L’imperfection est inh´erente au processus d’ECBD en imagerie satellitale. En effet, elle trouve ses origines d`es l’acquisition des donn´ees jusqu’`a la fouille et l’interpr´etation des r´esultats. Ces imperfections peuvent ˆetre dˆues aux ph´enom`enes observ´es, aux limites des capteurs et instruments de mesure qui sont techniquement limit´es dans le niveau de pr´ecision, aux algorithmes de reconstruction et de traitement, au bruit, aux erreurs de mesure par la machine ou de relev´e par l’homme, au mode de repr´esentation ou aux connaissances et concepts manipul´es.
2.2.1 Types d’imperfections
Les imperfections accompagnant le processus d’ECBD en imagerie satellitale sont de plusieurs types [24] :
– Les incertitudes : sont des imperfections qui proviennent des doutes qui peuvent avoir lieu sur la validit´e des connaissances. L’incertitude est relative `a la v´erit´e d’une information, et caract´erise son degr´e de conformit´e `a la r´ealit´e. Citons l’exemple d’une parcelle contenant du bl´e, il y a une pr´esomption que cette par- celle sera occup´ee par du ma¨ıs apr`es deux ans.
– Les impr´ecisions : sont des imperfections qui correspondent `a des diffi- cult´es dans l’´enonc´e des connaissances. Ceci est caus´e par des caract´eristiques num´eriques qui sont mal connues ou par des termes du langage naturel qui sont utilis´es pour qualifier des caract´eristiques de fa¸con vague. La premi`ere cause est la cons´equence d’une insuffisance d’instruments d’observation ou d’erreurs de me- sure. La deuxi`eme cause est dˆue `a l’expression spontan´ee de connaissances ou `a l’utilisation de cat´egories aux limites mal d´efinies. Plusieurs exemples peuvent
ˆetre cit´es pour le qualificatif ”impr´ecis” :
– La zone v´eg´etation mesure entre 30,9 et 31 hectares. La notion d’impr´ecision ici est induite par l’utilisation du terme flou ”appartient `a [30.9 ; 31]”.
– Le pourcentage des zones qui subissent une ´erosion au sud Tunisien est de l’ordre de 7% par an. La notion d’impr´ecision est d´eduite par le terme ”de l’ordre de”.
– Les incompl´etudes : sont des imperfections qui correspondent `a des connais- sances absentes ou partielles sur certaines caract´eristiques. Elles peuvent ˆetre dˆues `
a l’impossibilit´e d’obtenir certains renseignements ou `a un probl`eme au moment de la capture de la connaissance. Les incompl´etudes peuvent aussi ˆetre associ´ees `
a des exceptions que nous ne pouvons pas pr´evoir. Par exemple, le bl´e est nette- ment reconnu en juillet, mais au mois d’avril, comme il n’a pas encore pouss´e, il est identifi´e en tant que sol nu.
– Les ambigu¨ıt´es : sont des imperfections qui expriment la possibilit´e d’avoir des informations poss´edant deux interpr´etations ou plus. Elles peuvent provenir des imperfections pr´ec´edentes telles que l’impr´ecision d’une mesure provoquant la difficult´e de diff´erencier deux ou plusieurs connaissances ou l’incompl´etude induisant `a des confusions d’interpr´etations des donn´ees.
– Les conflits : sont des imperfections qui conduisent souvent `a des interpr´etations contradictoires et incompatibles. La d´etection des conflits est une tˆache complexe et sa r´esolution peut prendre diff´erentes formes telles que l’´elimination de sources non fiables et/ou la prise en compte d’informations suppl´ementaires.
Ces types d’imperfections peuvent ˆetre pr´esents d’une mani`ere associ´ee. Par exemple, l’´evolution de la zone aride sera probablement assez importante cette ann´ee. Ici, nous avons une incertitude provenant de l’utilisation de ”probablement” et une impr´ecision provenant de l’utilisation des termes ”assez” et ”important”.
Dans la litt´erature, deux positions peuvent ˆetre adopt´ees pour traiter les informations imparfaites [20] :
– La premi`ere position consiste `a ´eliminer autant que possible les imperfections. Cela exige par exemple l’am´elioration des capteurs et la multiplication des acqui- sitions.
– La deuxi`eme position consiste `a raisonner sur les images avec les imperfections. Cela exige que nous consid´erons les imperfections comme des connaissances. Pour ce faire, il faut mod´eliser ces imperfections et utiliser des techniques comme les m´eta-connaissances pour pouvoir raisonner sur ces imperfections.
2.2.2 Imperfections associ´ees `a l’extraction de connaissances spatio- temporelles `a partir des bases de donn´ees d’images satellitales
Les donn´ees spatiales provenant d’images satellitales, de syst`emes d’informations g´eographiques, de contrˆoles de terrain, etc. sont rarement exactes [78]. Les imperfec- tions accompagnant ces donn´ees doivent ˆetre prises en consid´eration afin de pouvoir fournir des d´ecisions pertinentes.
Imperfections en imagerie satellitale
Le processus d’ECBD, comme tout processus d’aide `a la d´ecision, est g´en´eralement en- tach´e par plusieurs types d’imperfections [65], [67]. Ces imperfections se trouvent depuis l’acquisition des donn´ees jusqu’`a l’extraction et l’interpr´etation des connaissances. Dans le contexte de t´el´ed´etection, les donn´ees manipul´ees sont des images satellitales. Ceci exige l’int´egration d’une autre chaˆıne de pr´etraitement qui permet de rendre les donn´ees satellitales exploitables par le processus d’ECBD. Certes cette chaˆıne de pr´etraitement non seulement complexifie le processus d’ECBD, mais aussi int`egre d’autres types d’im- perfection. Les imperfections accompagnant le processus d’ECBD en imagerie satellitale peuvent ˆetre divis´ees en trois grandes familles. Nous distinguons des imperfections li´ees aux donn´ees, li´ees aux mod`eles et enfin li´ees aux r´esultats. Ces types d’imperfections sont illustr´es par la Figure 2.1.
Figure 2.1 — Types d’imperfections accompagnant le processus d’ECBD en imagerie sa- tellitale.
2.2.2.1 Imperfections li´ees aux donn´ees
La premi`ere ´etape du processus d’ECBD est la pr´eparation de donn´ees. Cette ´etape renferme la s´election, l’int´egration et le nettoyage, la transformation et la r´eduction des donn´ees. Le rˆole de cette ´etape est essentiel et ceci est dˆu au fait que cette derni`ere garantit la fiabilit´e et la validit´e des donn´ees utilis´ees tout au long du processus d’ECBD. Les donn´ees manipul´ees en ECBD d’images satellitales sont des images satellitales multi-dates. Comme exemples d’imperfections li´ees `a ces donn´ees, nous citons :
– Les descriptions g´eom´etrique, radiom´etrique et spatiale d’un objet sont rare- ment exactes ; elles sont g´en´eralement impr´ecises [125]. De plus, des incertitudes peuvent apparaˆıtre principalement au niveau des donn´ees spatiales par exemple au niveau de la localisation g´eographique et au niveau de la d´etermination des caract´eristiques spatiales.
– La dynamique des objets dans une sc`ene comporte plusieurs imperfections dˆues `
a la superposition des images et `a la difficult´e de d´eterminer les caract´eristiques spatiales des objets dans un contexte dynamique.
– Les pixels appartenant `a une zone peuvent apparaˆıtre localement dans une autre zone. Ceci peut entraˆıner des erreurs de positionnement des limites et des
d´ebordements de zones `a la fronti`ere d’autres zones.
Dans litt´erature, plusieurs travaux ont ´et´e ´elabor´es proposant des solutions pour r´eduire l’importance des imperfections li´ees aux donn´ees. L’une des solutions consiste `a analyser que les donn´ees les plus fiables et ceci dans l’objectif de minimiser la propagation des erreurs. Ceci est r´ealis´e en proc´edant par une pond´eration de chaque donn´ee en entr´ee en fonction de sa fiabilit´e mesur´ee au pr´ealable par des mod`eles statistiques [20].
2.2.2.2 Imperfections li´ees aux mod`eles
Les mod`eles peuvent ˆetre soit les m´ethodes de traitement et d’analyses des images soit les m´ethodes de fouille de donn´ees.
Nous distinguons pour ces deux cat´egories de mod`eles deux types d’imperfections. Le premier type d’imperfections est li´e aux mod`eles de pr´eparation des donn´ees. En effet, les donn´ees dans notre contexte sont des images et afin de pouvoir appliquer l’extrac- tion de connaissances `a partir de ces images il faut les transformer en informations exploitables. Ceci implique le passage par des op´erations de pr´eparation qui sont : les pr´etraitements, la segmentation, le calcul des caract´eristiques et des relations entre objets, etc. Le deuxi`eme type d’imperfections est li´e aux mod`eles utilis´es lors de la fouille de donn´ees. En effet, les m´ethodes de fouille comme les arbres de d´ecision et les r´eseaux de neurones doivent inclure la mod´elisation des imperfections dans leur processus de raisonnement.
2.2.2.3 Imperfections li´ees aux r´esultats
Le dernier type d’imperfections est li´e aux r´esultats. La mesure des ces imperfec- tions d´epend des donn´ees en entr´ee et du mod`ele utilis´e. Ces imperfections proviennent des imperfections se propageant des donn´ees et des mod`eles, et de l’interpr´etation de r´esultats. En effet, le processus d’ECBD g´en`ere g´en´eralement un ensemble important de connaissances. L’interpr´etation manuelle de ces connaissances s’av`ere alors une tˆache difficile et l’interpr´etation automatique une tˆache complexe.
La construction des m´ethodes semi-automatiques d’interpr´etation constitue une solu- tion pour minimiser les imperfections des r´esultats. Ces m´ethodes permettent d’aider les utilisateurs pour analyser le volume important de connaissances induites par les m´ethodes d’ECBD.