Cet article traite de l'intégration de connaissances
structurelles dans le processus de classification d'une image
satellite. Supposons que nous ayons mis en évidence dans une
image, par un moyen quelconque, un certain nombre d'objets. Supposons
d'autre part que nous ayons récolté auprès d'un
expert un certain nombre de connaissances structurelles sur les classes
auxquelles nous sommes tentés de rattacher ces objets. Se posent
alors trois questions fondamentales. Comment représenter les
connaissances ? Comment mesurer l'adéquation entre les objets et
les connaissances censées les concerner ? Comment utiliser de
telles mesures pour mieux classifier l'image ? Nous décrivons
dans cet article une approche fondée sur la
représentation des connaissances par un système
d'inférence floue ; le calcul, dans une étape
préliminaire, d'une partition floue et de la partition nette qui
lui est associée ; l'utilisation de méthodes heuristiques
d'optimisation combinatoire. Des résultats expérimentaux
obtenus à partir de données et connaissances de
synthèse ainsi que de l'image RVB d'un objet simple très
structuré montrent le bien-fondé de notre approche.
|