Fusion entre les données ultrasonores et les images de radioscopie ...

&KDSLWUH , *pQpUDOLWpV VXU OD IXVLRQ GH GRQQpHV
__________________________________________________________________________________________
II.3.2. Modèle flou
Contrairement aux théories Bayesienne et des croyances, de multiples règles de combinaison
apparaissent dans la littérature pour l’inférence floue. Les plus répandues appartiennent à la
famille des T-normes des T-conormes et enfin des moyennes. Dans le cadre de la fusion
d'images, I. Bloch propose des critères permettant de choisir un opérateur de combinaison
[BLOC-94]. Certains critères prennent en compte des mesures de conflit ou encore de
fiabilité entre les sources [DUBO-92][DEVE-93]. Comme pour le modèle Bayesien, les
théories des ensembles flous et des possibilités proposent les critères de maximum :
et
x ∈ C si µ
i
(x) = max(µ
C i Ck
x∈
C si [ ∈C
) = max(
i
i
(x) ,1 ≤ k ≤ n)
( x ∈C
),1
≤ k ≤ n)
k
(I.22.)
(I.23.)
II.3.3. Modèle des croyances
La règle de combinaison de Dempster fournit une relation unique pour combiner les mesures
de confiances provenant de différentes sources d'informations. La combinaison est effectuée
sur les fonctions de masses. Si l'on note m 1 et m 2 les fonctions de masses associées aux deux
capteurs, la fonction de masse résultant de la combinaison est :
m(x ∈C)
= (m
et K =
A
i
1
⊕ m
)(x ∈C)
=
∑ m
1(x
∈
∩ A = 0
j
2
A
i
A
i
)m
∑ m
1(x∈
A )m
i
∩ A = C
j
1−
K
(x ∈ A
j
2
)
2
(x ∈
A
j
)
(I.24.)
Cette règle de Dempster généralise le théorème de Bayes. La combinaison de deux jeux de
masses est généralement représentée sur un graphe à deux dimensions dont les axes sont les
fonctions de masses accordées à chaque sous-ensemble du cadre de décision et pour chaque
capteur :
3DJH