Fusion de données, un aperçu

Slides:



Advertisements
Présentations similaires
Soutenance du stage de DEA.
Advertisements

Application au suivi des paramètres de problèmes de vision
Résolution de problèmes et logiciel de calcul symbolique
Algèbre de composants : une approche fonctionnelle à la sémantique de documents Bart Lamiroy LORIA/INPL QGar - École des Mines de Nancy.
Un exemple de système EDA d'index supérieur distillation réactive avec réactions chimiques instantanément équilibrées Dr. Karim Alloula (ingénieur informatique.
Systèmes à base de connaissances
Le Modèle Logique de Données
Algorithmique du Network Calculus Participants : Laurent Jouhet et Eric Thierry Le Network CalculusLes objetsLes opérations Etat de lartObjectifs Premiers.
La FAO en ingénierie concourante
La chaîne d’information dans la structure générale d ’un système pluritechnique But de la chaîne d’information : Piloter avec le maximum d’efficacité la.
Thème « Modélisation comportementale des Systèmes critiques »
De l’utilisation des mesures de confiance Olivier COLOT
Ref: Sensors for mobile robots Ch. 5 et ch.6
Monique THONNAT et Nathanaël ROTA Projet ORION
Module SIG-Santé 6. Géoréférencement Marc SOURIS Florent DEMORAES
Eric Guilbert, Marc Daniel *, Eric Saux
Application des algorithmes génétiques
Initiation à la conception de systèmes d'information
Classification Multi Source En Intégrant La Texture
Comportement Réactif - Champs de potentiel
Les systèmes d'information géographique servent principalement à :
Séminaire de lobjectif « forage et production » Beaune, les 26,27 et 28 Avril 2000 Outils danalyse statistiques « programmation par lexemple » S. Canu,
Télédétection des Océans : quels défis pour le futur ?
Méthode des k plus proches voisins
Mehrdad Salehi, candidat au doctorat Directeur: Dr. Yvan Bédard Codirecteur: Dr. Mir Abolfazl Mostafavi Conseiller: Dr. Jean Brodeur Chaire de recherche.
Interprétation de séquences dimages pour des applications MédiaSpace Alberto AVANZI François BREMOND Monique THONNAT Projet ORION INRIA de Sophia Antipolis.
Design dun système de vision embarqué. Application:
1 Séminaire LOVe du 29/03/07 Combinaison d'objets (fusion centralisée) T3.2 Combinaison de pistages (fusion décentralisée) T3.3.
Fusion multi-capteur pour la détection d'obstacle
Développement informatique : Outils dexploitation de films infrarouges Projet dimagerie : Reconnaissance automatique de lemplacement dobjets sur des imagesinfrarouges.
Réalité virtuelle et Représentation de Données Complexes
Sensibilisation a la modelisation
Filtrage de Kalman et aperçu probabiliste
Présenté par Mohamed Bakillah Mir Abolfazl Mostafavi: directeur
Chaine d’énergie et d’information
Soutenance de stage 16 Mai au 5 Août 2011
Structure du cours Introduction générale Notions de géodésie
Structure du cours Introduction générale Notions de géodésie
Segmentation (1ère partie)
Architecture d’un système expert
Présenté par : Attia Hamza Merzouk Abdelkrim 2003/2004
Formation SIG-Santé Géoréférencement Marc SOURIS Elisabeth HABERT
Reconstruction de paramètres environnementaux à l’aide des GNSS: une opportunité pour les entreprises ? R. Warnant Professeur Université de Liège Géodésie.
des modèles utilisés pour la modélisation incendie
Mise-à-jour de données de haute incertitude spatiale Présentation dans le cadre du groupe de discussion sur la fusion de données géospatiales – 22 nov.
LES PROGICIELS DE GESTION INTÉGRÉS
Méthodes d’assimilation: Le problème du point de vue de la mesure (P. Prunet, Noveltis) Assimilation de données en zones cotières (P. De Mey, LEGOS/POC)
Modèles Mathématiques et représentation discrètes pour la description des images couleur Luc Brun.
Atelier ADOMOCA-2 Les Lecques, oct Assimilation haute résolution IASI-Valentina Benjamin Pajot S. Massart, D. Cariolle, A. Piacentini CERFACS.
LASMEA Clermont, le 25 janvier Mesure et analyse de trajectoires Ordre du jour  10h45 – Accueil  11h00 – Introduction  11h05 – Trajectographie.
G. Edwards le 12 décembre, 2001 La fusion des données - approches qualitatives.
Apparence globale 1 image = 1 vecteur Base apprentissage Rotation –capture les variabilités Troncature –Quelques coefficients Représentation linéaire Espace.
Olivier Leclair, Université Laval Un algorithme de fouille dans une représentation des données par objets: une application médicale SIMON, Arnaud.
Fusion de paramètres en classification Parole/Musique Julie Mauclair – Equipe Parole Julien Pinquier – Equipe SAMoVA.
Introduction et Généralités sur l’Algorithmique
Étude de l’écoulement moyen
TIPE Les dames chinoises
Suivi de trajectoires par vision Y. Goyat, T. Chateau, L. Trassoudaine 1.
Décision incertaine et logistique : Grille typologique
L T I Laboratoire de Téléinformatique 2 Projet de semestre Parseur XML basé sur la DTD : Buts –Utiliser la grammaire définissant un type de fichiers XML.
Méthode des moindres carrés (1)
systèmes d’information géographique
La gestion des bases de données
Surveillance de l'environnement : la problématique du prélèvement, du traitement, de la mesure des échantillons de l'environnement et de l’interprétation.
Traitement de la turbulence
Martine Miny - MPInstitut - Référentiels et métiers de management de projet - Mastère IESTO - 9 février 2004 Référentiels et métiers de management de projet.
PROJET DE SESSION PRÉSENTÉ PAR : Rosemarie McHugh DANS LE CADRE DU COURS : SCG Réalisation d’applications en SIG 16 avril 2007.
 La réforme anti endommagement et ses conséquences pratiques  Connaissances générales sur les réseaux  Principe des méthodes de détection non-destructives.
De la Terre à la carte: Projections et Géoréférencement
Transcription de la présentation:

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