pages 162-195 - Réseaux de chercheurs | Télédétection

1). Le premier module permet de représenter le contenu de l’image satellitale par des modèles
ontologiques. Cette modélisation prend en compte le type de capteur utilisé pour l’acquisition
de l’image, l’ensemble des objets et leurs primitives, les relations spatiales entre les objets, et
les contraintes et les conditions figurant dans l’image.
Nous proposons un processus automatisé permettant de générer ces modèles et les attacher
aux images satellitales. En premier lieu, on segmente l’image en régions, puis on calcule leurs
primitives (signature spectrale, forme, texture, etc.) et les relations spatiales entre eux, enfin,
nous appliquons un algorithme d’apprentissage pour créer le modèle d’image.
Le deuxième module permet de rechercher des images similaires à partir d’une base de
modèles ontologique représentant les images satellitales. L’objectif de cette phase est
d’exploiter les informations des cas précédents afin de maximiser les connaissances sur les
phénomènes naturels et leur impact sur les objets de la scène. Nous proposons que la
recherche s’effectue en mesurant la similarité entre les modèles ontologiques associés aux
images et non pas par les images eux même.
Le troisième module exploite le résultat de l’étape précédente (requête enrichie d’un
ensemble d’images similaires), et permet de déduire la susceptibilité des images à un risque
naturel donné, en opérant des inférences sur ces connaissances.
3. Résultats :
L’érosion est la principale menace pesant sur la dégradation de sols et ses conséquences
graves sur l’environnement, l’économie, etc. Nous proposons d’appliquer notre méthodologie
pour traiter ce problème afin de prévenir les zones à risque contre l’érosion en Tunisie et plus
particulièrement à la région du Kef. Nous avons conçu une base de connaissances contenant
des informations sur les objets de la zone (caractéristiques pédologique, couverture du sol,
pente, etc.) et les connaissances sur le phénomène de l’érosion. Nous avons élaboré une base
d’images satellitales issues de différents types de capteur (radar et optique), multi-datées et
corrigées de différents effets perturbateurs (atmosphère, capteur et topographie), représentant
la zone d’étude. Ensuite, nous avons procédé à l’extraction des connaissances des images
satellitales en appliquant des algorithmes de segmentation (FCM et hiérarchique) et des
algorithmes d’apprentissage (Arbre de décision et SVM) permettant de générer des
annotations d’images afin de constituer la base de modèles. Nous avons utilisé le langage
OWL-DL pour modéliser le contenu des images et générer des interprétations et des
déductions sur la susceptibilité des images au risque d’érosion.
Mots clés : Image satellite, représentation de connaissances, ontologie, érosion.
169