Fusion de données, un aperçu Mir Abolfazl Mostafavi Centre de recherche en géomatique Université Laval Automne 2001
Plan de la présentation Contexte et problématique Définition de fusion Sources de données Conflits Méthodes de fusion Applications Discussion
Contexte et problématique Accroissement du nombre de sources d'information Développement de nouveaux capteurs (ex : imagerie médicale) Développements de nouveaux algorithmes Besoin en information de haut niveau de précision Conditions opérationnelles souvent difficiles Délais de réaction de plus en plus courts
Exemples L'homme dispose d'un système de fusion multicapteur Toucher Odorat Ouïe Vue Goût
Exemples Applications militaires : Détection, identification et suivi de cibles Surveillance des champs de batailles
Exemples Applications météorologiques
Définition La fusion de données constitue un cadre formel dans lequel s’expriment les moyens et techniques permettant l’alliance des données provenant de sources diverses. Elle vise à obtention d’information de plus grande qualité ; La définition de la qualité dépend de l’application. Information de grande qualité s s Fusion s sources diverses
La fusion est un sous-ensemble de l’intégration Termes utilisés La fusion est un sous-ensemble de l’intégration « intégration totale » Français Anglais Fusion Intégration couplage Révision Agrégation Mise à jour Merging, Combination Integration, Concatenation Assimilation Revision Updating
Source d’information Capteurs physiques : Type images : caméra, télémètre, radar, images IRM, images ultrason, Type signaux : température, vitesse, accélération, temps de vol… Capteurs logiques (analogiques ou numériques): Modules de traitement de signaux Modules de traitement d'images
Source d’information (suite) Connaissances a priori : Objets et leurs caractéristiques Scène observée (cartes, atlas,...) Règles d'évolution, ...
Architecture de fusion Niveau de fusion : Niveau signal / pixel Niveau attribut Niveau objet Niveau décision Choix du formalisme Probabilité Possibilité Évidence Réseaux de neurones Autres, ...
Avantages et inconvénients Probabilité : Problèmes d'interprétation de la probabilité Pas de modélisation de la méconnaissance Possibilité : Bien adapté à la modélisation de l'imprécision Problème de choix d'opérateur de combinaison Évidence : Bonne modélisation de la connaissance Bonne modélisation de la méconnaissance Problème d'explosion combinatoire
Méthodologie Bilan des informations: Définition des objectifs Méthodologie pour le développement d'application de fusion Bilan des informations: Connaissances a priori Mesures Définition des objectifs Rôle de la fusion Améliorer la qualité Compléter la connaissance
Méthodologie (suite) Choix du formalisme Gestion adaptée des conflits Probabilité, possibilité, évidence, réseaux de neurones, autres,... Gestion adaptée des conflits Spatiaux Temporels Sémantiques Utilisation des informations issues de la fusion Prise de décision …
Méthodes de fusion Fusion Méthode générale Technique spécifique Niveau 1 Association faible FOM (figure of merit) Filtres de Kalman Niveau 2 Inférence forte Méthode Bayesienne Dempster shefer Réseaux neurones Niveau 3 Recommandations à l’usager (IA) Systèmes experts Logique floue
Application géomatique Mise-à-jour de données de haute incertitude spatiale Application à des données forestières Écart non-spatial Changements: coupes forestières, feu forestiers, autres Incertitude: confusion entre des classes Écart spatial Changements: coupes forestières, feux forestiers, croissance différentielle, … Incertitude: superficie du polygone, longueur d’une frontière, type droite/gauche de la frontière, … De Groeve 2000
Conflits Sources potentielles de conflits Conflits de systèmes de référence spatial Systèmes de coordonnées Systèmes de référence géodésique Systèmes de référence altimétrique Ellipsoïde de référence Projection cartographique Conflits de systèmes de référence temporel Différences dans les dates de relevé Dates de mise à jour Évolution
Conflits Conflits d’échelle Conflits d’échelles de mesure Conflits de structures géométriques (raster, vecteur) Conflits d’unités, formes, orientations, résolutions (raster) Conflits de précision Conflits de types et de formats de données Conflit de types et de formats de fichier (logiciel) Conflits de langages Conflits de traitements Conflits de topologie
Représentation Plusieurs méthodes de fusion disponibles en mode raster Fusion indirecte (passage en mode raster) Fusion directe des données vecteur Raster à Vecteur Vecteur à Raster
Application topographique Courbes de niveaux Lacs B A
Filtre Kalman Prediction Correction calcul de ‘gain de Kalman’ estimation a priorie des paramètres. estimation a priori de covariance des erreurs calcul de ‘gain de Kalman’ estimation a posteriori des parametres. estimation a posteriori de covariance des erreurs Valeurs initiales Résidus Prediction Correction ) x A B u k - = + $ 1 P AP Q T K H HP R ( z I
Exemple de formalisation Application de filtre Kalman Définition de courbes de niveaux en tant que formes fermées Définition des cours d’eau Définition des lacs Pas d’intersection entre les courbes de niveaux Identification de la précision de chaque entité Les routes coupent les cours d’eau uniquement au niveau de ponts Les routes ne peuvent pas traverser des lacs Autre … Comment adopter ce formalisme?
Projets fusion de données Deux projets en cours Dans le cadre de mon stage post-doctoral Problématique: fusion de données spatiales en général Fusion de données géométriques en particulier Dans le cadre du projet ENV#19 du réseau GEOIDE Problématique: gestion de désastres naturels, opérations de sauvetage Fusion de données de différentes sources dans le but de prendre une décision rapide et efficace
Étapes de réalisation du stage Définition du problème de fusion Définition des contraintes Choix de méthodes de fusion appropriées Mise en place d’une méthode de détection de conflits Action Décision
Discussion Problèmes pratiques de fusion de données à CITS Exploration de la possibilité de contribution de CITS dans les projets