Utiliser la vision par ordinateur pour analyser les images satellitaires

Chaque image de la Terre prise par des satellites en orbite à des centaines de kilomètres au-dessus de sa surface est le fruit d’importants travaux de recherche et d’ingénierie. Ces images ne sont pas de simples instantanés : ce sont des données visuelles essentielles qui nous aident à comprendre notre planète et à en prendre soin.

Les images satellite offrent des vues détaillées de la surface de la Terre, des forêts et des villes aux rivières et aux terres agricoles. En juin 2024, plus de 10 000 satellites actifs orbitaient autour de notre planète, ce qui en fait un élément essentiel de notre infrastructure mondiale. Cependant, l’analyse manuelle de ces images est souvent complexe et chronophage.

La vision par ordinateur (CV), une branche de l’intelligence artificielle (AI), peut servir à analyser automatiquement des images satellites, comme les humains interprètent les images et les vidéos. L’IA visuelle peut aider à détecter des tendances, à suivre des changements et à extraire rapidement et précisément des informations.

Les informations tirées de l’analyse des images satellites peuvent contribuer à relever différents défis, comme le suivi de la déforestation, la surveillance du changement climatique, l’amélioration des pratiques agricoles et la gestion des catastrophes naturelles. Dans cet article, nous allons voir comment la vision par ordinateur peut aider à mieux comprendre et analyser les images satellites.

Fig. 1. Vue d’ensemble des images satellite.

Qu’est-ce que l’imagerie satellite ?#

L’imagerie satellitaire consiste à capturer des images de la surface terrestre à l’aide de capteurs satellitaires et de caméras. Contrairement aux images traditionnelles, l’imagerie satellitaire couvre de vastes zones, des villes à des pays entiers, et fournit des détails haute résolution. Elle permet de surveiller les changements environnementaux, le développement urbain et l’utilisation des terres sur de vastes territoires.

Outre les images elles-mêmes, les images satellite comprennent généralement aussi des données géoréférencées. Ces données garantissent une cartographie et une analyse précises. Le suivi au fil du temps des changements dans les images satellite et leurs données fournit des informations précieuses sur les écosystèmes, les régimes météorologiques et les activités humaines.

Voici un aperçu des différents types d’imagerie satellite et des applications spécifiques qu’ils permettent :

• Imagerie optique : cette méthode capte la lumière visible et les longueurs d’onde du proche infrarouge, comme le fait l’œil humain. Elle est idéale pour surveiller l’utilisation des sols, la santé de la végétation et le développement urbain, mais nécessite un ciel dégagé et la lumière du jour pour produire des images efficaces.
• Imagerie radar : elle utilise un radar à synthèse d’ouverture (SAR) pour émettre et recevoir des ondes radio et capter des images haute résolution quelles que soient les conditions météorologiques ou l’heure de la journée. Elle est particulièrement utile pour les interventions en cas de catastrophe, la cartographie du terrain et le suivi des changements des caractéristiques de surface.
• Imagerie thermique : les capteurs thermiques détectent le rayonnement infrarouge émis sous forme de chaleur par la surface de la Terre. Elle sert à suivre les feux de forêt, à surveiller l’activité géothermique et à étudier les îlots de chaleur urbains et les variations de température.
• Imagerie hyperspectrale : les données de centaines de bandes spectrales étroites servent à analyser la composition et l’état des sols, de l’eau et de la végétation. Cette méthode fournit des informations détaillées sur les conditions environnementales et la gestion des ressources, ainsi que pour des applications comme la prospection minière et la surveillance de la pollution.

Fig. 2. Types d’imagerie satellite.

Capturer des images satellite à l’aide de satellites d’observation de la Terre#

Pour mieux comprendre ce que recouvre l’imagerie satellite, il est important de savoir que les différents satellites sont conçus pour des usages précis. Ils utilisent, par exemple, des capteurs installés sur des satellites géostationnaires ou en orbite polaire. Les satellites géostationnaires restent au-dessus d’un même point de la Terre en se synchronisant avec sa rotation, ce qui les rend idéaux pour une surveillance continue. À l’inverse, les satellites en orbite polaire survolent les pôles et couvrent progressivement toute la planète à mesure que la Terre tourne sous leur orbite.

Fig. 3. Satellites polaires et géostationnaires en orbite autour de la Terre.

Cette distinction est importante, car différentes applications s’appuient sur des types précis d’imagerie satellite pour répondre à leurs besoins. Par exemple, les satellites géostationnaires sont idéaux pour les tâches qui nécessitent une observation constante, comme la surveillance météorologique et les communications en temps réel.

À l’inverse, les satellites en orbite polaire conviennent mieux à la couverture mondiale, ce qui les rend essentiels pour les études environnementales, le suivi du climat et la cartographie des changements géographiques à grande échelle.

Principes de base du traitement des images satellite#

Maintenant que nous avons vu ce qu’est l’imagerie satellite, examinons ce qui se passe lorsqu’un satellite capture une série d’images. Le véritable défi consiste à transformer ces images brutes en informations utiles. En traitant et en analysant soigneusement les données, nous pouvons en extraire des informations précieuses qui révèlent des détails importants sur notre planète.

Prétraitement des images satellite#

Le prétraitement est la première étape du traitement des données satellite. Il consiste à nettoyer et à corriger les images brutes pour les rendre exploitables et précises pour l’analyse. Voici quelques techniques clés pour améliorer les images satellite et garantir la fiabilité des informations qu’elles fournissent :

• Cartographie du monde réel : Les images satellite sont alignées sur les cartes du monde réel en corrigeant les distorsions et en repérant des points de repère.
• Réduction du bruit : Les modèles d’apprentissage automatique analysent les longueurs d’onde de la lumière pour repérer et supprimer les nuages, et les distinguer des terres afin d’obtenir des images plus nettes.
• Étalonnage des données : pour préserver la précision, les pixels de l’image sont ajustés à un niveau standard et la correction atmosphérique réduit les distorsions causées par les particules et la diffusion de la lumière.

Vision par ordinateur et imagerie satellite#

Après le prétraitement des images satellites, des techniques de vision par ordinateur peuvent servir à en extraire des informations précieuses. Des modèles de vision par ordinateur, comme Ultralytics YOLO11, peuvent analyser le contenu visuel après avoir été entraînés sur de grands jeux de données d’images satellites, comme xView. Les modèles peuvent ainsi reconnaître des tendances et des caractéristiques dans une grande variété d’images.

Voici quelques exemples de tâches de vision par ordinateur qui peuvent aider à traiter et à interpréter les images satellite :

• Segmentation d’images : Cette technique divise l’image en régions distinctes, comme les terres, l’eau ou la végétation, afin d’analyser et de classifier précisément les types de surface.
• Détection d’objets : elle sert à identifier et à localiser des objets précis dans l’image, comme des bâtiments, des routes ou des véhicules. Les boîtes englobantes orientées (OBB) ajoutent un angle de rotation, ce qui convient aux navires, aux avions et aux autres objets vus d’en haut sous des angles quelconques.
• Détection de changements : cette tâche suit des objets ou des régions au fil du temps en comparant des images prises à différents intervalles et en repérant des changements comme la déforestation, l’urbanisation ou les variations saisonnières.
• Classification d’images : Cette technique peut servir à catégoriser les types de terrain à partir de motifs appris grâce aux données d’entraînement, ce qui permet de créer des cartes détaillées pour des études ultérieures.

Ces techniques de vision par ordinateur transforment les images satellite brutes en données structurées et exploitables, offrant une compréhension plus claire et approfondie de la surface de la Terre.

Applications de l’analyse des images satellite avec l’IA visuelle#

Passons maintenant en revue des exemples concrets de la façon dont l’imagerie satellite transforme notre monde et rend les tâches quotidiennes plus simples, plus intelligentes et plus efficaces.

Surveiller les changements environnementaux grâce à l’imagerie satellite#

L’imagerie satellite et la vision par ordinateur sont d’excellents outils pour observer et comprendre les changements environnementaux sur Terre. Elles nous permettent de surveiller depuis l’espace différents éléments de notre environnement, notamment les forêts, les glaciers et les étendues d’eau. Cette technologie permet de suivre les principaux facteurs environnementaux suivants :

• Déforestation : Les satellites peuvent servir à surveiller l’évolution des forêts, à repérer les zones de déforestation ou de reboisement et à évaluer l’état de la végétation à l’aide de données multispectrales afin de détecter les changements environnementaux. Global Forest Watch, par exemple, est une plateforme en ligne qui utilise l’imagerie satellite pour aider les gouvernements et les organisations à prendre rapidement des mesures de conservation.
• Réchauffement climatique : Les images capturées par les satellites peuvent fournir des données essentielles sur les glaciers et les calottes polaires. Des séries temporelles d’images permettent de surveiller le déplacement des glaces dans des conditions météorologiques difficiles.
• Surveillance de la qualité de l’air et de l’eau : les satellites surveillent la qualité de l’air et de l’eau en détectant des polluants tels que le CO₂, le méthane et les contaminants, contribuant ainsi aux politiques environnementales et à la gestion des ressources.

Fig. 4. Analyse d’images satellite par Global Forest Watch.

Améliorer la gestion des catastrophes grâce à l’imagerie satellite et à la vision par ordinateur#

La gestion des catastrophes naturelles s’appuie largement sur l’imagerie satellite pour assurer le suivi en temps réel et faciliter le rétablissement après une catastrophe. Les images satellite sont analysées pendant les inondations, les ouragans et les feux de forêt afin de détecter les changements environnementaux. Après une catastrophe, l’imagerie satellite continue de jouer un rôle essentiel dans l’évaluation des dégâts.

Des techniques de vision par ordinateur comme la segmentation d’instances peuvent servir à repérer les zones gravement endommagées, comme les bâtiments effondrés ou les paysages transformés, en comparant des images prises avant et après des séismes ou des tsunamis. Les autorités peuvent ainsi évaluer l’ampleur des dégâts et prioriser plus efficacement les opérations de rétablissement.

Le projet Ciseres de l’Agence spatiale européenne (ESA) en est un bon exemple : il combine l’IA et les données satellite pour évaluer en temps réel les effets de catastrophes comme les inondations, les feux de forêt et les ouragans.

Fig. 5. Exemple d’images après une catastrophe montrant les zones endommagées par couleur : vert pour les dégâts mineurs, orange pour les dégâts importants et rouge pour les zones détruites (Source : researchgate.net).

Utiliser l’imagerie satellite pour l’urbanisme et les infrastructures#

L’imagerie satellite et la vision par ordinateur peuvent jouer un rôle essentiel dans l’urbanisme et le développement des infrastructures. Des images haute résolution peuvent servir à étudier l’utilisation des sols, à suivre la croissance urbaine et à favoriser un urbanisme plus intelligent. Ces technologies peuvent aussi améliorer les systèmes de transport en analysant les schémas de circulation, en concevant de meilleurs itinéraires et en surveillant les embouteillages en temps réel. Elles peuvent même aider à détecter les constructions illégales en comparant les images actuelles aux images antérieures, ce qui facilite l’application des codes du bâtiment par les autorités.

Tu te demandes peut-être s’il est vraiment possible de voir depuis l’espace la croissance d’une ville. Avec l’imagerie satellite et la vision par ordinateur, c’est tout à fait possible. Dubaï en est un exemple fascinant. Au cours des dernières décennies, la ville s’est transformée : d’un petit village dans le désert dans les années 1980, elle est devenue une métropole mondiale. Les images satellite illustrent de façon saisissante cette évolution remarquable, en montrant l’expansion des zones urbaines, les changements d’utilisation des sols et l’apparition de sites emblématiques comme le Burj Khalifa et Palm Jumeirah.

Imagerie satellite et télédétection pour une agriculture de précision#

En agriculture, l’imagerie satellite et la vision par ordinateur peuvent améliorer la gestion des cultures, la productivité et la durabilité. L’agriculture de précision utilise notamment les données satellite en temps réel pour surveiller la santé des cultures. Les techniques de télédétection permettent d’analyser des données agricoles à grande échelle et aident les agriculteurs à suivre l’humidité des sols et à détecter les premiers signes de stress.

L’analyse de la sécheresse et de l’irrigation est également importante pour gérer efficacement l’eau en agriculture. L’imagerie satellite peut fournir un aperçu détaillé de l’humidité des sols et de l’état de la végétation, ce qui aide à repérer les zones mal irriguées ou où les ressources en eau sont rares.

L’initiative d’agriculture de précision de l’ISRO, fondée sur l’utilisation de satellites, est un exemple pertinent d’IA en agriculture. Elle aide à optimiser l’agriculture en Inde en utilisant la télédétection pour surveiller la santé des cultures, l’humidité des sols et l’irrigation.

Fig. 6. L’imagerie satellite et la vision par ordinateur peuvent servir à délimiter les parcelles agricoles et à classifier les cultures.

Tendances à venir en imagerie satellite#

L’imagerie satellite et la vision par ordinateur progressent rapidement. Par exemple, les satellites miniaturisés, comme les CubeSats, transforment la surveillance de la Terre en offrant un moyen abordable, flexible et fréquent de capter des images haute résolution. Ces satellites compacts facilitent le suivi des changements, de l’expansion urbaine aux évolutions environnementales.

Autre avancée prometteuse : l’intégration des données de l’Internet des objets (IoT) en temps réel aux flux satellite, qui améliore la capacité à surveiller des systèmes dynamiques comme les réseaux de transport et les ressources en eau.

Par ailleurs, les avancées en imagerie à super-résolution renforcent les capacités des satellites. Grâce à des algorithmes d’IA sophistiqués, cette technique affine et améliore les détails des images en combinant plusieurs images basse résolution pour produire des visuels plus nets et de meilleure résolution. Cette innovation fournit des données plus précises et crée de nouvelles possibilités pour gérer efficacement les ressources naturelles et les espaces urbains.

Fig. 7. Exemple d’imagerie à super-résolution : Toulon, en France, avec une résolution améliorée de 10 m à 5 m (Source : planetobserver.com).

Points clés sur l’imagerie satellite et la vision par ordinateur#

La vision par ordinateur et l’imagerie satellite transforment notre façon de surveiller et de comprendre notre planète. Du suivi des changements environnementaux à l’amélioration des interventions en cas de catastrophe, de l’urbanisme et de l’agriculture, ces technologies fournissent des informations précieuses qui favorisent des solutions plus intelligentes et plus durables.

Grâce aux progrès comme l’intégration de l’IoT et l’imagerie à super-résolution, l’imagerie satellite gagne en fiabilité et en accessibilité. Ces innovations ouvrent la voie à une meilleure gestion des ressources et nous aident à relever plus efficacement les défis mondiaux.

Explore notre dépôt GitHub pour en savoir plus sur l’IA et échanger avec notre communauté. Découvre comment nous appliquons la vision par ordinateur à l’imagerie aérienne et stimulons l’innovation dans des secteurs comme l’IA dans l’industrie manufacturière et l’IA dans la santé.