Proposition d'une annotation sémantique floue guidée par ontologie pour l'interprétation des images de télédétection : Application à la gestion des risques naturels

Fuzzy Semantic Annotation based on Ontology for Remote Sensing Images Interpretation: Application to Natural Risks

• Auteur / Autrice : Wassim Messoudi
• Direction : Basel Solaiman
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2013
• Etablissement(s) : Télécom Bretagne
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes)
• Partenaire(s) de recherche : autre partenaire : Université européenne de Bretagne (2007-2016)

Mots clés

Mots clés contrôlés

Ontologie

Imagerie satellitaire

Résumé

L'image de télédétection constitue une source d'information importante permettant de surveiller les phénomènes naturels auxquels le monde a été confronté ces dernières années notamment l'érosion, l'inondation, les incendies, la déforestation, etc. Ces phénomènes ont des conséquences graves sur l'environnement, l'agriculture (dégradation des sols), l'activité humaine, etc. C'est dans ce cadre que se situe notre travail de thèse qui s'intéresse à l'interprétation des images de télédétection afin d'étudier la susceptibilité des scènes aux risques naturels. Cette thèse aborde deux problématiques majeures; La première concerne la modélisation du contenu de l'image satellitale. Cela pose les questions suivantes : Comment extraire les informations utiles de l'image ? Quel modèle de représentation choisir pour modéliser l'image ? Comment générer cette modélisation ? La deuxième problématique concerne l'étude de la susceptibilité de l'image aux risques naturels en se basant sur les sciences cognitives et les connaissances issues de l'image. Donc, quel est le modèle de raisonnement à adopter pour générer une interprétation adéquate ? Dans ce travail de thèse, nous proposons une ontologie spatio-temporelle, floue, lourde et évolutive représentant le contenu sémantique des images de télédétection. Pour ce faire, nous avons suivi un processus de développement basé sur la réutilisation des ressources ontologiques existantes, l'apprentissage à partir des images satellitales (de référence), et la formalisation des connaissances a priori de domaine (risques naturels, connaissance sur les scènes capteurs d'acquisition, etc. ). Nous proposons également une méthodologie permettant de générer des annotations modélisant le contenu de l'image satellitale en se guidant par l'ontologie de domaine, et permettant, à partir d'un raisonnement inférentiel sur ces connaissances, de déduire la susceptibilité d'une scène satellitale aux risques naturels. La méthodologie proposée comporte quatre modules : (1) Annotation de l'image de télédétection, (2) Fusion d'annotations, (3) Recherche de cas, et (4) Raisonnement et interprétation. Dans un cadre méthodologique, nous avons appliqué la méthodologie pour traiter le problème d'érosion afin de prévenir les zones à risque en Tunisie et plus particulièrement à la région du Kef. Pour ce faire, nous avons conçu une base d'imagettes multi-dates et multi-capteurs représentant des classes d'ontologie (forêt, lac, champ de blé, zone urbaine,. . . ). De même, nous avons construit une base de cas contenant des annotations qui représentent des images de télédétection de la région du Kef. Dans un processus « off-line », nous avons simulé le processus d'interprétation sur des requêtes pour voir si elles présentent des risques d'érosion.

The remotely sensed images are considered as an important source of information used in several domains such as environmental monitoring, disaster management and military intelligence. However, the appropriate information has to be extracted and represented to make efficient decision processes. In this thesis, we proposed a spatiotemporal, fuzzy and heavy ontology for modeling remote sensing images. The ontology is based on (1) the re-use of an existing ontology of domain which is considered as a kernel-ontology, and (2) the enrichment of this one in order to cover the domain of application and to take into account the specificities of remotely sensed images. The process of enrichment establish at various levels: conceptual, relational and axiomatic, basing on external resources like taxonomies, thesaurus, and knowledge extracted from experts and image archive. The proposed enrichment allows maximizing the capacity of the ontology on modeling and reasoning through the axioms. We propose to enrich the ontology with fuzzy logic in order to modeling the uncertainty in remotely sensed images. Furthermore, we propose a methodology for modeling and retrieving satellite images basing on their spatial knowledge. The main idea of our approach is that the use of spatial knowledge, reasoning and inference technique, can contribute to deduce the susceptibility of the scene at natural risks (erosion, flooding, fires, etc. ). Our methodology takes in input a set of multi-sensor images representing a scene. It contains four modules: (1) Modeling of the scene, (2) fusion of image annotations, (3) similar case retrieval, and (4) reasoning and interpretation. The first module generates annotations which represents the semantic content of the satellite scene. The second module allows merging image annotations to have faithful information to the reality. The third module attempts to find similar cases to those of the annotated query to take advantage of cases, situations and past problems. The fourth module allows deducting the susceptibility of the image in a given natural phenomenon (Erosion, flooding, fires), basing on inferences on knowledge of domain (Ontology, knowledge of expert, knowledge of natural phenomena, etc. ) and the result of the previous phases. Finally, we applied the methodology to deal with the problem of erosion to warn high-risk areas of the kef region, situated in northwest of Tunisia. Indeed, we developed a base of images representing the classes of the ontology (forest, lake, urban zone, etc. ). Also, we developed a base of cases representing remote sensing images of the region of the Kef. In an "offline" process, we simulated the process of interpretation on requests to see if they present risks of erosion