Construction et classification d'objets à partir d'images de télédétection par une approche itérative guidée par des connaissance du domaine Construction and classification from remotely sensed images by an iterative approach guided by domain knowledge apprentissage data mining classification supervisée segmentation ontologie représentation des connaissances extraction de connaissances algorithmes évolutionnaires Pas de mots clés en anglais 006.3 Espaces publics Thèses et écrits académiques Images de télédétection Thèses et écrits académiques Représentation des connaissances Thèses et écrits académiques Morphologie mathématique Thèses et écrits académiques Ontologies (informatique) Thèses et écrits académiques L'objet de cette thèse est d'élaborer un modèle de découverte de connaissances associant itérativement la construction automatique des zones d'intérêt (objets urbains, relations entre eux, ...), à partir des images de télédétection et la classification de ces objets. La construction des objet s'appuiera entre autre sur des opérateurs de fouille de données (notamment en utilisant les algorithmes de clustering développés par Cédric Wemmert au sein de l'équipe FDBT) et/ou des outils de morphologie mathématique (via l'utilisation de la plateforme piaf développé par l'équipe Sébastien Lefèvre de l'équipe MIV). La classification sera basée sur un système d'agents collaboratif utilisant plusieurs méthodes pour résoudre la problématique. Cette approche a déjà montré son intérêt dans le processus de clustering. L'utilisation de connaissances sera utilisée tant au niveau de la construction que de la classification. Une ontologie du domaine est en cours de développement dans l'équipe ERIC de Lyon. Elle sera utilisée pour la construction d'objet en indiquant les constructions d'objets potentiellement intéressantes. Au niveau de la classification, les connaissances permettront d'améliorer la capacité de détection en induisant une sémantique aux objets. Cette ontologie pourra aussi être enrichie dans le cas où le système découvre de nouvelles règles pertinentes...La morphologie mathématique donne des résultats sur des images en niveaux de gris [1], mais l'utilisation des données hyperspectrales est un champ encore peu étudié et qui pourrait améliorer sensiblement les résultats. Un système de clustering a été développé par l'équipe FDBT et pourra servir de base aux travaux. Les ontologies basées sur les logiques de descriptions permettent de gérer des connaissances de façon adéquates, un travail au niveau de l'opérationnalisation sera peut-être à effectuer. ...Le programme initial se base sur une approche du bas vers le haut du problème. Il convient de s'intéresser tout d'abord à la construction des régions, en cherchant via un état de l'art et certains prototypages à choisir les algorithmes les plus à même de pouvoir décrire l'image satellite dans à un niveau de description supérieur. Une fois cette première étape remplie, la classification de ces objets de niveau de description supérieur sera étudié. Encore une fois, après un état de l'art et des prototypages si besoin, certains algorithmes (système expert extrait de l'ontologie, arbres de décision, ...) seront sélectionnés pour être intégré dans un environnement collaboratif. Enfin il faudra modifier ces algorithmes pour leur donner la capacité de tenir compte des résultats des autres algorithmes. Pas de résumé Electronic Thesis or Dissertation Text fr France PDF https://publication-theses.unistra.fr/public/theses_doctorat/2009/DERIVAUX_Sebastien_2009.pdf Université de Strasbourg Strasbourg Derivaux Sébastien 1900-01-02T00:00:00 FR 129185558 http://www.theses.fr/2009STRA6145 2009STRA6145 2009-05-05T00:00:00 Informatique Université de Strasbourg 131056549 Doctorat Docteur es non oui Korczak Jerzy 074257374 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) ED269 156504863 ddc:004