RÉSUMÉ

La présence de pixels mixtes, dans le cas d’une zone urbaine par exemple, rend quelques fois difficile la classification d’images à l’aide des classificateurs classiques ou d’une approche rigide. L’utilisation de classificateurs flous trouve leur apport dans telles circonstances. Nous avons expérimenté l’approche floue de k-NN (fuzzy k- NN) dont la théorie a été développée par Keller et al. en 1985. Cette théorie combine l’approche floue avec le classificateur non-paramétrique k-NN, que nous avons déjà expérimenté avec succès dans le cadre de travaux antérieurs (Rakotoniaina et al., 2009 ; Rakotoniaina et Collet, 2010). Dans cet article, nous illustrons notre étude avec l’emploi d’une image SPOT-XS sur la région de Genève. Les résultats obtenus nous montrent l’intérêt de cette méthode floue non paramétrique par rapport à la méthode courante rigide du maximum de vraisemblance. Un gain en précision globale de plus de 19% a été observé.

MOTS-CLÉS

Classification floue, fuzzy k-NN, zone urbaine, Genève.