Inférence de connaissances sémantiques : application aux images satellitaires

Inference of semantical knowledge : application to satellite images

• Auteur / Autrice : Jean-Baptiste Bordes
• Direction : Henri Maître
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance en 2009
• Etablissement(s) : Paris, ENST

Mots clés

Mots clés contrôlés

Reconnaissance des formes (informatique)

Apprentissage automatique

Traitement d'images

Résumé

Une méthode probabiliste pour annoter des images satellites avec des concepts sémantiques est présentée. Cette méthode part de caractéristiques de bas-niveau quantifiées dans l'image et utilise une phase d'apprentissage à partir des concepts fournis par l'utilisateur avec un lot d'images exemples. La contribution principale est la définition d'un formalisme pour la mise en relation d'un réseau sémantique hiérarchique avec un modèle stochastique. Les liens sémantiques de synonymie, méronymie, hyponymie sont mis en correspondance avec différents types de modélisations inspirées des méthodes utilisées en fouille de données textuelles. Les niveaux de structuration et de généralité des différents concepts utilisés sont pris en compte pour l'annotation et la modélisation de la base de données. Une méthode de séléction de modèle permet de déduire le réseau sémantique correspondant à la modélisation optimale de la base de données. Cette approche exploite ainsi la puissance de description des réseaux sémantique tout en conservant la flexibilité des approches statistiques par apprentissage. La méthode a été évaluée sur des bases de données SPOT5 et Quickbird.

A novel method is presented for annotating satellite images. The labels used for annotation are given by a user with a set of example images. A learning step is then applied to learn the model. The originality of the method is to formulate the problem of sema ntic annotation to a further extent than a mere probabilistic classification task. The method takes into account the semantical relationship between the concepts by considering a duality between the structure of the model and the structure of the set of labels. The semantical structure of the labels is represented by a semantic network containing three semantical relationships: synonymy, meronymy, and hyponymy. The semantic network is constrained in a hierarchy induced by the links of hyponymy and meronymy. By a procedure of MDL model selection, it is possible to find the optimal semantical structure of the set of labels. This method has been evaluated on SPOT5 and Quickbird databases.