Coopération de systèmes à base de connaissances pour l'analyse et la reconnaissance d'objets naturels complexes : application au classement de galaxies ou de zooplanctons

Cooperation of knowledge based systems for complex natural object analysis and recognition : application to galaxy or zooplankton classification

• Auteur / Autrice : Jean-Christophe Ossola
• Direction : Monique Thonnat
• Type : Thèse de doctorat
• Discipline(s) : Sciences pour l'ingénieur
• Date : Soutenance en 1996
• Etablissement(s) : Nice
• Partenaire(s) de recherche : Autre partenaire : Université de Nice-Sophia Antipolis. Faculté des sciences
• Jury : Président / Présidente : Julien Borgnino
• Jury : Examinateurs / Examinatrices : Marie-Hélène Gandelin, Albert Bijaoui, Augustin Lux
• Jury : Rapporteurs / Rapporteuses : Catherine Garbay, Daniel Crevier

Mots clés

Mots clés contrôlés

Astronomie

Biologie marine

Classification automatique

Traitement d'images

Systèmes experts (informatique)

Intelligence artificielle répartie

Reconnaissance des formes (informatique)

Mots clés libres

Sciences appliquées

Informatique, automatique théorique, systèmes

Base connaissance

Pilotage programme

Résumé

Le sujet de cette thèse concerne l'étude et la conception d'un système de reconnaissance de formes. Plus particulièrement, nous avons focalisé notre attention sur l'interprétation d'images d'objets naturels complexes qui ont la particularité d'être difficilement modélisables mathématiquement. Notre approche repose sur la coopération de systèmes à base de connaissances qui permettent une modélisation efficace des différents types de connaissances intervenant dans la résolution d'un tel problème : connaissances sur le traitement d'images pour l'extraction des paramètres descriptifs et connaissances sur l'interprétation des données pour la classification. Pour cela, nous avons étudié plusieurs outils qui permettent la communication entre processus distribués et nous avons construit un modèle de communication adapté à notre type de problème. Notre architecture a été testée sur deux applications distinctes, la première sur des images d'organismes zooplanctoniques, et la seconde sur des images de galaxies. Elle a permis d'accroître l'efficacité de la reconnaissance de tels objets par de multiples échanges de messages en cours de raisonnement. Nous proposons également dans ce mémoire, un système de reconnaissance d'objet générique et facilement extensible qui s'appuie sur deux systèmes minimaux de traitement d'images et d'interprétation de données. Ce système permet la conception d'une application à partir de briques de base et évite ainsi le travail de développement récurrent à chaque nouvelle application.

The subject of this thesis is the development of an object recognition system. More precisely, our goal is to recognize natural objects which have no simple mathematical models. Our approach is based on the cooperation of two knowledge based systems. These systems allow an efficient modelling of the different types of knowledge that occur in such a problem: image processing knowledge for the extraction of descriptive parameters and data interpretation knowledge for classification. In order to do that, we have studied several tools which allow distributed processes to communicate together and we have built a communication model well adapted to our kind of problem. Furthermore, our architecture has been tested on two different applications, the first one on images of zooplanktonic organisms, and the second one on galaxy images. It has provided an increasing efficiency of the recognition quality thanks to man message exchanges during the recognition reasoning. We also propose a generic and extensive object recognition system based on two minimal systems dedicated to image processing and to data interpretation. This system allows the design of an aplication with basic bricks in such a way that the development of recurrent work is avoided when one tackles a new application.