L’identification et de la représentation des phénomènes d’intérêt

La question du format de représentation des variables et de la, ou des, méthode(s) de classification, de la structure décisionnelle donc, est assez complexe. Nous savons qu’il y a plusieurs types de descripteurs que nous avons groupés ici en trois niveaux. Chaque niveau de description est plus complexe et coûteux à utiliser que celui qui le précède autant du point de vue de l’interprétation de ce qu’il représente que du point de vue du calcul. Il est donc préférable de privilégier l’utilisation de descripteurs et de modèles de classification simples qui ont un niveau de complexité qui soit aussi bas que possible, ce qui suit la ligne de pensée mise de l’avant par le principe du rasoir d’Ockham.

Nous posons comme premier principe que lorsque nous pouvons retirer des données à traiter des classes entières en utilisant certains descripteurs et classificateurs simples, ce qui restera pourra être traité avec des descripteurs et classificateurs plus simples que si nous essayons de traiter l’ensemble des échantillons d’un seul coup.

Un bosquet et un tas de gravats peuvent être très similaires du point de vue de leur texture respective, mais en retirant la végétation du problème, il n’y a plus de bosquet et conséquemment il se pourrait qu’il ne soit pas nécessaire de calculer de descripteurs de texture pour retrouver les gravats. Par contre, il faut enlever la végétation du problème en premier lieu pour que ceci soit valide.

En y pensant, nous voyons que la classification de ces images est une séquence de traitements qui permet de restreindre progressivement le champ des possibilités de contenu

sur ce qui est d’intérêt premier. Nous en venons donc à penser qu’une structure décisionnelle hiérarchique semble propice à nos fins. Mais, comme nous parlons d’une structure qui diffère d’une situation à l’autre et qui est fortement dépendante de ce que nous cherchons à identifier, ainsi que du type d’image auquel nous avons affaire, alors comment pourrions- nous utiliser ce type de représentation?

Chacun des paliers de représentation de ce modèle conceptuel a son code exclusif qui est utilisé pour l’annotation des résultats de classification par les photo-interprètes. Cette représentation est beaucoup plus proche de ce que nous utilisons pour nous représenter notre monde que ce que les variables brutes nous permettent de comprendre. Essentiellement, il s’agit des étiquettes conceptuelles dont nous avons parlé plus tôt.

Il faut retenir que le but ultime de tout ce que nous décrivons ici est de comparer le contenu conceptuel de deux ou de plusieurs images. Comme nous avons un grand nombre de types et de résolutions d’images avec lesquels nous pouvons prévoir devoir travailler, il est important que ce qui est utilisé pour ventiler le contenu des images soit identique, peu importe leurs types.

Comme nous l’avons mentionné plus tôt, il y a un certain nombre de chercheurs (Alberga et al., 2007a; 2008) (Wald, 1997) qui, à l’heure actuelle, se penchent sur la question de la mise en relation des variables utilisées pour représenter différents phénomènes dans des images de types différents. Cette avenue de recherche se concentre principalement sur le développement de passerelles de correspondance que nous pourrions aisément qualifier de dures. Elles permettraient donc d’arriver à modéliser la correspondance entre les variables ayant servi à la classification du contenu d’images de différents types. Par contre, il n’y a aucune garantie que ces travaux permettront de développer des techniques de mise en correspondance généralisables à d’autres types de combinaisons sans qu’un effort de modélisation considérable doive être déployé pour traiter chaque nouvelle combinaison d’images.

Ces travaux sont encourageants et laissent présager que cette approche de mise en correspondance peut être développée et mise en œuvre. Mais, étant donnée la contrainte d’urgence qui sous-tend les travaux de télédétection dans le contexte de la gestion de catastrophe, il semble plus prudent de travailler simultanément sur une méthode qui ne dépende pas d’équations et de modèles explicites de mise en correspondance qui doivent être prédéfinis pour que la comparaison du contenu des images puisse être réalisée rapidement.

C’est à cette fin que nous avons posé que le développement de techniques de mise en correspondance reposant sur les étiquettes conceptuelles est une voie prometteuse à explorer pour résoudre cette problématique difficile. Peu importe les types d’images qui seront utilisées, leur contenu sera invariablement décrit presque de la même manière par tous les intervenants qui auront à classifier leurs contenus. Une fois l’étiquetage réalisé, il ne restera qu’à consulter des données textes qui donneront les codes de référence, les noms ainsi que des données statistiques concernant les différentes classes d’occupation du territoire présentes dans une image donnée. L’analyse de données de ce type est une chose que nous savons faire depuis longtemps, il s’agit essentiellement de décomposition syntaxique, parsing ou syntactic analysis en anglais, et que nous pouvons mettre en œuvre assez aisément en fonction de différents contextes d’analyse.

La représentation hiérarchique de l’information proposée ici est très près de notre modèle de représentation des concepts et des connaissances et conséquemment est plus propice à faciliter la communication des concepts reliés à l’occupation du territoire. Nous pouvons dire qu’il s’agit presque d’une représentation ontologique de cette masse de connaissances.