Stratégie de choix d'un formalisme de fusion mult-sources et apports au niveau du modèle de fusion par la DSmT: application à la classification d'images satellitaires haute résolution
DOI:
https://doi.org/10.52638/rfpt.2014.93Keywords:
Fusion, Théorie des possibilités, Théorie des fonctions de croyance, Théorie du raisonnement plausible et paradoxal, Stratégie du choix, Imperfections d’information, éléments focaux paradoxaux, Cardinalité de DSmAbstract
Nous présentons dans cet article, en premier lieu, une étude comparative de trois théories mathématique permettant deréaliser la fusion des sources d'information. Cette étude vise à dégager les caractéristiques inhérentes aux théories des
possibilités, des fonctions de croyance (TFC) et du raisonnement plausible et paradoxal (DSmT) afin d'établir une stratégie
de choix qui nous permet d'adopter la théorie la plus adéquate pour résoudre un problème de fusion en tenant compte
des informations acquises et des imperfections qui les accompagnent. En deuxième lieu, nous présentons également une
nouvelle méthode pour déterminer les éléments focaux paradoxaux à l'aide des histogrammes de niveaux de gris. Ainsi,
nous avons élaboré une nouvelle technique pour ordonner et coder les éléments focaux généralisés. Cette méthode est
exploitée, en particulier, pour calculer la cardinalité de Dezert et Smarandache.
Downloads
Download data is not yet available.
References
Ben Dhiaf, Z., 2011. Fusion de sources d'information pour l'interprétation
d'images de télédétection moyenne et haute résolution
: Application à l'inventaire forestier. Thèse de doctorat,
Université de Tunis El Manar : Faculté des Sciences Tunis.
Bloch, I., 1996. Information combination operators for data fusion
: A comparative review with classification. Systems, Man
and Cybernetics, Part A : Systems and Humans, IEEE Transactions
on 26 (1), 52—67.
Bloch, I., 2005. Fusion d'informations numériques : panorama
méthodologique. Journées Nationales de la Recherche en
Robotique, 79.
Bloch, I., Maıtre, H., 2004. Les méthodes de raisonnement
dans les images. Ecole Nationale Supérieure des
Télécommunications-CNRS UMR 5141.
Borotschnig, H., Paletta, L., Pinz, A., 1999. A comparison of probabilistic,
possibilistic and evidence theoretic fusion schemes
for active object recognition. Computing 62 (4), 293—319.
Destercke, S., Dubois, D., Chojnacki, E., 2006. Fusion d'opinions
d'experts et théories de l'incertain. Proc. Rencontres
Francophones sur la logique floue et ses applications.
Dezert, J., 2002. Foundations for a new theory of plausible and
paradoxical reasoning. Information and Security 9, 13—57.
Dezert, J., Smarandache, F., 2003. On the generation of hyperpowersets
for the dsmt. arXiv preprint math/0309431.
Dezert, J., Smarandache, F., 2005. The dsmt approach for information
fusion and some open problems.
Dezert, J., Smarandache, F., 2006. Dsmt : A new paradigm shift
for information fusion. arXiv preprint cs/0610175.
Dezert, J., Smarandache, F., 2009. An introduction to dsmt.
arXiv preprint arXiv :0903.0279.
Dezert, J., Smarandache, F., Daniel, M., 2004. The generalized
pignistic transformation. arXiv preprint cs/0409007.
Dubois, D., Prade, H., 1985. Théorie des possibilités. Applications
i Représentation des Connaissances en Informatique.
Collection Méthode+ Programmes, Masson, Paris. l MAGE
EVALUATION TEST TARGET.
Dubois, D., Prade, H., 1994a. La fusion d'informations imprécises.
TS. Traitement du signal 11 (6), 447—458.
Dubois, D., Prade, H., 1994b. Possibility theory and data fusion
in poorly informed environments. Control Eng. Practice
2, 811—823.
Dubois, D., Prade, H., 2003. Possibility theory and its applications
: a retrospective and prospective view. Dans : Fuzzy
Systems, 2003. FUZZ'03. The 12th IEEE International Conference
on. Vol. 1. IEEE, pp. 5—11.
Dubois, D., Prade, H., 2009. Formal representations of uncertainty.
Decision-Making Process : Concepts and Methods,
85—156.
Florea, M. C., Jousselme, A.-L., Bossé, ı., Grenier, D., avril
2009. Robust combination rules for evidence theory. Inf. Fusion
10 (2), 183—197.
Khaleghi, B., Khamis, A., Karray, F. O., Razavi, S. N., 2011. Multisensor
data fusion : A review of the state-of-the-art. Information
Fusion.
Lefevre, E., Colot, O., Vannoorenberghe, P., 2002. Belief functions
combination and conflict management. Information Fusion
Journal, Elsevier Publisher 3, No2, 149—162.
Li, X., Huang, X., Wang, M., 2006. Robot map building from sonar
sensors and dsmt. Information & Security Journal, Bulg.
Acad. of Sci., Sofia 20.
Liu, W., 2007. Conflict analysis and merging operators selection
in possibility theory. Dans : ECSQARU. Springer Berlin Heidelberg,
pp. 816—827.
Martin, A., 2005. La fusion d'informations. Polycopié de cours
ENSIETA-Réf 1484, 117.
Martin, A., 2008. Fusion de classifieurs pour la classification
d'images sonar. arXiv preprint arXiv :0806.2006.
Martin, A., 2010. Le conflit dans la théorie des fonctions de croyance. Dans : EGC. pp. 655—666.
Milisavljevic, N., Bloch, I., 2003. Sensor fusion in anti-personnel
mine detection using a two-level belief function model. Systems,
Man, and Cybernetics, Part C : Applications and Reviews,
IEEE Transactions on 33 (2), 269—283.
Parsons, S., Hunter, A., 1998. A review of uncertainty handling
formalisms. Dans : Applications of uncertainty formalisms.
Springer, pp. 8—37.
Roux, L., Desachy, J., 1995. Information fusion for supervised
classification in a satellite image. Dans : Fuzzy Systems,
1995. International Joint Conference of the Fourth IEEE International
Conference on Fuzzy Systems and The Second
International Fuzzy Engineering Symposium., Proceedings
of 1995 IEEE International Conference on. Vol. 3. IEEE, pp.
1119—1124.
Shafer, G., 1976. A mathematical theory of evidence. Princeton
University Press.
Shafer, G., 1990. Perspectives on the theory and practice of
belief functions. International Journal of Approximate Reasoning
4 (5), 323—362.
Shafer, G., Logan, R., 1987. Implementing dempster's rule for
hierarchical evidence. Artificial Intellignece, 33, 271—298.
Smarandache, F., Dezert, J., 2004. Proportional conflict redistribution
rule. CoRR cs.AI/0408010.
Smarandache, F., Dezert, J., 2006a. Advances and applications
of DSmT for information fusion : collected works. Vol. 2. American
Research Press.
Smarandache, F., Dezert, J., 2006b. An introduction to the dsm
theory for the combination of paradoxical, uncertain, and imprecise
sources of information. arXiv preprint cs/0608002.
Smarandache, F., Dezert, J., Tacnet, J., 2010. Fusion of sources
of evidence with different importances and reliabilities. Dans :
Information Fusion (FUSION), 2010 13th Conference. IEEE,
pp. 1—8.
Smets, P., 1990a. Constructing the pignistic probability function
in a context of uncertainty. Dans : Uncertainty in artificial intelligence.
Vol. 5. pp. 29—39.
Smets, P., 1990b. The transferable belief model and other interpretations
of dempster-shafer's model. Dans : Uncertainty in
Artificial Intelligence. Vol. 6. pp. 375—383.
Smets, P., 1997. Imperfect information : Imprecision and uncertainty.
Dans : Uncertainty Management in Information Systems.
Springer, pp. 225—254.
Smets, P., 1998. Probability, possibility, belief : which and where.
Handbook of defeasible reasoning and uncertainty management
systems 1, 1—24.
Tchamova, A., Dezert, J., 2012. On the behavior of dempster's
rule of combination and the foundations of dempster-shafer
theory. Dans : Intelligent Systems (IS), 2012 6th IEEE International
Conference. IEEE, pp. 108—113.
Vannoorenberghe, P., 2003. Un état de l'art sur les fonctions de
croyance appliquées au traitement de l'information. Revue I3
3 (2), 9—45.
Zadeh, L. A., 1968. Fuzzy algorithms. Information and control
12, 94—102.
Zadeh, L. A., 1978. Fuzzy sets as a basis for a theory of possibility.
Fuzzy Sets and Systems Vol1, No1, 3—28.
Zadeh, L. A., 1984. Book review : A mathematical theory of evidence.
AI Magazine 5 (3), 81—83.
d'images de télédétection moyenne et haute résolution
: Application à l'inventaire forestier. Thèse de doctorat,
Université de Tunis El Manar : Faculté des Sciences Tunis.
Bloch, I., 1996. Information combination operators for data fusion
: A comparative review with classification. Systems, Man
and Cybernetics, Part A : Systems and Humans, IEEE Transactions
on 26 (1), 52—67.
Bloch, I., 2005. Fusion d'informations numériques : panorama
méthodologique. Journées Nationales de la Recherche en
Robotique, 79.
Bloch, I., Maıtre, H., 2004. Les méthodes de raisonnement
dans les images. Ecole Nationale Supérieure des
Télécommunications-CNRS UMR 5141.
Borotschnig, H., Paletta, L., Pinz, A., 1999. A comparison of probabilistic,
possibilistic and evidence theoretic fusion schemes
for active object recognition. Computing 62 (4), 293—319.
Destercke, S., Dubois, D., Chojnacki, E., 2006. Fusion d'opinions
d'experts et théories de l'incertain. Proc. Rencontres
Francophones sur la logique floue et ses applications.
Dezert, J., 2002. Foundations for a new theory of plausible and
paradoxical reasoning. Information and Security 9, 13—57.
Dezert, J., Smarandache, F., 2003. On the generation of hyperpowersets
for the dsmt. arXiv preprint math/0309431.
Dezert, J., Smarandache, F., 2005. The dsmt approach for information
fusion and some open problems.
Dezert, J., Smarandache, F., 2006. Dsmt : A new paradigm shift
for information fusion. arXiv preprint cs/0610175.
Dezert, J., Smarandache, F., 2009. An introduction to dsmt.
arXiv preprint arXiv :0903.0279.
Dezert, J., Smarandache, F., Daniel, M., 2004. The generalized
pignistic transformation. arXiv preprint cs/0409007.
Dubois, D., Prade, H., 1985. Théorie des possibilités. Applications
i Représentation des Connaissances en Informatique.
Collection Méthode+ Programmes, Masson, Paris. l MAGE
EVALUATION TEST TARGET.
Dubois, D., Prade, H., 1994a. La fusion d'informations imprécises.
TS. Traitement du signal 11 (6), 447—458.
Dubois, D., Prade, H., 1994b. Possibility theory and data fusion
in poorly informed environments. Control Eng. Practice
2, 811—823.
Dubois, D., Prade, H., 2003. Possibility theory and its applications
: a retrospective and prospective view. Dans : Fuzzy
Systems, 2003. FUZZ'03. The 12th IEEE International Conference
on. Vol. 1. IEEE, pp. 5—11.
Dubois, D., Prade, H., 2009. Formal representations of uncertainty.
Decision-Making Process : Concepts and Methods,
85—156.
Florea, M. C., Jousselme, A.-L., Bossé, ı., Grenier, D., avril
2009. Robust combination rules for evidence theory. Inf. Fusion
10 (2), 183—197.
Khaleghi, B., Khamis, A., Karray, F. O., Razavi, S. N., 2011. Multisensor
data fusion : A review of the state-of-the-art. Information
Fusion.
Lefevre, E., Colot, O., Vannoorenberghe, P., 2002. Belief functions
combination and conflict management. Information Fusion
Journal, Elsevier Publisher 3, No2, 149—162.
Li, X., Huang, X., Wang, M., 2006. Robot map building from sonar
sensors and dsmt. Information & Security Journal, Bulg.
Acad. of Sci., Sofia 20.
Liu, W., 2007. Conflict analysis and merging operators selection
in possibility theory. Dans : ECSQARU. Springer Berlin Heidelberg,
pp. 816—827.
Martin, A., 2005. La fusion d'informations. Polycopié de cours
ENSIETA-Réf 1484, 117.
Martin, A., 2008. Fusion de classifieurs pour la classification
d'images sonar. arXiv preprint arXiv :0806.2006.
Martin, A., 2010. Le conflit dans la théorie des fonctions de croyance. Dans : EGC. pp. 655—666.
Milisavljevic, N., Bloch, I., 2003. Sensor fusion in anti-personnel
mine detection using a two-level belief function model. Systems,
Man, and Cybernetics, Part C : Applications and Reviews,
IEEE Transactions on 33 (2), 269—283.
Parsons, S., Hunter, A., 1998. A review of uncertainty handling
formalisms. Dans : Applications of uncertainty formalisms.
Springer, pp. 8—37.
Roux, L., Desachy, J., 1995. Information fusion for supervised
classification in a satellite image. Dans : Fuzzy Systems,
1995. International Joint Conference of the Fourth IEEE International
Conference on Fuzzy Systems and The Second
International Fuzzy Engineering Symposium., Proceedings
of 1995 IEEE International Conference on. Vol. 3. IEEE, pp.
1119—1124.
Shafer, G., 1976. A mathematical theory of evidence. Princeton
University Press.
Shafer, G., 1990. Perspectives on the theory and practice of
belief functions. International Journal of Approximate Reasoning
4 (5), 323—362.
Shafer, G., Logan, R., 1987. Implementing dempster's rule for
hierarchical evidence. Artificial Intellignece, 33, 271—298.
Smarandache, F., Dezert, J., 2004. Proportional conflict redistribution
rule. CoRR cs.AI/0408010.
Smarandache, F., Dezert, J., 2006a. Advances and applications
of DSmT for information fusion : collected works. Vol. 2. American
Research Press.
Smarandache, F., Dezert, J., 2006b. An introduction to the dsm
theory for the combination of paradoxical, uncertain, and imprecise
sources of information. arXiv preprint cs/0608002.
Smarandache, F., Dezert, J., Tacnet, J., 2010. Fusion of sources
of evidence with different importances and reliabilities. Dans :
Information Fusion (FUSION), 2010 13th Conference. IEEE,
pp. 1—8.
Smets, P., 1990a. Constructing the pignistic probability function
in a context of uncertainty. Dans : Uncertainty in artificial intelligence.
Vol. 5. pp. 29—39.
Smets, P., 1990b. The transferable belief model and other interpretations
of dempster-shafer's model. Dans : Uncertainty in
Artificial Intelligence. Vol. 6. pp. 375—383.
Smets, P., 1997. Imperfect information : Imprecision and uncertainty.
Dans : Uncertainty Management in Information Systems.
Springer, pp. 225—254.
Smets, P., 1998. Probability, possibility, belief : which and where.
Handbook of defeasible reasoning and uncertainty management
systems 1, 1—24.
Tchamova, A., Dezert, J., 2012. On the behavior of dempster's
rule of combination and the foundations of dempster-shafer
theory. Dans : Intelligent Systems (IS), 2012 6th IEEE International
Conference. IEEE, pp. 108—113.
Vannoorenberghe, P., 2003. Un état de l'art sur les fonctions de
croyance appliquées au traitement de l'information. Revue I3
3 (2), 9—45.
Zadeh, L. A., 1968. Fuzzy algorithms. Information and control
12, 94—102.
Zadeh, L. A., 1978. Fuzzy sets as a basis for a theory of possibility.
Fuzzy Sets and Systems Vol1, No1, 3—28.
Zadeh, L. A., 1984. Book review : A mathematical theory of evidence.
AI Magazine 5 (3), 81—83.
Downloads
Additional Files
Published
2014-06-19
How to Cite
Haouas, F., & Ben Dhiaf, Z. (2014). Stratégie de choix d’un formalisme de fusion mult-sources et apports au niveau du modèle de fusion par la DSmT: application à la classification d’images satellitaires haute résolution. Revue Française de Photogrammétrie et de Télédétection, (207), 19–32. https://doi.org/10.52638/rfpt.2014.93
Issue
Section
Articles
License
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution (CC-BY) 4.0 License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
