-
+Dans cette partie de l'exercice, vous utiliserez les images
+~phr_xs_osr_mipy.tif~ et ~phr_pan_osr_mipy.tif~. Ce sont des extraits Pan et XS
+d'un produit Bundle Pléiades Primary (Niveau 1) sur le sud-ouest de Toulouse.
**** Corrections atmosphériques
+Cette opération consiste à transformer les comptes numériques en
+réflectances (valeurs physiques). Elle comprend le passage de
+réflectance au sommet de l'atmosphère vers la réflectance de surface,
+dont l'objectif est de corriger les effets atmosphériques.
+ #+BEGIN_LaTeX
+
+
+ \begin{center}
+\begin{tikzpicture}[scale=0.18]
+ \tiny
+
+ \draw[->,thick] (0,0) -- +(3,0);
+% \pause
+
+ \draw[fill=black!30,rounded corners=2pt] (4,-2) rectangle +(6,4);
+ \node[text width= 0.8cm] (SensorModel) at (7,0) {DN to Lum};
+% \pause
+
+ \draw[->,thick] (11,0) -- +(3,0);
+% \pause
+
+ \draw[fill=black!30,rounded corners=2pt] (16,-2) rectangle +(6,4);
+ \node[text width= 0.85cm] (SensorModel) at (19,0) {Lum to Refl};
+% \pause
+
+
+ \draw[->,thick] (23,0) -- +(3,0);
+% \pause
+
+ \draw[fill=black!30,rounded corners=2pt] (27,-2) rectangle +(6,4);
+ \node[text width= 0.85cm] (SensorModel) at (30,0) {TOA to TOC};
+% \pause
+
+ \draw[->,thick] (34,0) -- +(3,0);
+% \pause
+
+ \draw[fill=black!30,rounded corners=2pt] (38,-2) rectangle +(6.5,4);
+ \node[text width= 0.85cm] (SensorModel) at (41,0) {Adjacency};
+% \pause
+
+ \draw[->,thick] (45,0) -- +(3,0);
+
+ \end{tikzpicture}
+\end{center}
- TOA puis TOC, regarder la différence
+#+END_LaTeX
+
+Avec l'image ~phr_xs_osr_mipy.tif~:
+
+1. Utilisez l'application *OpticalCalibration* pour calculer la
+ réflectance au sommet de l'atmosphère (top of atmosphere).
+2. Utilisez l'application *OpticalCalibration* pour calculer la
+ réflectance de surface (top of canopy).
+3. Comparez les 2 images en utilisant Monteverdi ou les applications
+ en ligne de commande (TOA-TOC). Comparez cette différence pour les bandes
+ rouge, verte et bleu (B0,B1,B2)
+4. Appliquez les opérations 1,2 et 3 à l'image panchromatique ~phr_pan_osr_mipy.tif~.
+
+_Trucs et astuces :_
+- Activez l'option '-milli' afin de générer les images de sortie en
+ millièmes de réflectance (entier 16 bits). Par défaut, les images de
+ réflectance sont sauvegardées en flottant (entre 0 et 1).
**** Fusion P+XS
+ L'objectif de cet exercice est de créer une image fusionnée (/Pan-Sharpening/).
+ En raison des contraintes physiques sur la conception du capteur, il est
+ difficile d'obtenir la meilleure résolution spatiale et spectrale en même
+ temps. Pour cette raison la plupart des capteurs spatiaux THR délivrent 2
+ types d'images:
+ - Multi-spectral (XS): composée de plusieurs bandes, chacune sur une plage
+ de résolution spectrale donnée. Pour Pléiades, 4 bandes (B,V,R,PIR) à une
+ résolution spatiale de 2,8m (rééchantillonné à 2m)
+ - Panchromatique (PAN): image en niveau de gris avec un détecteur couvrant
+ une plus large partie du spectre ce qui permet d'augmenter le flux et
+ d'améliorer la résolution par rapport à l'image multi-spectrale. 0,7m
+ dans le cas de Pléiades (rééchantillonné à 0,5m)
+
- BundleToPerfectSensor puis différents algos de fusion
+ Nous allons réaliser cette fusion à partir des extraits pan et xs en
+ réflectance au sommet de l'atmosphère ~phr_xs_osr_mipy_toa.tif~ et ~phr_xs_osr_mipy_toa.tif~:
+
+ Pour cela:
+
+ 1. Utilisez l'application *BundleToPerfectSensor* pour superposer et
+ fusionner l'image PAN et XS. Notez que l'application possède un mode
+ /phr/ qui permet d'effectuer la superposition des 2 images sans utiliser
+ les modèles de capteurs respectifs des images pan et xs (mode par défaut). En effet les
+ produits bundle Pléiades ont la particularité d'etre sur 2 grilles
+ colocalisées.
+ 2. Quel algorithme de fusion est utilisé dans l'application *BundleToPerfectSensor*?
+ 3. (optionnel) Utilisez les applications *Superimpose* et *Pansharpening*
+ pour réaliser la meme opération en utilisant d'autres méthodes de fusion.
**** Ortho-rectification
+ Cette opération permet d'associer des coordonnées au sol aux pixels de l'image.
+
+ #+BEGIN_LaTeX
+ \begin{center}
+ \begin{tikzpicture}[scale=0.2]
+ \tiny
+ \draw[fill=black!10] (-1,-12) rectangle (75,17);
+ \foreach \x in {5,...,1}
+ \draw[fill=red] (\x,\x) rectangle +(4,4);
+ \node[fill=black!10, text width= 1.5cm] (InputSeries) at
+ (4,-1) {Input series};
+ %\pause
+ \draw[->,thick] (9,5) -- +(3,0);
+ %%\pause
+ \draw[fill=black!30,rounded corners=2pt] (12.2,3) rectangle +(6,4);
+ \node[text width= 0.8cm] (SensorModel) at (15,5) {Sensor Model};
+ %\pause
+ \draw[fill=red!30] (1,-10) rectangle +(4,4);
+ \node[fill=black!10, text width= 1.2cm] (DEM) at
+ (5,-11) {DEM};
+ %\pause
+ \draw[->,thick] (3,-5.5) -- ++(0,3) -- ++(12,0) -- ++(0,5);
+ %\pause
+ \draw[->,thick] (18.5,5) -- +(3,0);
+ %\pause
+ \foreach \x in {5,...,1}
+ \draw[fill=blue,xshift=600pt] (\x,\x) rectangle +(4,4);
+ \node[fill=black!10, text width= 2.8cm] (GeoRefSeries) at
+ (28,-1) {Geo-referenced Series};
+%\pause
+
+
+ \draw[->,thick] (25.5,8.5) -- +(0,3);
+
+ \draw[fill=black!30,rounded corners=2pt] (22,12) rectangle +(8.5,4);
+ \node[text width= 1.5cm] (HomPoExtr) at (27,14) {Homologous Points};
+
+ \draw[->,thick] (21.5,14) -- +(-2.5,0);
+
+ \draw[fill=black!30,rounded corners=2pt] (11,12) rectangle +(8,4);
+ \node[text width= 1.3cm] (BBAdj) at (15.5,14) {Bundle-block Adjustement};
+
+ \draw[->,thick] (15,11.5) -- +(0,-4);
+
+ %\pause
+ \draw[->,thick] (30,5) -- +(3,0);
+ %\pause
+ \draw[fill=black!30,rounded corners=2pt] (33.2,2.5) rectangle +(6,4.5);
+ \node[text width= 0.7cm] (FineRegistration) at (36,4.9) {Fine Registration};
+ %\pause
- Sans DEM, avec DEM, régler la projection
+
+ \draw[->,thick] (39.5,5) -- +(3,0);
+ %\pause
+ \foreach \x in {5,...,1}
+ \draw[fill=green,xshift=1200pt] (\x,\x) rectangle +(4,4);
+ \node[fill=black!10, text width= 1.8cm] (RegistSeries) at
+ (47,-1) {Registered Series};
+ %\pause
+ \draw[->,thick] (36,2) -- ++(0,-10) -- ++(-30,0);
+
+ %\pause
+ \draw[->,thick] (52,5) -- +(3,0);
+ %\pause
+ \draw[fill=black!30,rounded corners=2pt] (55.2,2.5) rectangle +(6,4.5);
+ \node[text width= 0.7cm] (CartoProjection) at (57.5,4.9)
+ {Map Projection};
+ %\pause
+
+
+ \draw[->,thick] (61.5,5) -- +(3,0);
+ %\pause
+ \foreach \x in {5,...,1}
+ \draw[fill=yellow,xshift=1810pt] (\x,\x) rectangle +(4,4);
+ \node[fill=black!10, text width= 1.95cm] (CartoSeries) at
+ (68,-1) {Cartographic Series};
+
+
+ \end{tikzpicture}
+ \end{center}
+ #+END_LaTeX
+ Utilisez l'application *Orthorectification* pour réaliser
+ l'orthorectification du produit fusionné:
+ 1. Sans DEM
+ 2. Avec un DEM et un geoid (utilisé le répertoire /SRTM/)
+ 3. Comparez les 2 images en sortie dans Monteverdi. Que constatez vous?
+ 4. Quel est le système de projection par défaut dans l'application *Orthorectification*?
+ 5. Dans quelle zone UTM se trouve l'extrait PHR Pléiades?
+ 6. Tester plusieurs types de projection en sortie (wgs84, lambert 93)
** Pré-traitements de l'imagerie THR optique :solutions:
+*** Corrections atmosphériques
+
+ Calcul réflectance TOA:
+ #+BEGIN_EXAMPLE
+ $ otbcli_OpticalCalibration -in phr_xs_osr_mipy.tif
+ -out phr_xs_osr_mipy_toa.tif uint16
+ -level toa
+ -milli 1
+ #+END_EXAMPLE
+
+ Calcul réflectance TOC:
+ #+BEGIN_EXAMPLE
+ $ otbcli_OpticalCalibration -in phr_xs_osr_mipy.tif
+ -out phr_xs_osr_mipy_toa.tif uint16
+ -level toc
+ -milli 1
+ #+END_EXAMPLE
+
+ On peut utiliser le module *BandMathX* pour calculer la différence
+entre les 2 images multispectral:
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_BandMathX -il phr_xs_osr_mipy_toa.tif phr_xs_osr_mipy_toc.tif
+ -out diff_xs_toa_toc.tif int16
+ -exp "im1-im2"
+ #+END_EXAMPLE
+
+ Pour l'image panchromatique:
+ #+BEGIN_EXAMPLE
+ $ otbcli_BandMath -il phr_pan_osr_mipy_toa.tif phr_pan_osr_mipy_toc.tif
+ -out diff_pan_toa_toc.tif int16
+ -exp "im1b1-im2b1"
+ #+END_EXAMPLE
+
+*** Fusion P+XS
+ #+BEGIN_EXAMPLE
+ $ otbcli_BundleToPerfectSensor -inp phr_pan_osr_mipy_toa.tif
+ -inxs phr_xs_osr_mipy_toa.tif
+ -mode phr
+ -out phr_pxs_osr_mipy.tif uint16
+ #+END_EXAMPLE
+*** Ortho-rectification
+
+ 1. Orthorectification sans DEM:
+ #+BEGIN_EXAMPLE
+ $ otbcli_OrthoRectification -io.in phr_pxs_osr_mipy.tif
+ -io.out phr_orthopxs_osr_mipy.tif uint16
+ #+END_EXAMPLE
+ 2. Orthorectification avec DEM et geoid:
+ #+BEGIN_EXAMPLE
+ $ otbcli_OrthoRectification -io.in phr_pxs_osr_mipy.tif
+ -io.out phr_orthopxs_osr_mipy.tif uint16
+ -elev.dem ../SRTM/ -elev.geoid ../Geoid/egm96.grd
+ #+END_EXAMPLE
+ 3. La projection par defaut est UTM. Sur l'extrait Pléiades la zone UTM est
+ 32 Nord.
+ 4. Orthorectification en WGS84 et en Lambert 93:
+ #+BEGIN_EXAMPLE
+ $ otbcli_OrthoRectification -io.in phr_pxs_osr_mipy.tif
+ -io.out phr_orthopxs_osr_mipy.tif uint16
+ -elev.dem ../SRTM/ -elev.geoid ../Geoid/egm96.grd
+ -map epsg -map.epsg.code 4326
+ #+END_EXAMPLE
+ #+BEGIN_EXAMPLE
+ $ otbcli_OrthoRectification -io.in phr_pxs_osr_mipy.tif
+ -io.out phr_orthopxs_osr_mipy.tif uint16
+ -elev.dem ../SRTM/ -elev.geoid ../Geoid/egm96.grd
+ -map lambert93
+ #+END_EXAMPLE
diff --git a/Courses/2016/bordeaux.inra.fr/WorkshopGuide/sar.org b/Courses/2016/bordeaux.inra.fr/WorkshopGuide/sar.org
index 2005c95343fad0eca6b971e697d6927bc30e6bd8..ea7bed0166867e70e09b32beff9c67d3d0b46e73 100644
--- a/Courses/2016/bordeaux.inra.fr/WorkshopGuide/sar.org
+++ b/Courses/2016/bordeaux.inra.fr/WorkshopGuide/sar.org
@@ -1,14 +1,128 @@
-** Calibration, débruitage et extraction de primitives :slides:
+** Introduction au traitements des images RSO :slides:
*** Slide
-** Calibration, débruitage et extraction de primitives pour les images SAR :guide:
+** Introduction au traitements des images RSO :guide:
*** Description :desc:
**** Résumé
+ Cet exercice constitue une introduction au traitement et à l'analyse des
+ images RSO (radar à synthèse d'ouverture) en utilisant l'Orfeo ToolBox:
+
+ - Manipulation des images
+ - Filtrage du speckle avec différentes méthodes
+ - Extraction de primitives
+
+ Il existe par ailleurs d'autres outils et des tutoriaux disponibles
+ permettant de se familiariser avec les données radar.
**** Pré-requis
+ - Logiciels installés (Monteverdi et Orfeo ToolBox)
+ - Données téléchargées
+ - Connaisance du mécanisme des applications de l'Orfeo ToolBox (voir
+ exercice correspondant)
**** Objectifs
*** Étapes :steps:
+**** Introduction à l'imagerie RSO
+
+Dans cette exercice nous utiliserons les extraits de l'image Sentinel 1 SLC HH
+et HV: ~s1_hh.tif~ et ~s1_hv.tif~. L'image se situe en Allemagne au sud de la
+ville d'Ulm près du lac Constance (47.456276, 9.638616).
+
+1. Ouvrir les images dans Monteverdi. Combien de bandes possède les images?
+2. A quoi corresponde ces bandes?
+3. Utilisez l'application *BandMath* pour calculer l'image d'intensité à partir
+ des produits complexes ~s1_hh.tif~ et ~s1_hv.tif~.
+
+**** Réduction du speckle
+ Les images SAR sont fortement affectées par le chatoiement (speckle) qui constitue un
+ type particulier de bruit présent dans tous les systèmes d'acquisition cohérent
+ (sonar, laser, etc.). Ce bruit est très fort et il a un effet multiplicatif.
+
+ Il existe plusieurs méthodes pour réduire ce bruit. Dans la suite nous
+ allons utiliser le filtre de /Frost/ qui possède 2 paramètres: rayon: taille de la fenetre
+ et /deramp/ qui controle la décroissance d'une fonction exponentiel qui est
+ utilisé pour pondéré la distance entre le pixel central et son voisinage.
+
+ 1. Quelle sont les méthodes de réduction du speckle disponible dans l'OTB?
+ 2. Utilisez le filtre de Frost avec différents rayons (3,5 et 10) et
+ commentez l'effet sur l'image de sortie
+ 3. Commentez la forme de l'histogramme des images filtrées comparé Ã
+ l'image d'intensité?
+ 4. Utilisez le filtre de Frost avec un rayon ed 5 et différentes valeurs
+ du paramètre /deramp/ (00.5,0.2 et 0.8). Commentez l'effet de ce paramètre.
+
+**** Polarimétrie
+ Nous allons comparer de manière qualitative la différence entre les
+ observations des images en polarimétries HH et HV.
+
+ 1. Calculez la différence entre l'image d'intensité HH et HV.
+ 2. Effectuez une composition colorée avec les bandes HH, HV et HH-HV.
+ 3. Affichez le résultat avec Monteverdi et commentez.
+****
+** Introduction au traitements des images RSO :solutions:
+**** Introduction à l'imagerie RSO
+1. deux bandes
+2. partie réelle et partie imaginaire?
+3. Il faut utiliser la commande suivante:
+
+ Pour HH:
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_BandMath -il s1_hh.tif
+ -out intensity_hh.tif int32
+ -exp "im1b1*im1b1+im1b2*im1b2"
+ #+END_EXAMPLE
+
+ Pour HV:
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_BandMath -il s1_hv.tif
+ -out intensity_hv.tif int32
+ -exp "im1b1*im1b1+im1b2*im1b2"
+ #+END_EXAMPLE
+
+**** Réduction du speckle
+
+ 1. Les méthodes disponibles sont: lee, frost, kuan et gamma map. Quelque
+ soit la méthode utilisée on note une amélioration majeure de la qualité
+ de l'image filtrée qui permet d'identifier des structures difficilement
+ visible dans l'image d'intensité originale.
+ 2. Réduction du speckle avec l'algorithme de Frost:
+
+ #+BEGIN_EXAMPLE
+ $ otbcli_Despeckle -in intensity_hh.tif
+ -out intensity_hh_speckle.tif
+ -filter frost
+ -filter.frost.rad 3
+ #+END_EXAMPLE
+
+ L'augmentation du rayon a pour effet d'augmenter le lissage de l'image
+ fitlrée. Cela permet d'améliorer la qualité des images dans les zones
+ homogènes mais entraine également la perte d'information et de détail
+ sur des petites structures avec beaucoup de contraste.
+
+ 3. L'histogramme des images filtrées tend à devenir gaussien (en cloche) et
+ va progressivement différer de la distribution Gamma de l'image
+ originale (la loi Gamma se caractérise par une distribution en cloche
+ asymétrique avec une longue queue à droite) .
+ 4. L'augmentation du paramètre /deramp/ diminue la décroissance de
+ l'atténuation exponentielle et à donc tendance à prendre plus en compte
+ les pixels éloignés du pixel central ce qui augmente l'effet de lissage
+ sur l'image filtrée.
+
+**** Polarimétrie
+ 1. Calcul de la différence HH-HV:
+ #+BEGIN_EXAMPLE
+ $ otbcli_BandMath -il intensity_hh_speckle.tif intensity_hv_speckle.tif
+ -out hh-hv_speckle.tif -exp "im1b1-im2b1"
+ #+END_EXAMPLE
-** Calibration, débruitage et extraction de primitives pour les images SAR :solutions:
+ On effectue ensuite la concaténation entre les polarisations croisées et la
+ différence des 2:
+ #+BEGIN_EXAMPLE
+ $ otbcli_ConcatenateImages -il intensity_hh_speckle.tif
+ intensity_hv_speckle.tif hh-hv_speckle.tif
+ -out intensity_compo.tif
+ #+END_EXAMPLE
+ 2. Commentaire sur composition colorée, zone en violet (valeur HH elevé)
diff --git a/Courses/2016/bordeaux.inra.fr/WorkshopGuide/segmentation.org b/Courses/2016/bordeaux.inra.fr/WorkshopGuide/segmentation.org
index b4dbac14b7db1c6264e3f6107468c4b69006def3..ea47b8fd38db7d537ba5ff863a87eda1df9aff9f 100644
--- a/Courses/2016/bordeaux.inra.fr/WorkshopGuide/segmentation.org
+++ b/Courses/2016/bordeaux.inra.fr/WorkshopGuide/segmentation.org
@@ -3,19 +3,100 @@
** Segmentation et export vers un SIG :guide:
*** Description :desc:
**** Résumé
+
+ Cet exercice permet de se familariser avec la segmentation large
+ échelle en utilisant les algorithmes MeanShift et GRM. On y
+ parcourt les différentes étapes jusqu'à l'export des polygones
+ segmentés dans un SIG.
**** Pré-requis
-
+
+ - Logiciels installés (Monteverdi et Orfeo ToolBox)
+ - Données issues du TP de pré-traitements pour l'imagerie THR optique
+ - Connaisance du mécanisme des applications de l'Orfeo ToolBox
+ (voir exercice correspondant)
**** Objectifs
+ - Connaître les étapes pour réaliser une segmentation
+ - Savoir optimiser les paramètres de la segmentation
+ - Savoir exporter la segmentation vers un logiciel SIG
+
*** Étapes :steps:
-Dire un mot de GRM.
+**** Lissage de l'image par l'algorithme MeanShift
+
+ L'algorithme du MeanShift réalise un lissage de l'image tout en
+ préservant ses contours. Il rend ainsi l'images plus homogène
+ tout en conservant des frontière franche entre les zones. Il
+ facilite ainsi la segmentation de l'image par des méthodes
+ simples, comme l'extraction des composantes
+ connexes. L'algorithme moyenne itérativement les pixels dans un
+ certain voisinnage spatial et spectral.
+
+ Réaliser un lissage de l'image /myimage.tif/ en utilisant
+ l'application *MeanShiftSmoothing*.
+
+ Notes:
+ - L'option /modesearch/ permet d'accélérer le calcul au détriment
+ de la stabilité, et sera donc désactivée,
+ - Le rayon spatial (/spatialr/) et spectral (/ranger/) sont les
+ paramètres déterminants pour l'algorithme. Le premier s'exprime
+ en nombre de pixel, tandis que le second comme une distance
+ entre signatures spectrales des pixels.
+ - La sortie /foutpos/ code les position moyenne des pixels après
+ lissage, et sera utilisée dans la suite du TP.
+ - Le paramètre de nom de fichier étendu /box/ peut être utilisé
+ pour trouver la valeur de /ranger/ et /spatialr/ optimale sans
+ traiter toute l'image.
+
+**** Segmentation
+
+ Cette étape va produire une segmentation initiale à partir des
+ images écrites précédement (sorties /fout/ et /foutpos/). Les
+ pixels adjacents dont les valeurs dans l'image /fout/ sont
+ distantes de moins de /ranger/ et dont les positions estimées
+ dans l'image /foutpos/ sont distantes de moins de /spatialr/
+ seront groupés au sein de la même composante connexe.
+
+ Le calcul est fait par tuile, dont on peut fixer la taille au
+ moyen des paramètres /tilesizex/ et /tilesizey/.
+
+ Enfin, le paramètre /minsize/ permet d'éliminer toutes les
+ régions dont la taille produite est trop petite (seuil exprimé en
+ nombre de pixels).
+
+ Utilisez l'application *LSMSSegmentation* pour réaliser cette
+ étape. A noter:
+ - Utilisez un /minsize/ de 0 dans cette première étape,
+ - L'image de sortie sera une image étiquettée, dans laquelle
+ chaque pixel porte un label entier unique correspondant au
+ segment auquel il appartient. Il est recommandé d'encoder cette
+ sortie en /uint32/ afin de disposer de suffisament de labels
+ uniques.
+ - Les valeurs pour les paramètres /ranger/ et /spatialr/ doivent
+ être inférieures aux valeurs utilisées pour le lissage (étape
+ précédente).
+
+
+ Utilisez la méthode /optimal/ de l'application *ColorMapping*
+ afin de créer une carte contrastée des régions segmentées, qui
+ sera plus facile à analyser.
+
+**** Traitement des petites région
-**** LS segmentation
+ Une fois la segmentation intiale réalisée, il reste en général
+ beaucoup de régions de petite taille, qui ne correspondent Ã
+ aucun objet d'intérêt. L'application *LSMSSegmentation* permet de
+ les filtrer (paramètre /minsize/), mais il est également possible
+ de réaliser un post-traitement pour fusionner itérativement les
+ régions de taille trop faible avec les régions adjacentes dont la
+ radiométrie est la plus proche. C'est l'objet de l'application
+ *LSMSSmallRegionsMerging*.
-**** Traitement des petites régions
+ Utilisez cette application pour retraiter la segmentation
+ initiale, en fusionnant toutes les régions dont la taille est
+ inférieure à 10 pixels.
**** Vectorization
diff --git a/SoftwareGuide/Latex/Installation.tex b/SoftwareGuide/Latex/Installation.tex
index 32912851edba64842a71151107a8205ca3f0e399..b4901069474ca1a27e18fab1ae19b8334241d91c 100644
--- a/SoftwareGuide/Latex/Installation.tex
+++ b/SoftwareGuide/Latex/Installation.tex
@@ -210,12 +210,9 @@ dependencies necessary for OTB. Once all the dependencies are compiled and insta
those dependencies.
OTB's compilation is customized by specifying configuration variables.
-The most important configuration variables are shown in table~\ref{tab:installation-cmake-variables}.
-The simplest way to provide configuration variables is via the command line \texttt{-D} option:
-\begin{verbatim}
-$ cd ~/OTB/build
-$ cmake -D CMAKE_INSTALL_LOCATION=~/OTB/install ../otb/SuperBuild
-\end{verbatim}
+The most important configuration variables are shown in
+table~\ref{tab:installation-cmake-variables}.
+
A pre-load script can also be used with the \texttt{-C} options (see
\url{https://cmake.org/cmake/help/v3.4/manual/cmake.1.html#options}).
Another option is to set variables manually with \texttt{cmake-gui} or \texttt{ccmake}.
@@ -227,12 +224,22 @@ table~\ref{tab:installation-cmake-variables}).
SuperBuild downloads dependencies into the \texttt{DOWNLOAD\_LOCATION} directory, which will be
\texttt{$\sim$/OTB/build/Downloads} in our example.
Dependencies can be downloaded manually into this directory before the compilation step.
-This can be usefull if you wish to bypass a proxy, intend to compile OTB without an internet conection, or other network
+This can be useful if you wish to bypass a proxy, intend to compile OTB without an internet connection, or other network
constraint. You can find a complete bundle with all dependencies sources on the Orfeo ToolBox website (pick the 'SuperBuild-archives' corresponding to the OTB version you want to build) :
\begin{center}
\url{https://www.orfeo-toolbox.org/packages}
\end{center}
+The simplest way to provide configuration variables is via the command line \texttt{-D} option:
+\begin{verbatim}
+$ cd ~/OTB/build
+$ cmake -D CMAKE_INSTALL_LOCATION=~/OTB/install -D DOWNLOAD_LOCATION=~/OTB/build/Downloads ../otb/SuperBuild
+\end{verbatim}
+
+DOWNLOAD\_LOCATION cmake option is optional as explained above but allow to
+compile OTB superbuild without internet connection.
+
+
You are now ready to compile OTB!
Simply use the make command (other targets can be generated with CMake's \texttt{-G} option):
\begin{verbatim}