La fusion d'informations consiste à résumer plusieurs informations provenant des différentes sources en une information exploitable et utile pour l'utilisateur. Le problème de la fusion est délicat surtout quand les informations délivrées sont incohérentes et hétérogènes. Les résultats de la fusion ne sont pas souvent exploitable et utilisables pour prendre une décision, quand ils sont imprécis. C'est généralement due au fait que les informations sont incohérentes. Plusieurs méthodes de fusion sont proposées pour combiner les informations imparfaites et elles appliquent l'opérateur de fusion sur l'ensemble de toutes les sources et considèrent le résultat tel qu'il est. Dans ce travail, nous proposons une méthode de fusion fondée sur l'Analyse Formelle de Concepts, en particulier son extension pour les données numériques : les structures de patrons. Cette méthode permet d'associer chaque sous-ensemble de sources avec son résultat de fusion. Toutefois l'opérateur de fusion est choisi, alors un treillis de concept est construit. Ce treillis fournit une classification intéressante des sources et leurs résultats de fusion. De plus, le treillis garde l'origine de l'information. Quand le résultat global de la fusion est imprécis, la méthode permet à l'utilisateur d'identifier les sous-ensemble maximaux de sources qui supportent une bonne décision. La méthode fournit une vue structurée de la fusion globale appliquée à l'ensemble de toutes les sources et des résultats partiels de la fusion marqués d'un sous-ensemble de sources. Dans ce travail, nous avons considéré les informations numériques représentées dans le cadre de la théorie des possibilités et nous avons utilisé trois sortes d'opérateurs pour construire le treillis de concepts. Une application dans le monde agricole, où la question de l'expert est d'estimer des valeurs des caractéristiques de pesticide provenant de plusieurs sources, pour calculer des indices environnementaux est détaillée pour évaluer la méthode de fusion proposée.

Le système de positionnement GPS (Global Positioning System) permet à tout utilisateur de déterminer sa position sur la Terre. Un récepteur calcule les temps de propagation que mettent des ondes électromagnétiques émises par une constellation de satellites pour lui parvenir. L'estimation de ce temps de propagation est obtenue grâce à un signal discriminant, construit à partir de la corrélation des codes du signal reçu avec les codes générés par le récepteur. Actuellement, ces ondes ne sont émises que sur une unique fréquence porteuse pour une utilisation civile. Avec l'évolution future du système GPS, ainsi que la mise en place du système européen Galileo, plusieurs fréquences et donc plusieurs mesures de discriminants seront disponibles. Le travail présenté dans cette thèse a pour objet l'étude et la mise en oeuvre de méthodes de fusion appliquées à la segmentation hors-ligne des discriminants de code. Pour cela, plusieurs approches de segmentations bayésiennes sont étudiées. Une première technique de fusion hybride permet de déterminer la présence d'une rupture de stationnarité dans une fenêtre d'observation et sur plusieurs signaux. La seconde méthode de fusion, hors-ligne et multi-ruptures, permet de déterminer les ruptures de linéarités de signaux grâce à la minimisation d'une fonction de contraste pénalisée. Ces méthodes sont ensuite appliquées à l'estimation de la distance entre un satellite et un récepteur, et évaluées sur signaux réels pour le calcul de la position d'un récepteur toutes les millisecondes.

Suite aux lancements successifs de satellites pour l'observation de la Terre dotés de capteur SAR (Synthetic Aperture Radar), la masse de données SAR disponible est considérable. Dans ce contexte, la fusion des mesures de déplacement issues de l'imagerie SAR est prometteuse à la fois dans la communauté de la télédétection et dans le domaine géophysique. Dans cette optique, cette thèse propose d'élargir les approches conventionnelles en combinant les techniques de traitement des images SAR, les méthodes de fusion d'informations et la connaissance géophysique. Dans un premier temps, cette thèse a pour objectif d'étudier plusieurs stratégies de fusion, l'inversion jointe, la pré-fusion et la post-fusion, afin de réduire l'incertitude associée d'une part à l'estimation du déplacement en 3 dimensions (3D) à la surface de la Terre, d'autre part à la modélisation physique qui décrit la source en profondeur du déplacement observé en surface. Nous évaluons les avantages et les inconvénients de chacune des stratégies en ce qui concerne la réduction de l'incertitude et la robustesse vis à vis du bruit. Dans un second temps, nous visons à prendre en compte les incertitudes épistémiques, en plus des incertitudes aléatoires, présentes dans les mesures et proposons les approches classiques et floues basées sur la théorie des probabilités et la théorie des possibilités pour modéliser ces incertitudes. Nous analysons et mettons en évidence l'efficacité de chaque approche dans le cadre de chaque stratégie de fusion. La première application consiste à estimer les champs du déplacement 3D à la surface de la Terre dus au séisme du Cachemire en octobre 2005 et à l'éruption du Piton de la Fournaise en janvier 2004 sur l'île de la Réunion. La deuxième application porte sur la modélisation de la rupture de la faille en profondeur liée au séisme du Cachemire. Les principales avancées sont évaluées d'un point de vue méthodologique en traitement de l'information et d'un point de vue géophysique. Au niveau méthodologique, afin de lever les principales difficultées rencontrées pour l'application de l'interférométrie différentielle à la mesure du déplacement induit par le séisme du Cachemire, une stratégie de multi-échelles basée sur l'information a priori en utilisant les fréquences locales de phase interférométrique est adoptée avec succès. En ce qui concerne la gestion de l'incertitude, les incertitudes aléatoires et épistémiques sont analysées et identifiées dans les mesures du déplacement. La théorie des probabilités et la théorie des possibilités sont utilisées afin de modéliser et de gérer les propagations des incertitudes au cours de la fusion. En outre, les comparaisons entre les distributions de possibilité enrichissent les comparaisons faites simplement entre les valeurs et indiquent la pertinence des distributions de possibilité dans le contexte étudié. Par ailleurs, la pré-fusion et la post-fusion, 2 stratégies de fusion différentes de la stratégie d'inversion jointe couramment utilisée, sont proposées afin de réduire autant que possible les incertitudes hétérogènes présentes en pratique dans les mesures et pour contourner les principales limitations de la stratégie d'inversion jointe. Les bons cadres d'application de chaque approche de la gestion de l'incertitude sont mis en évidence dans le contexte de ces stratégies de fusion. Au niveau géophysique, l'application de l'interférométrie différentielle à l'étude du séisme du Cachemire est réalisée pour la première fois et compléte les études antérieures basées sur les mesures issues de la corrélation des images SAR et optiques, les mesures télésismiques et les mesures de terrain. L'interférométrie différentielle apporte une information précise sur le déplacement en champ lointain par rapport à la position de la faille. Ceci permet d'une part de réduire les incertitudes associées aux mesures de déplacement en surface et aux paramètres du modèle, et d'autre part de détecter les déplacements post-sismiques qui existent potentiellement dans les mesures cosismiques qui couvrent la période de mouvement post-sismique. Par ailleurs, la prise en compte de l'incertitude épistémique et la proposition de l'approche floue pour gérer ce type d'incertitude, fournissent une vision différente de l'incertitude de mesure connue par la plupart des géophysiciens et complétent la connaissance de l'incertitude aléatoire et l'application de la théorie des probabilités dans ce domaine. En particulier, la gestion de l'incertitude par la théorie des possibilités permet de contourner le problème de sous-estimation d'incertitude par la théorie des probabilités. Enfin, la comparaison du déplacement mesuré par les images SAR avec le déplacement mesuré par les images optiques et le déplacement issu des mesures sur le terrain révèle toute la difficulté d'interpréter différentes sources de données plus ou moins compatibles entre elles. Les outils développés dans le cadre de cette thèse sont intégrés dans le package MDIFF (Methods of Displacement Information Fuzzy Fusion) dans l'ensemble des "EFIDIR Tools" distribués sous licence GPL.

Dans cette thèse nous montrons comment améliorer la perception d’un robot humanoïde NAO en utilisant la fusion multi-capteurs. Nous avons proposé deux scénarios: la détection de la couleur et la reconnaissance d’objets colorés. Dans ces deux situations, nous utilisons la caméra du robot et nous ajoutons des caméras externes pour augmenter la fiabilité de la détection car nous nous plaçons dans un contexte expérimental dans lequel l’environnement est non contrôlé. Pour la détection de la couleur, l’utilisateur demande au robot NAO de trouver un objet coloré. La couleur est décrite par des termes linguistiques tels que: rouge, jaune, .... Le principal problème à résoudre est la façon dont le robot reconnaît les couleurs. Pour ce faire, nous avons proposé un système Flou de Sugeno pour déterminer la couleur demandée. Pour simplifier, les cibles choisies sont des balles colorées. Nous avons appliqué la transformation de Hough pour extraire les valeurs moyennes des pixels des balles détectées. Ces valeurs sont utilisées comme entrées pour le système Flou. Les fonctions d'appartenance et les règles d'inférence du système sont construites sur la base de l'évaluation perceptive de l'humain. La sortie du système Flou est une valeur numérique indiquant le nom de la couleur. Une valeur de seuil est introduite pour définir la zone de décision pour chaque couleur. Si la sortie floue tombe dans cet intervalle, alors la couleur est considérée comme la vraie sortie du système. Nous sommes dans un environnement non contrôlé dans lequel il y a des incertitudes et des imprécisions (variation de la lumière, qualité des capteurs, similarité entre couleurs). Ces facteurs affectent la détection de la couleur par le robot. L’introduction du seuil qui encadre la couleur, conduit à un compromis entre l'incertitude et la fiabilité. Si cette valeur est faible, les décisions sont plus fiables, mais le nombre de cas incertains augmente, et vice et versa. Dans nos expérimentations, on a pris une valeur de seuil petite, de sorte que l'incertitude soit plus importante, et donc la prise de décision par un capteur unique, celui de NAO, soit faible. Nous proposons d'ajouter d’autres caméras 2D dans le système afin d’améliorer la prise de décision par le robot NAO. Cette prise de décision résulte de la fusion des sorties des caméras en utilisant la théorie des fonctions de croyance pour lever les ambiguïtés. La valeur de seuil est prise en compte lors de la construction des valeurs de masse à partir de la sortie Floue de Sugeno de chaque caméra. La règle de combinaison de Dempster-Shafer et le maximum de probabilité pignistique sont choisis dans la méthode. Selon nos expériences, le taux de détection du système de fusion est grandement amélioré par rapport au taux de détection de chaque caméra prise individuellement. Nous avons étendu cette méthode à la reconnaissance d’objets colorés en utilisant des caméras hétérogènes 2D et 3D. Pour chaque caméra, nous extrayons vecteurs de caractéristiques (descripteurs SURF et SHOT) des objets, riches en informations caractérisant les modèles d'objets. Sur la base de la correspondance avec des modèles formés et stockés dans la base d'apprentissage, chaque vecteur de caractéristiques de l'objet détecté vote pour une ou plusieurs classes appartenant à l'ensemble de puissance. Nous construisons une fonction de masse après une étape de normalisation. Dans cette expérimentation, la règle de combinaison de Dempster-Shafer et le maximum de probabilité pignistique sont utilisés pour prendre la décision finale. A la suite des trois expérimentations réalisées, le taux de reconnaissance du système de fusion est bien meilleur que le taux de décision issu de chaque caméra individuellement. Nous montrons ainsi que la fusion multi-capteurs permet d’améliorer la prise de décision du robot. / Being interested in the important role of robotics in human life, we do a research about the improvement in reliability of a humanoid robot NAO by using multi-sensor fusion. In this research, we propose two scenarios: the color detection and the object recognition. In these two cases, a camera of the robot is used in combination with external cameras to increase the reliability under non-ideal working conditions. For the color detection, the NAO robot is requested to find an object whose color is described in human terms such as: red, yellow, brown, etc. The main problem to be solved is how the robot recognizes the colors as well as the human perception does. To do that, we propose a Fuzzy Sugeno system to decide the color of a detected target. For simplicity, the chosen targets are colored balls, so that the Hough transformation is employed to extract the average pixel values of the detected ball, then these values are used as the inputs for the Fuzzy system. The membership functions and inference rules of the system are constructed based on perceptual evaluation of human. The output of the Fuzzy system is a numerical value indicating a color name. Additionally, a threshold value is introduced to define the zone of decision for each color. If the Fuzzy output falls into a color interval constructed by the threshold value, that color is considered to be the output of the system. This is considered to be a good solution in an ideal condition, but not in an environment with uncertainties and imprecisions such as light variation, or sensor quality, or even the similarity among colors. These factors really affect the detection of the robot. Moreover, the introduction of the threshold value also leads to a compromise between uncertainty and reliability. If this value is small, the decisions are more reliable, but the number of uncertain cases are increases, and vice versa. However, the threshold value is preferred to be small after an experimental validation, so the need for a solution of uncertainty becomes more important. To do that, we propose adding more 2D cameras into the detection system of the NAO robot. Each camera applies the same method as described above, but their decisions are fused by using the Dempster-Shafer theory in order to improve the detection rate. The threshold value is taken into account to construct mass values from the Sugeno Fuzzy output of each camera. The Dempster-Shafer's rule of combination and the maximum of pignistic probability are chosen in the method. According to our experimens, the detection rate of the fusion system is really better than the result of each individual camera. We extend this recognition process for colored object recognition. These objects are previously learned during the training phase. To challenge uncertainties and imprecisions, the chosen objects look similar in many points: geometrical form, surface, color, etc. In this scenario, the recognition system has two 2D cameras: one of NAO and one is an IP camera, then we add a 3D camera to take the advantages of depth information. For each camera, we extract feature points of the objects (SURF descriptor for 2D data, and the SHOT descriptor for 3D data). To combine the cameras in the recognition system, the Dempster-Shafer theory is again employed for the fusion. Based on the correspondence to trained models stored in the learning base, each feature point of the detected object votes for one or several classes i.e. a hypothesis in the power set. We construct a mass function after a normalization step. In this case, the Dempster-Shafer's rule of combination and the maximum of pignistic probability are employed to make the final decision. After doing three experiments, we conclude that the recognition rate of the fusion system is much better than the rate of each individual camera, from that we confirm the benefits of multi-sensor fusion for the robot's reliability.

Suite aux lancements successifs de satellites pour l'observation de la Terre dotés de capteur SAR (Synthetic Aperture Radar), la masse de données SAR disponible est considérable. Dans ce contexte, la fusion des mesures de déplacement issues de l'imagerie SAR est prometteuse à la fois dans la communauté de la télédétection et dans le domaine géophysique. Dans cette optique, cette thèse propose d'élargir les approches conventionnelles en combinant les techniques de traitement des images SAR, les méthodes de fusion d'informations et la connaissance géophysique. Dans un premier temps, cette thèse a pour objectif d'étudier plusieurs stratégies de fusion, l'inversion jointe, la pré-fusion et la post-fusion, afin de réduire l'incertitude associée d'une part à l'estimation du déplacement en 3 dimensions (3D) à la surface de la Terre, d'autre part à la modélisation physique qui décrit la source en profondeur du déplacement observé en surface. Nous évaluons les avantages et les inconvénients de chacune des stratégies en ce qui concerne la réduction de l'incertitude et la robustesse vis à vis du bruit. Dans un second temps, nous visons à prendre en compte les incertitudes épistémiques, en plus des incertitudes aléatoires, présentes dans les mesures et proposons les approches classiques et floues basées sur la théorie des probabilités et la théorie des possibilités pour modéliser ces incertitudes. Nous analysons et mettons en évidence l'efficacité de chaque approche dans le cadre de chaque stratégie de fusion. La première application consiste à estimer les champs du déplacement 3D à la surface de la Terre dus au séisme du Cachemire en octobre 2005 et à l'éruption du Piton de la Fournaise en janvier 2004 sur l'île de la Réunion. La deuxième application porte sur la modélisation de la rupture de la faille en profondeur liée au séisme du Cachemire. Les principales avancées sont évaluées d'un point de vue méthodologique en traitement de l'information et d'un point de vue géophysique. Au niveau méthodologique, afin de lever les principales difficultées rencontrées pour l'application de l'interférométrie différentielle à la mesure du déplacement induit par le séisme du Cachemire, une stratégie de multi-échelles basée sur l'information a priori en utilisant les fréquences locales de phase interférométrique est adoptée avec succès. En ce qui concerne la gestion de l'incertitude, les incertitudes aléatoires et épistémiques sont analysées et identifiées dans les mesures du déplacement. La théorie des probabilités et la théorie des possibilités sont utilisées afin de modéliser et de gérer les propagations des incertitudes au cours de la fusion. En outre, les comparaisons entre les distributions de possibilité enrichissent les comparaisons faites simplement entre les valeurs et indiquent la pertinence des distributions de possibilité dans le contexte étudié. Par ailleurs, la pré-fusion et la post-fusion, 2 stratégies de fusion différentes de la stratégie d'inversion jointe couramment utilisée, sont proposées afin de réduire autant que possible les incertitudes hétérogènes présentes en pratique dans les mesures et pour contourner les principales limitations de la stratégie d'inversion jointe. Les bons cadres d'application de chaque approche de la gestion de l'incertitude sont mis en évidence dans le contexte de ces stratégies de fusion. Au niveau géophysique, l'application de l'interférométrie différentielle à l'étude du séisme du Cachemire est réalisée pour la première fois et compléte les études antérieures basées sur les mesures issues de la corrélation des images SAR et optiques, les mesures télésismiques et les mesures de terrain. L'interférométrie différentielle apporte une information précise sur le déplacement en champ lointain par rapport à la position de la faille. Ceci permet d'une part de réduire les incertitudes associées aux mesures de déplacement en surface et aux paramètres du modèle, et d'autre part de détecter les déplacements post-sismiques qui existent potentiellement dans les mesures cosismiques qui couvrent la période de mouvement post-sismique. Par ailleurs, la prise en compte de l'incertitude épistémique et la proposition de l'approche floue pour gérer ce type d'incertitude, fournissent une vision différente de l'incertitude de mesure connue par la plupart des géophysiciens et complétent la connaissance de l'incertitude aléatoire et l'application de la théorie des probabilités dans ce domaine. En particulier, la gestion de l'incertitude par la théorie des possibilités permet de contourner le problème de sous-estimation d'incertitude par la théorie des probabilités. Enfin, la comparaison du déplacement mesuré par les images SAR avec le déplacement mesuré par les images optiques et le déplacement issu des mesures sur le terrain révèle toute la difficulté d'interpréter différentes sources de données plus ou moins compatibles entre elles. Les outils développés dans le cadre de cette thèse sont intégrés dans le package MDIFF (Methods of Displacement Information Fuzzy Fusion) dans l'ensemble des "EFIDIR Tools" distribués sous licence GPL. / Following the successive launches of satellites for Earth observation with SAR (Synthetic Aperture Radar) sensor, the volume of available radar data is increasing considerably. In this context, fusion of displacement measurements from SAR imagery is promising both in the community of remote sensing and in geophysics. With this in mind, this Ph.D thesis proposes to extend conventional approaches by combining SAR image processing techniques, information fusion methods and the knowledge on geophysics. First, this Ph.D thesis aims to explore several fusion strategies, joint inversion, pre-fusion and post-fusion, to reduce the uncertainty associated on the one hand to the estimation of the 3-dimensional (3D) displacement at the Earth's surface, on the other hand to physical modeling that describes the source in depth of the displacement observed at the Earth's surface. We evaluate advantages and disadvantages of each fusion strategy in terms of reducing uncertainty and of robustness against noise. Second, we aim to take account of epistemic uncertainty, in addition to the random uncertainty present in the measurements and propose the conventional and fuzzy approaches based on probability theory and possibility theory respectively to model these uncertainties. We analyze and highlight the efficiency of each approach in context of each fusion strategy. The first application consists of estimating the 3D displacement fields at the Earth's surface due to the Kashmir earthquake in October 2005 and the eruption of Piton de la Fournaise in January 2004 on Reunion Island. The second application involves the modeling of the fault rupture in depth related to the Kashmir earthquake. The main achievements and contributions are evaluated from a methodological point of view in information processing and from a geophysical point of view. In the methodological view, in order to address the major difficulties encountered in the application of differential interferometry for measuring the displacement induced by the Kashmir earthquake, a multi-scale strategy based on prior information issued from a deformation model using local frequencies of interferometric phase is adopted successfully. Regarding the measurement uncertainty management, both random and epistemic uncertainties are analyzed and identified in the displacement measurements. The conventional approach and a fuzzy approach based on respectively probability theory and possibility theory are proposed to model uncertainties and manage the uncertainty propagation in the fusion system. In addition, comparisons between possibility distributions enrich the comparisons made simply between displacement values ​​and indicate the relevance of possibility distributions in the considered context. Furthermore, pre-fusion and post-fusion, two fusion strategies different from the commonly used fusion strategy of joint inversion, are proposed to reduce heterogeous uncertainties present in practice in the measurements and to get around the main limitations of joint inversion. Appropriated conditions of the application of each uncertainty management approach are highlighted in the context of these fusion strategies. In the geophysical view, the application of differential interferometry to the Kashmir earthquake is performed successfully for the first time and it completes previous studies based on measurements from the correlation of SAR and optical images, teleseismic measurements and in situ field measurements. Differential interferometry provides accurate displacement information in the far field relative to the fault position. This allows on the one hand reducing uncertainties associated with surface displacement measurements and with model parameters, on the other hand detecting post-seismic movements that exist potentially in the used coseismic measurements covering the post-seismic period. Moreover, taking into consideration of epistemic uncertainty and the proposition of a fuzzy approach for its management, provide a different view of the measurement uncertainty known by most geophysicists and complete the knowledge of the random uncertainty and the application of probability theory in this domain. In particular, the management of uncertainty by possibility theory allows overcoming the problem of under-estimation of uncertainty by probability theory. Finally, comparisons of the displacement measured by SAR images with the displacement measured by optical images and the displacement from in situ field measurements reveal the difficulty to interpret different data sources more or less compatible among them. The tools developed during this Ph.D thesis are included in the MDIFF (Methods of Displacement Information Fuzzy Fusion) package in "EFIDIR Tools" distributed under the GPL lisence.

Le nouveau signal GPS L2C contient sur une même porteuse une voie pilote et une voie de données. Il est proposé dans cette thèse des opérateurs de fusion non-linéaire, pour estimer les décalages du code et les informations de retard de phase obtenus sur ces deux voies. De plus nous proposons une nouvelle architecture de poursuite basée sur des boucles ouvertes intégrant des estimateurs et détecteurs de ruptures conjoints. En effet, l'évolution du discriminant obtenu par une boucle de poursuite du code ouverte, est linéaire par morceaux. Nous proposons dans ce cas un estimateur de ruptures intégrant un nouvel opérateur de fusion non-linéaire qui utilise une information a priori sur le paramètre à estimer. Cette information a priori permet de diminuer la corrélation entre les différentes observations et ainsi de diminuer l'erreur quadratique moyenne des mesures fusionnées. La boucle de poursuite ouverte du retard de phase, fournit une mesure angulaire du déphasage du signal GPS reçu. Dans ce contexte nous avons étendu les techniques de fusion et de filtrage d'état Bayésien de la statistique linéaire à l'analyse des données circulaires pour l'estimation du déphasage. Nous proposons un nouvel opérateur de fusion angulaire, un filtre récursif circulaire et un estimateur de rupture de moyennes dans un processus circulaire stationnaire par morceaux. Les algorithmes proposés permettent de réaliser une intégration longue des valeurs cohérentes du discriminant et d'améliorer ainsi la localisation à la milliseconde d'un récepteur mobile.

La fusion d'informations est une discipline dont on retrouve des applications dès lors qu'il est nécessaire de regrouper des informations potentiellement imprécises ou incertaines. Initialement réalisée de façon mentale, la fusion d'informations nécessite à présent une mise en œuvre sur un support d'exécution informatisé, dénommé système de fusion, dont les évolutions technologiques ont guidée la répartition des ressources selon des contraintes géographiques, physiques et de sécurité. Cette thèse présente une étude du contrôle des systèmes répartis de fusion d'informations. Elle propose notamment un système de contrôle capable d'adapter l'utilisation des ressources disponibles au processus de fusion (PF) mis en œuvre, assez générique pour permettre l'expression des modèles de fusion basés sur des graphes de flot de données. Cinq tâches de contrôle sont dédiées à l'accomplissement d'un sous-objectif: la recherche d'une répartition des éléments du PF, le déploiement effectif d'un PF sur un ensemble variable de ressources réparties, l'analyse des performances du système, la surveillance du système pour détecter l'ajout de ressources,ou les occurrences d'erreurs et le déclanchement d'une modification de la répartition, soit pour en améliorer les performances, soit pour maintenir l'exécution du processus. L'ensemble du système de contrôle tire profit des ressources réparties par un mécanisme bio-inspiré, dans lequel la place de chaque agent est guidée par sa puissance de calcul. A titre expérimental, un système de fusion d'informations nommé eZFusion, implémentant les tâches de déploiement et d'analyse des performances, a été réalisé sur un réseau de plate-formes OSGI.

L'indexation des images est une étape indispensable pour valoriser un fond d'archive professionnel ou des collections d'images personnelles. Le "documentaliste" se doit de décrire précisément chaque document collecté dans la perspective de le retrouver. La difficulté est alors d'interpréter les contenus visuels et de les associer entre eux afin de couvrir différentes catégories qui peuvent être souvent très subjectives. Dans ce travail, nous nous inspirons du principe de l'apprentissage actif pour aider un utilisateur dans cette tâche de structuration de collections d'images. A partir de l'analyse des contenus visuels des images, différentes stratégies de sélection active sont développées afin d'aider un utilisateur à identifier et cerner des catégories pertinentes selon son point de vue. Nous proposons d'exprimer ce problème de classification d'images avec apprentissage actif dans le cadre du Modèle des Croyances Transférables (MCT). Ce formalisme facilite la combinaison, la révision et la représentation des connaissances que l'on peut extraire des images et des classes existantes à un moment donné. La méthode proposée dans ce cadre permet ainsi une représentation détaillée de la connaissance, notamment en représentant explicitement les cas d'appartenances à aucune ou à de multiples catégories, tout en quantifiant l'incertitude (liée entre autre au fossé sémantique) et le conflit entrainé par l'analyse des images selon différentes modalités (couleurs, orientations). Une interface homme-machine a été développée afin de valider notre approche sur des jeux de tests de référence, des collections d'images personnelles et des photographies professionnelles issues de l'Institut National de l'Audiovisuel. Une évaluation a été conduite auprès d'utilisateurs professionnels et a montré des résultats très positifs en termes d'utilité, d'utilisabilité et de satisfaction.

Le travail présenté dans ce mémoire de thèse concerne l'étude et la mise en oeuvre de méthodes de fusion d'informations pour la localisation 3D d'un véhicule terrestre en environnement urbain dense. L'approche étudiée est la fusion des mesures fournies par le système de navigation absolue GPS multi-porteuses et les capteurs de navigation estimes odomètre et gyromètre. Ces mesures sont hybridées à l'aide de filtres récursifs pour l'estimation de la position. On réalise l'étude de l'estimateur de position en deux étapes. La première étape concerne l'étude et la mise en oeuvre d'un estimateur pour la fusion des observables de code et de phase du GPS multi-porteuses. L'expérimentation sur données synthétiques et réelles montre que le système proposé permet d'augmenter la précision des mesures lorsque la puissance du bruit sur chaque porteuse est du même ordre de grandeur. La deuxième étape concerne le système d'hybridation serrée qui fournit une estimation de la direction du véhicule et des pseudo-distances satellite-récepteur, même en absence de mesures GPS. Dans ce cadre, nous proposons un filtre circulaire récursif qui permet d'estimer la direction du véhicule. Le filtre d'hybridation réalise la fusion centralisée des mesures de pseudo-distances corrigées et la fusion distribuée des observables de phase avec les mesures gyrométriques et odométriques. L'expérimentation réalisée dans un contexte synthétique et réel montre que le système proposé est au moins aussi précis que le système d'hybridation lâche habituellement utilisé en pratique.

Les systèmes de fusion d’informations permettent de combiner des données issues de différentes sources d’informations tout en tenant compte de leur qualité. La combinaison de données issues de sources hétérogènes permet de profiter de la complémentarité des données et donc d’avoir potentiellement des performances plus élevées que celles obtenues en utilisant une seule source d’informations. L’utilisation de ces systèmes s’avère intéressante dans le cadre de la reconnaissance d’espèces d’arbres à travers la fusion d’informations issues de deux modalités : les feuilles et les écorces.Une seule modalité représente éventuellement différentes sources d’informations décrivant chacune une des caractéristiques les plus pertinentes. Ceci permet de reproduire la stratégie adoptée par les botanistes qui se basent sur ces même critères lors de la reconnaissance. L’adoption de cette stratégie entre dans la mise en valeur de l’aspect éducatif. Dans ce cadre, un système de fusion est envisageable afin de combiner les données issues d’une même modalité ainsi que les différentes modalités disponibles. Dans le contexte de la reconnaissance d’espèces d’arbres, il s’agit d’un problème réel où les photos des feuilles et des écorces sont prises en milieu naturel. Le traitement de ce type de données est compliqué vue leurs spécificités dues d’une part à la nature des objets à reconnaître (âge, similarité inter-espèces et variabilité intra-espèce) et d’autre part à l’environnement.Des erreurs peuvent s’accumuler tout au long du processus précédant la fusion. L’intérêt de la fusion est de prendre en compte toutes les imperfections pouvant entacher les données disponibles et essayer de bien les modéliser. La fusion est d’autant plus efficace que les données sont bien modélisées. La théorie des fonctions de croyance représente l’un des cadres théoriques les plus aptes à gérer et représenter l’incertitude, l’imprécision, le conflit, etc. Cette théorie tire son importance de sa richesse en termes d’outils permettant de gérer les différentes sources d’imperfections ainsi que les spécificités des données disponibles. Dans le cadre de cette théorie, il est possible de modéliser les données à travers la construction de fonctions de masse. Il est également possible de gérer la complexité calculatoire grâce aux approximations permettant de réduire le nombre d’éléments focaux. Le conflit étant l’une des sources d’imperfections les plus présentes, peut être traité à travers la sélection de la règle de combinaison la mieux adaptée.En fusionnant des sources d’informations ayant des degrés de fiabilité différents, il est possible que la source la moins fiable affecte les données issues de la source la plus fiable. Une des solutions pour ce problème est de chercher à améliorer les performances de la source la moins fiable. Ainsi, en la fusionnant avec d’autres sources, elle apportera des informations utiles et contribuera à son tour à l’amélioration des performances du système de fusion. L’amélioration des performances d’une source d’informations peut s’effectuer à travers la correction des fonctions de masse. Dans ce cadre, la correction peut se faire en se basant sur des mesures de la pertinence ou de la sincérité de la source étudiée. Les matrices de confusion présentent une source de données à partir desquelles des méta-connaissances caractérisant l’état d’une source peuvent être extraites.Dans ce manuscrit, le système de fusion proposé est un système de fusion hiérarchique mis en place dans le cadre de la théorie des fonctions de croyance. Il permet de fusionner les données issues des feuilles et des écorces et propose à l’utilisateur une liste des espèces les plus probables tout en respectant l’objectif éducatif de l’application. La complexité calculatoire de ce système de fusion est assez réduite permettant, à long termes, d’implémenter l’application sur un Smart-phone. / Information fusion systems allow the combination of data issued from different sources of information while considering their quality. Combining data from heterogeneous sources makes it possible to take advantage of the complementarity of the data and thus potentially have higher performances than those obtained when using a single source of information.The use of these systems is interesting in the context of tree species recognition through the fusion of information issued from two modalities : leaves and barks. A single modality may represent different sources of information, each describing one of its most relevant characteristics. This makes it possible to reproduce the strategy adopted by botanists who base themselves on these same criteria. The adoption of this strategy is part of the enhancement of the educational aspect. In this context, a merger system is conceivable in order to combine the data issued from one modality as well as the data issued from different modalities. In the context of tree species recognition, we treat a real problem since the photos of leaves and bark are taken in the natural environment. The processing of this type of data is complicated because of their specificities due firstly to the nature of the objects to be recognized (age, inter-species similarity and intra-species variability) and secondly to the environment.Errors can be accumulated during the pre-fusion process. The merit of the fusion is to take into account all the imperfections that can taint the available data and try to model them well. The fusion is more effective if the data is well modeled. The theory of belief functions represents one of the best theoretical frameworks able to manage and represent uncertainty, inaccuracy, conflict, etc. This theory is important because of its wealth of tools to manage the various sources of imperfections as well as the specificities of the available data. In the framework of this theory, it is possible to model the data through the construction of mass functions. It is also possible to manage the computational complexity thanks to the approximations allowing to reduce the number of focal elements. Conflict being one of the most present sources of imperfections, can be dealt through the selection of the best combination rule.By merging sources of information with different degrees of reliability, it is possible that the least reliable source affects the data issued from the most reliable one. One of the solutions for this problem is to try to improve the performances of the least reliable source. Thus, by merging with other sources, it will provide useful information and will in turn contribute in improving the performance of the fusion system.The performance improvement of an information source can be effected through the correction of mass functions. In this context, the correction can be made based on measures of the relevance or sincerity of the studied source. The confusion matrices present a data source from which meta-knowledge characterizing the state of a source can be extracted. In this manuscript, the proposed fusion system is a hierarchical fusion system set up within the framework of belief function theory. It allows to merge data from leaves and barks and provides the user with a list of the most likely species while respecting the educational purpose of the application. The computational complexity of this fusion system is quite small allowing, in the long term, to implement the application on a Smart-phone.