Extrait des concepts et relations de l’ontologie des primitives visuelles

connaissances contextuelles comportant l’ensemble des règles spectrales (présentées dans [Ba- raldi et al., 2006]) nécessaires pour la classification. L’ensemble de ces règles seront utilisées par le raisonneur Stardog pour assigner les instances des objets images (pixels) à tout concept de l’onto- logie dont la définition correspond à la description des objets. Ainsi, nous avons défini toutes les règles avec le langageSWRLet qui seront ensuite représentées avec le format supporté par Star- dog pour être intégrées dans le triple store. Les règles5.1,5.3,5.2et5.4sont des exemples de règles SWRLécrites avec la syntaxe supportée par Stardog. Avec,

3 La Règle5.1: est une règle utilisée pour définir la classe de végétation spectrale.

3 La Règle 5.2: est une règle qui attribue la valeur catégorique Hight pour chaque individu (pixel) dont la valeur de son NDVI est strictement supérieure à 0.7.

3 La Règle5.3: est une règle utilisée pour définir la classe de végétation spectrale forte (SV_SC).

3 La Règle 5.4 : est utilisée pour définir la catégorie spectrale de végétation forte avec un proche infrarouge élevé (SVHNIR_SC).

Le mécanisme de raisonnement à travers les différentes règles spectrales affecte chaque pixel de la scène d’image à sa classe spectrale correspondante. Le résultat d’une telle classification est montré respectivement dans la figure5.5sous forme d’une carte générée à partir de la scène Land- sat ETM+ représentée dans la figure5.2aet dans la figure5.5générée à partir de la scène Landsat 8 de la figure5.2c. Dans les deux figures, les classes spectrales sont représentées en pseudo-couleurs selon la légende suivante : les zones végétales candidates (à savoir SV_SC, AV_SC, WV_SC, SSR_SC,

Chapitre 5. Expérimentation et évaluation de la méthodologie proposée

@prefix VPO_indv:<http://ssi.org/visual_primitive_ontology#> . @prefix VPO:<http://ssi.org/visual_primitive_ontologyDB#>. @prefix rule: <tag:stardog:api:rule:> .

[] a rule:V_SR_rule; rule:content """ IF { ?x a VPO_indv:ImageObjectClass . ?x VPO_indv:hasblue ?TM1 . ?x VPO_indv:hasgreen ?TM2 . ?x VPO_indv:hasred ?TM3 . ?x VPO_indv:hasnir ?TM4 . ?x VPO_indv:hasmir1 ?TM5 . ?x VPO_indv:hasmir2 ?TM7 . ?x VPO_indv:hasMaxTM123 ?MaxTM123 .

FILTER(?TM2/?TM1 >= "0.5"^^xsd:double && ?TM2/?TM3 >= "0.7"^^xsd:double && ?TM3/?TM4 < "0.7"^^xsd:double && ?TM4/?MaxTM123 > "1"^^xsd:double

&& ?TM5/?TM3 >= "0.7"^^xsd:double && ?TM5/?TM4 < "0.7"^^xsd:double && ?TM7/?TM5 < "0.7"^^xsd:double )

} THEN {

?x a VPO:V_SR . }""" .

Règle 5.1 – Règle SWRL pour le concept V_SR

de vert (du clair au sombre), les masses d’eau sont bleu foncé (WASHSN_SC) et clair (SLWASH_-

SC), tandis que les terres arides et les zones de constructions (à savoir BBB_SC, SBB_SC, ABB_SC, DBB_SC et SHB_SC sont de couleur de teintes marron et grises.

Chapitre 5. Expérimentation et évaluation de la méthodologie proposée

@prefix VPO_indv:<http://ssi.org/visual_primitive_ontology#> . @prefix VPO:<http://ssi.org/visual_primitive_ontologyDB#>. @prefix rule: <tag:stardog:api:rule:> .

[] a rule:Hight_NDVI_rule; rule:content """ IF { ?x a VPO_indv:ImageObjectClass . ?x VPO_indv:hasNDVI ?NDVI. FILTER(?NDVI > "0.7"^^xsd:double) } THEN { ?x VPO:hasFeature VPO:HNDVI . }""" .

Règle 5.2 – Règle SWRL pour le concept HighNDVI

5.3.3 Interprétation au niveau sémantique d’objets : classification sémantique d’ob- jets

La classification sémantique d’objets permet d’attribuer une classe réelle à chaque objet de l’image. Des objets réels comme une forêt, une zone urbaine, un sol nu, l’agriculture, un lac, etc. sont des exemples de classe sémantiques. Dans le niveau, bas ces objets sont représentés par des groupes de pixels dont chaque pixel est représenté par une catégorie spectrale. Dans, le ni- veau sémantique, nous cherchons à attribuer chaque catégorie à sa classe d’objet sémantique. Par exemple, l’ensemble des pixels de catégorie spectrale SVHNIR_SC, SVLNIR_SC, WVLNIR_SC ou SHV_SC appartient à une classe d’objet forêt. La catégorie spectrale BBBHTIRF_SC, BBBLTIRF_SC, SBBHTIRF_SC, SBBLTIRF_SC, ABBHTIRF_SC, ABBLTIRF_SC, DBBHTIRF_SC, DBBLTIRF_SC ou DBBLTIR_SC représente une catégorie appartenant à une classe urbaine. La règle5.5(respecti- vement la règle5.6) a été définie pour indiquer l’appartenance d’une catégorie à la classe d’objet sémantique forêt (respectivement zone urbaine)

Ainsi, nous avons intégré dans le triple store l’ensemble de règles permettant d’assigner une catégorie spectrale à sa classe d’objet sémantique. Par exemple, la règle (5.5) indique quelle(s) est (sont) la (les) catégorie(s) spectrale(s) qui permet(tent) de définir un objet forêt. Aussi, la règle (5.6) définit l’ensemble des catégories qui peuvent décrire une zone urbaine. Les figures5.7et 5.8montrent le résultat de la classification obtenue dans le niveau d’interprétation sémantique d’objet pour la scène de la figure5.2aet la scène de la figure5.2crespectivement.

Chapitre 5. Expérimentation et évaluation de la méthodologie proposée

@prefix VPO_indv:<http://ssi.org/visual_primitive_ontology#> . @prefix VPO:<http://ssi.org/visual_primitive_ontologyDB#>. @prefix rule: <tag:stardog:api:rule:> .

[] a rule:SV_SC_rule; rule:content """ IF { ?x rdf:type VPO:V_SR. ?x VPO:hasFeature ?HNDVI. ?x VPO:hasFeature ?HMIR1. ?x VPO:hasFeature ?HMIR2. ?x VPO:hasFeature ?HNDBSI.

FILTER((?HNDVI=VPO:HNDVI)=true && (?HMIR1=VPO:HMIR1 || ?HMIR2=VPO:HMIR2 || ?HNDBSI=VPO:HNDBSI)=false) }

THEN {

?x a VPO:SV_SC . }""" .

Règle 5.3 – Règle SWRL pour le concept SV_SC

5.3.4 Interprétation au niveau sémantique partiel : extraction des relations spatiales L’objectif de l’interprétation sémantique à ce niveau est de donner une description du contenu de la scène, c.-à-d., décrire les objets présents dans la scène et leurs relations spatiales. En fonction des l’ontologie de domaine et l’ensemble de règles des relations spatiales que nous avons définis et à travers les connaissances extraites dans le niveau précédent, le raisonneur permet d’extraire toutes les relations spatiales possibles qui peuvent exister entre les objets d’une scène. L’ensemble des règles définies dans cette étape inclut les relations spatiales topologiques et directionnelles. La règle5.8est un exemple de règle de relation spatiale topologique écrite avec la syntaxe supportée par Stardog. La règle5.7montre un exemple de règle de relation spatiale de direction.

La figure5.9illustre un exemple des relations spatiales entre un ensemble d’objets de la scène présentée dans la figure5.7.

Chapitre 5. Expérimentation et évaluation de la méthodologie proposée

@prefix VPO_indv:<http://ssi.org/visual_primitive_ontology#> . @prefix VPO:<http://ssi.org/visual_primitive_ontologyDB#>. @prefix rule: <tag:stardog:api:rule:> .

[] a rule:SVHNIR_SC_rule; rule:content """ IF { ?x rdf:type VPO:V_SR. ?x VPO:hasFeature ?HNDVI. ?x VPO:hasFeature ?HNIR. ?x VPO:hasFeature ?HMIR1. ?x VPO:hasFeature ?HMIR2. ?x VPO:hasFeature ?HNDBSI.

FILTER((?HNDVI=VPO:HNDVI)=true && (?HMIR1=VPO:HMIR1 || ?HMIR2=VPO:HMIR2 || ?HNDBSI=VPO:HNDBSI)=false && (?HNIR=VPO:HNIR)=true) } THEN { ?x a VPO:SVHNIR_SC . }""" .

Règle 5.4 – Règle SWRL pour le concept SVHNIR_SC

5.3.5 Interprétation au niveau sémantique plein : extraction des relations spatio-temporelles L’interprétation au niveau sémantique plein a pour but d’extraire l’ensemble des relations spa-

tiales qui peuvent exister entre les objets existants dans des scènes d’images multi-temporelles. Ainsi, nous avons encodé un ensemble de règles pour définir les relations spatiales dans le temps. Par exemple, la règle5.9permet de définir la relation spatio-temporelle inside entre deux objets de deux scènes. La règle5.10présente le code de la relation spatio-temporelle overlaps. L’extraction des informations spatio-temporelles facilitera ensuite le mécanisme de raisonnement du change- ment et par conséquent une meilleure interprétation des changements. La figure5.10illustre un extrait des relations spatio-temporelles entre des objets géographiques (ici, des zones urbaines) existants dans les deux scènes présentées dans les figures5.7et5.8. Cette figure montre que la zone urbaine « Urban_Zone_9_2000 » est intérieure à (inside) la zone urbaine « Urban_Zone_9_2017 » (ou inversement, « Urban_Zone_9_2017 » contains « Urban_Zone_9_2000 »). D’un autre côté, les zones urbaines « Urban_Zone_1_2000 » et « Urban_Zone_10_2000 » se chevauchent (overlaps) res- pectivement avec la zone « Urban_Zone_9_2017 ».

Chapitre 5. Expérimentation et évaluation de la méthodologie proposée