Représentation et classification de structures spatiales -- Application à la reconnaissance de paysages agricoles
Résumé
We are interested in the representation and classification of spatial structures in object based representation systems allowing us to recognize landscape patterns from satellite data. In our system, some classes denote patterns of landscape and others denote qualitative spatial relations. The instances of the latter are linking the former together and both of them are organized into a specialization hierarchy. The hierarchy of spatial relations is organized as a Galois lattice that allows us to represent the conjunction, disjunction, implication and also how the conditions on spatial entities are linked to the validity of spatial relations. In this work, we give an algorithm that computes the minimal set of conditions for each spatial relation and reduces therefore the number of computations needed on the images. Additionally, this lattice allow us to represent the mathematical proprieties of topological relations such as the implication, composition, reflexivity, symmetrical implication and so on. In order to define landscape patterns, we need to restrict the cardinality of the relations between spatial entities. Thus we added four new facets in the object based representation system we used, namely \yafool. The semantic of each facet is defined and included in the classification algorithm. This algorithm was used on image of Lorraine region.
Dans cette th{è}se, nous nous int{é}ressons {à} la repr{é}sentation et {à} la classification de structures spatiales dans le cadre de la reconnaissance de mod{è}les de paysages agricoles sur des images satellites. Nous avons d{é}fini, lors d'une phase d'acquisition des connaissances, des mod{è}les de paysages sous forme de classes dans un syst{è}me de repr{é}sentation des connaissances par objets. Les classes sont reli{é}es entre elles par des relations spatiales qualitatives. Les relations spatiales sont des classes dont les instances lient d'autres classes. Les classes de relations sont organis{é}es dans une hi{é}rarchie ayant une structure de treillis permettant de repr{é}senter la sp{é}cialisation, l'implication, la disjonction et la conjonction de relations. Nous avons choisi un treillis de Galois qui permet de mettre en {é}vidence le lien entre relations et conditions n{é}cessaires {à} la v{é}rification des relations sur l'image. Gr{â}ce {à} cette structure, nous avons propos{é} un algorithme de recherche de l'ensemble minimum des conditions qui permet de r{é}duire le nombre d'op{é}rations sur les images. Des algorithmes ont {é}t{é} aussi propos{é}s pour repr{é}senter les propri{é}t{é}s math{é}matiques des relations. Nous proposons d'ajouter au langage quatre facettes permettant de repr{é}senter la quantification des relations spatiales. Nous avons modifi{é} l'op{é}ration qui associe un mod{è}le {à} une entit{é} pour prendre en compte la quantification des relations dans la classification des structures spatiales. Le syst{è}me de reconnaissance a {é}t{é} implant{é} dans le langage \yafool et mis en \oe{}uvre sur des cartes de la r{é}gion Lorraine.