L'interaction Homme-Robot est un domaine de recherche qui se développe de manière expo-nentielle durant ces dernières années, ceci nous procure de nouveaux défis au raisonnement géométrique du robot et au partage d'espace. Le robot pour accomplir une tâche, doit non seulement raisonner sur ses propres capacités, mais également prendre en considération la perception humaine, c'est à dire "Le robot doit se placer du point de vue de l'humain". Chez l'homme, la capacité de prise de perspective visuelle commence à se manifester à partir du 24ème mois. Cette capacité est utilisée pour déterminer si une autre personne peut voir un objet ou pas. La mise en place de ce genre de capacités sociales améliorera les capacités cognitives du robot et aidera le robot pour une meilleure interaction avec les hommes. Dans ce travail, nous présentons un mécanisme de raisonnement spatial de point de vue géométrique qui utilise des concepts psychologiques de la "prise de perspective" et "de la rotation mentale" dans deux cadres généraux: - La planification de mouvement pour l'interaction homme-robot: le robot utilise "la prise de perspective égocentrique" pour évaluer plusieurs configurations où le robot peut effectuer differentes tâches d'interaction. - Une interaction face à face entre l'homme et le robot : le robot emploie la prise de point de vue de l'humain comme un outil géométrique pour comprendre l'attention et l'intention humaine afin d'effectuer des tâches coopératives.

L'extraction d'éléments curvilignes d'images de télédétection, surtout proches de la limite de résolution ou lorsqu'elles sont bruitées, représente toujours un défi important pour les algorithmes informatiques, alors que pour les interprètes humains c'est une tâche immédiate. Dans ce travail une méthode novatrice est présentée pour guider l'extraction d'éléments curvilignes (routes, cours d'eau, etc) d'images de télédétection. Cette méthode a pour but de mettre à jour les systèmes d'informations géographiques (SIG) grâce à un modèle inédit (ELECA) qui comporte trois parties. Le modèle ELECA tire avantage de deux idées principales. Les données utilisées ne sont pas seulement les images de télédétection mais également les données des SIG qui ne sont pas nécessairement à jour. Le modèle s'appuie également sur des progrès récents des sciences psycho-cognitives en imitant partiellement le mouvement des yeux durant une recherche visuelle.<br /><br />Ainsi les trois parties du modèle ELECA sont (1) une méthode de recherche de l'information locale qui utilise un œil virtuel pour ne se focaliser qu'aux lieux d'information probable, évitant ainsi un traitement global de l'image ; (2) une méthode simple et rapide d'extraction de l'information locale par une adaptation astucieuse d'une analyse en composantes connexes ; et (3) une méthode originale de fusion des informations locales qui s'appuie sur des travaux de reconstruction de l'espace global par raisonnement spatial qualitatif.<br /><br />Le modèle ELECA évite de cette manière certains pièges dans lesquels tombent souvent les méthodes courantes/classiques. En particulier, la technique proposée peut être mise en œuvre pour des images partiellement masquées ou de basse résolution pour lesquelles seulement des interprètes humains peuvent traiter l'image présentement. La méthode a été aussi élaborée pour être rapide et efficace afin de pouvoir réaliser des mises à jour de SIG très rapides lorsque nécessaire.<br /><br />La dernière partie de ce travail est consacrée à l'élaboration d'une solution informatique supportant le modèle ELECA. Une architecture logicielle souple et adaptative est mise en avant, permettant l'intégration de développements ultérieurs pour le modèle. Enfin un volet algorithmique montre concrètement que les solutions du modèle ELECA sont implantables en termes informatiques.

La question des liens entre forme urbaine et transport se trouve depuis une vingtaine d'années au cœur des réflexions sur la mise en place de politiques d'aménagement durable. L'essor de la diffusion de données sur grille régulière constitue dans ce cadre une nouvelle perspective pour la modélisation de structures urbaines à partir de mesures de densités affranchies de toutes les contraintes des maillages administratifs. A partir de données de densité de population et de surface bâtie disponibles à l'échelle de la France sur des grilles à mailles de 200 mètres de côté, nous proposons deux types de classifications adaptées à l'étude des pratiques de déplacement et du développement urbain : des classifications des tissus urbains et des classifications des morphotypes de développement urbain. La construction de telles images classées se base sur une démarche de modélisation théorique et expérimentale soulevant de forts enjeux méthodologiques quant à la classification d'espaces urbains statistiquement variés. Pour nous adapter au traitement exhaustif de ces espaces, nous avons proposé une méthode de classification des tissus urbains par transfert d'apprentissage supervisé. Cette méthode utilise le formalisme des champs de Markov cachés pour prendre en compte les dépendances présentes dans ces données spatialisées. Les classifications en morphotypes sont ensuite obtenus par un enrichissement de ces premières images classées, formalisé à partir de modèles chorématiques et mis à œuvre par raisonnement spatial qualitatif. L'analyse de ces images classées par des méthodes de raisonnement spatial quantitatif et d'analyses factorielles nous a permis de révéler la diversité morphologique de 50 aires urbaines françaises. Elle nous a permis de mettre en avant la pertinence de ces classifications pour caractériser les espaces urbains en accord avec différents enjeux d'aménagement relatifs à la densité ou à la multipolarité / Since a couple of decades the relationships between urban form and travel patterns are central to reflection on sustainable urban planning and transport policy. The increasing distribution of regular grid data is in this context a new perspective for modeling urban structures from measurements of density freed from the constraints of administrative division. Population density data are now available on 200 meters grids covering France. We complete these data with built area densities in order to propose two types of classified images adapted to the study of travel patterns and urban development: classifications of urban fabrics and classifications of morphotypes of urban development. The construction of such classified images is based on theoretical and experimental which raise methodological issues regarding the classification of a statistically various urban spaces. To proceed exhaustively those spaces, we proposed a per-pixel classification method of urban fabrics by supervised transfer learning. Hidden Markov random fields are used to take into account the dependencies in the spatial data. The classifications of morphotypes are then obtained by broadening the knowledge of urban fabrics. These classifications are formalized from chorematique theoretical models and implemented by qualitative spatial reasoning. The analysis of these classifications by methods of quantitative spatial reasoning and factor analysis allowed us to reveal the morphological diversity of 50 metropolitan areas. It highlights the relevance of these classifications to characterize urban areas in accordance with various development issues related to the density or multipolar development

Dans nos sociétés où l'information est devenue omniprésente, la capacité à pouvoir capter et exploiter celle-ci est un enjeu majeur pour toute entité amenée à prendre une décision. En effet, de cette capacité dépendent ensuite les actions et les moyens d'interventions qui seront engagés. Mais, face à l'augmentation des données disponibles, au nombre croissant d'acteurs et à la complexification des menaces, l'environnement dans lequel évolue le décideur est marqué par une grande incertitude. Ce constat général se retrouve également au sein de la surveillance maritime qui se caractérise par des menaces hétérogènes, par une zone d'action très vaste et par un réseau important d'acteurs.De ce fait, cette thèse se propose d'étudier les potentialités des ontologies spatiales à la fois comme objet de modélisation, de partage et d'inférence. L'objectif est de fournir aux experts du domaine un environnement adapté permettant la modélisation des connaissances relatives aux comportements anormaux de navires. Néanmoins, ces connaissances sont par nature spatio-temporelles. Il a donc été nécessaire d'étendre les fonctionnalités initiales du langage SWRL afin de prendre en compte ces caractéristiques.Enfin, l'approche adoptée a ensuite été mise en application au sein du prototype OntoMap. De l'extraction des données, à l'analyse cartographique celui-ci offre les éléments nécessaires à la compréhension d'une situation anormale. / In our societies, where information is everywhere the capacity to capture and analyze this information is a major issue for every entity that must take a decision. From this capacity dependsthe efficiency of the actions and measures that will be undertaken. But face with the large increase of available data, the increasing number of actors and the increasing complexity of threats the strategic environment in which decision-makers operates is characterized by a significant uncertainty. This general observation is also present in the maritime domain characterised by heterogeneous threats, a large effective area and a large number of stakeholders.Therefore, this proposed research explores the potentiality of spatial ontologies for modelling, sharing and inference. The purpose is to provide a suitable environment for the experts where knowledge about abnormal maritime behaviour can be modelled. However, this knowledge is spatio-temporal. It has therefore been necessary to extend the initial functionality of the SWRL language to take into account these characteristics.Finally, the adopted approach has been had been implemented inside the OntoMap prototype. From retrieving the data to the cartographic analysis, this prototype offers all the necessary elements to understand an abnormal situation.

La question des liens entre forme urbaine et transport se trouve depuis une vingtaine d'années au cœur des réflexions sur la mise en place de politiques d'aménagement durable. L'essor de la diffusion de données sur grille régulière constitue dans ce cadre une nouvelle perspective pour la modélisation de structures urbaines à partir de mesures de densités affranchies de toutes les contraintes des maillages administratifs. A partir de données de densité de population et de surface bâtie disponibles à l'échelle de la France sur des grilles à mailles de 200 mètres de côté, nous proposons deux types de classifications adaptées à l'étude des pratiques de déplacement et du développement urbain : des classifications des tissus urbains et des classifications des morphotypes de développement urbain. La construction de telles images classées se base sur une démarche de modélisation théorique et expérimentale soulevant de forts enjeux méthodologiques quant à la classification d'espaces urbains statistiquement variés. Pour nous adapter au traitement exhaustif de ces espaces, nous avons proposé une méthode de classification des tissus urbains par transfert d'apprentissage supervisé. Cette méthode utilise le formalisme des champs de Markov cachés pour prendre en compte les dépendances présentes dans ces données spatialisées. Les classifications en morphotypes sont ensuite obtenus par un enrichissement de ces premières images classées, formalisé à partir de modèles chorématiques et mis à œuvre par raisonnement spatial qualitatif. L'analyse de ces images classées par des méthodes de raisonnement spatial quantitatif et d'analyses factorielles nous a permis de révéler la diversité morphologique de 50 aires urbaines françaises. Elle nous a permis de mettre en avant la pertinence de ces classifications pour caractériser les espaces urbains en accord avec différents enjeux d'aménagement relatifs à la densité ou à la multipolarité / Since a couple of decades the relationships between urban form and travel patterns are central to reflection on sustainable urban planning and transport policy. The increasing distribution of regular grid data is in this context a new perspective for modeling urban structures from measurements of density freed from the constraints of administrative division. Population density data are now available on 200 meters grids covering France. We complete these data with built area densities in order to propose two types of classified images adapted to the study of travel patterns and urban development: classifications of urban fabrics and classifications of morphotypes of urban development. The construction of such classified images is based on theoretical and experimental which raise methodological issues regarding the classification of a statistically various urban spaces. To proceed exhaustively those spaces, we proposed a per-pixel classification method of urban fabrics by supervised transfer learning. Hidden Markov random fields are used to take into account the dependencies in the spatial data. The classifications of morphotypes are then obtained by broadening the knowledge of urban fabrics. These classifications are formalized from chorematique theoretical models and implemented by qualitative spatial reasoning. The analysis of these classifications by methods of quantitative spatial reasoning and factor analysis allowed us to reveal the morphological diversity of 50 metropolitan areas. It highlights the relevance of these classifications to characterize urban areas in accordance with various development issues related to the density or multipolar development

Dans cette th{è}se, nous nous int{é}ressons {à} la repr{é}sentation et {à} la classification de structures spatiales dans le cadre de la reconnaissance de mod{è}les de paysages agricoles sur des images satellites. Nous avons d{é}fini, lors d'une phase d'acquisition des connaissances, des mod{è}les de paysages sous forme de classes dans un syst{è}me de repr{é}sentation des connaissances par objets. Les classes sont reli{é}es entre elles par des relations spatiales qualitatives. Les relations spatiales sont des classes dont les instances lient d'autres classes. Les classes de relations sont organis{é}es dans une hi{é}rarchie ayant une structure de treillis permettant de repr{é}senter la sp{é}cialisation, l'implication, la disjonction et la conjonction de relations. Nous avons choisi un treillis de Galois qui permet de mettre en {é}vidence le lien entre relations et conditions n{é}cessaires {à} la v{é}rification des relations sur l'image. Gr{â}ce {à} cette structure, nous avons propos{é} un algorithme de recherche de l'ensemble minimum des conditions qui permet de r{é}duire le nombre d'op{é}rations sur les images. Des algorithmes ont {é}t{é} aussi propos{é}s pour repr{é}senter les propri{é}t{é}s math{é}matiques des relations. Nous proposons d'ajouter au langage quatre facettes permettant de repr{é}senter la quantification des relations spatiales. Nous avons modifi{é} l'op{é}ration qui associe un mod{è}le {à} une entit{é} pour prendre en compte la quantification des relations dans la classification des structures spatiales. Le syst{è}me de reconnaissance a {é}t{é} implant{é} dans le langage \yafool et mis en \oe{}uvre sur des cartes de la r{é}gion Lorraine.

Les relations spatiales telles que l'adjacence, les distances, les directions ou encore les symétries <br />constituent un élément essentiel des descriptions d'agencement spatial entre les objets d'une scène et sont donc utiles à un grand nombre de tâches d'interprétation d'images. La reconnaissance de structures cérébrales constitue notre cadre d'application. Le cerveau est en effet une scène structurée dans <br /> laquelle les objets partagent une grand nombre de relations<br /> spatiales pertinentes. <br /> <br />Notre travail de thèse est articulé autour des questions suivantes. <br />Comment représenter des relations spatiales ? Comment les utiliser pour <br />formaliser la description d'une scène, en l'occurrence la description de <br />structures neuroanatomiques ? Comment les utiliser à des fins de segmentation <br />d'images et de reconnaissance de formes, en particulier dans le cadre des structures cérébrales ?<br />Dans un premier temps, nous nous intéressons à un type de relation particulier : <br />les symétries planes, qui sont importantes dans le cadre de l'imagerie <br />cérébrale et ont été l'objet de moins d'attention que d'autres types de relations.<br /> Nous proposons une méthode pour quantifier le degré de<br /> symétrie dans les objets flous et les images via une mesure de symétrie ainsi qu'un algorithme pour<br />localiser le plan de symétrie d'un objet donné. L'application de cette méthode au plan de symétrie du cerveau est précise et robuste comme l'a montré l'évaluation menée sur des images synthétiques et réelles.<br />Puis nous montrons comment la description des structures cérébrales peut se faire<br /> à l'aide d'un ensemble de relations spatiales et comment une telle description <br />peut être formalisée par un graphe hiérarchique synthétique. Cette description est <br />comparée avec celle obtenue à partir d'un atlas iconique, grâce à une structure appelée graphe hiérarchique exemple. <br />Enfin, les deux dernières parties traitent de l'utilisation des relations spatiales <br />en segmentation d'images. Une méthode pour intégrer de telles connaissances à un <br />modèle déformable via la construction d'une force externe est proposée. Elle se distingue nettement des autres approches disponibles puisque les relations sont directement introduites pour la recherche des contours des objets. Nous<br /> présentons ensuite une procédure complète de segmentation de structures cérébrales internes fondée <br />sur la description précédente et sur un modèle déformable. Les premiers résultats obtenus, évalués visuellement, sont prometteurs.

Les premiers robots sont apparus dans les usines, sous la forme d'automates programmables. Ces premières formes robotiques ont le plus souvent un nombre très limité de capteurs et se contentent de répéter une séquence de mouvements et d'actions. De nos jours, de plus en plus de robots ont à interagir ou coopérer avec l'homme, que se soit sur le lieu de travail avec les robots coéquipiers ou dans les foyers avec les robots d'assistance. Mettre un robot dans un environnement humain soulève de nombreuses problématiques. En effet, pour évoluer dans le même environnement que l'homme et comprendre cet environnement, le robot doit être doté de capacités cognitives appropriées. Au delà de la compréhension de l'environnement matériel, le robot doit être capable de raisonner sur partenaires humains afin de pouvoir collaborer avec eux ou les servir au mieux. Lorsque le robot interagit avec des humains, l'accomplissement de la tâche n'est pas un critère suffisant pour quantifier la qualité de l'interaction. En effet, l'homme étant un être social, il est important que le robot puisse avoir des mécanismes de raisonnement lui permettant d'estimer également l'état mental de l'homme pour améliorer sa compréhension et son efficacité, mais aussi pour exhiber des comportements sociaux afin de se faire accepter et d'assurer le confort de l'humain. Dans ce manuscrit, nous présentons tout d'abord une infrastructure logicielle générique (indépendante de la plateforme robotique et des capteurs utilisés) qui permet de construire et maintenir une représentation de l'état du monde à l'aide de l'agrégation des données d'entrée et d'hypothèses sur l'environnement. Cette infrastructure est également en charge de l'évaluation de la situation. En utilisant l'état du monde qu'il maintient à jour, le système est capable de mettre en oeuvre divers raisonnements spatio-temporels afin d'évaluer la situation de l'environnement et des agents (humains et robots) présents. Cela permet ainsi d'élaborer et de maintenir une représentation symbolique de l'état du monde et d'avoir une connaissance en permanence de la situation des agents. Dans un second temps, pour aller plus loin dans la compréhension de la situation des humains, nous expliquerons comment nous avons doté notre robot de la capacité connue en psychologie développementale et cognitive sous le nom de “théorie de l'esprit” concrétisée ici par des mécanismes permettant de raisonner en se mettant à la place de l'humain, c'est à dire d'être doté de “prise de perspective”. Par la suite nous expliquerons comment l'évaluation de la situation permet d'établir un dialogue situé avec l'homme, et en quoi la capacité de gérer explicitement des croyances divergentes permet d'améliorer la qualité de l'interaction et la compréhension de l'homme par le robot. Nous montrerons également comment la connaissance de la situation et la possibilité de raisonner en se mettant à la place de l'homme permet une reconnaissance d'intentions appropriée de celui-ci et comment nous avons pu grâce à cela doter notre robot de comportements proactifs pour venir en aide à l'homme . Pour finir, nous présenterons une étude présentant un système de maintien d'un modèle des connaissances de l'homme sur diverses tâches et qui permet une gestion adaptée de l'interaction lors de l'élaboration interactive et l'accomplissement d'un plan partagé. / The first robots appeared in factories, in the form of programmable controllers. These first robotic forms usually had a very limited number of sensors and simply repeated a small set of sequences of motions and actions. Nowadays, more and more robots have to interact or cooperate with humans, whether at the workplace with teammate robots or at home with assistance robots. Introducing a robot in a human environment raises many challenges. Indeed, to evolve in the same environment as humans, and to understand this environment, the robot must be equipped with appropriate cognitive abilities. Beyond understanding the physical environment, the robot must be able to reason about human partners in order to work with them or serve them best. When the robot interacts with humans, the fulfillment of the task is not a sufficient criterion to quantify the quality of the interaction. Indeed, as the human is a social being, it is important that the robot can have reasoning mechanisms allowing it to assess the mental state of the human to improve his understanding and efficiency, but also to exhibit social behaviors in order to be accepted and to ensure the comfort of the human. In this manuscript, we first present a generic framework (independent of the robotic platform and sensors used) to build and maintain a representation of the state of the world by using the aggregation of data entry and hypotheses on the environment. This infrastructure is also in charge of assessing the situation. Using the state of the world it maintains, the system is able to utilize various spatio-temporal reasoning to assess the situation of the environment and the situation of the present agents (humans and robots). This allows the creation and maintenance of a symbolic representation of the state of the world and to keep awareness of each agent status. Second, to go further in understanding the situation of the humans, we will explain how we designed our robot with the capacity known in developmental and cognitive psychology as "theory of mind", embodied here by mechanisms allowing the system to reason by putting itself in the human situation, that is to be equipped with "perspective-taking" ability. Later we will explain how the assessment of the situation enables a situated dialogue with the human, and how the ability to explicitly manage conflicting beliefs can improve the quality of interaction and understanding of the human by the robot. We will also show how knowledge of the situation and the perspective taking ability allows proper recognition of human intentions and how we enhanced the robot with proactive behaviors to help the human. Finally, we present a study where a system maintains a human model of knowledge on various tasks to improve the management of the interaction during the interactive development and fulfillment of a shared plan.

Titre de l'écran-titre (visionné le 24 juillet 2023) / Les flux de données de capteurs constituent de nos jours un mécanisme fondamental fournissant aux systèmes d'information et d'aide à la décision, des données d'observation sur les phénomènes d'intérêt. Ces flux de données de capteurs sont largement utilisés pour de nombreuses applications telles que la surveillance industrielle, les interventions en cas de catastrophe, les accidents radioactifs, le contrôle de la qualité de l'air, et bien d'autres applications. La modélisation et le calcul quasi instantané d'informations spatiotemporelles sur de tels phénomènes environnementaux dynamiques sont nécessaires pour une meilleure compréhension desdits phénomènes et une prise de décision plus efficace. La plupart des approches de modélisation des phénomènes continus sont développées en supposant que les limites de tels phénomènes sont nettes, alors que de nombreux phénomènes environnementaux tels que la poussière, le bruit ou la pollution par les gaz ou les incendies de forêt ont des limites spatiales vagues. Par conséquent, il n'est généralement pas possible de détecter directement les limites des phénomènes surveillés à partir des mesures des capteurs, car ces derniers sont soit dispersés de manière aléatoire sur la zone surveillée, soit ils suivent un modèle particulier dont la localisation coïncide rarement avec les limites des phénomènes surveillés. La faible portée spatiale des observations faites par les capteurs amplifie le niveau d'imprécision spatiale qui caractérise les données des réseaux de capteurs. Par conséquent, une collaboration exempte de toute ambigüité sémantique est requise entre capteurs connectés au sein du réseau en vue d'inférer les connaissances décrivant la géométrie des phénomènes, et éventuellement les agréger pour une meilleure prise de décision. Dans un contexte de raisonnement spatial décentralisé au sein des réseaux de capteurs, assurer une collaboration transparente entre les capteurs qui peuvent être hétérogènes, permettrait de résoudre ce double niveau d'imprécision spatiale que présentent les données de réseaux de capteurs, afin de produire une meilleure représentation des phénomènes et observer leur dynamique et les interactions spatiales qui y ont lieu. L'objectif global de cette thèse est de proposer une approche de raisonnement spatial décentralisée à base de sémantique et de logique floue pour la représentation et les calculs spatiaux relatifs aux phénomènes de forme vague à partir des données du réseau de capteurs. Pour atteindre cet objectif, les objectifs spécifiques suivants ont été considérés : 1) assurer l'extraction d'objets spatiaux de type fuzzy-crisp composés d'un noyau et d'une partie conjecture, représentant les phénomènes dont les limites ne sont pas franches, à partir des données de réseaux de capteurs, 2) assurer le raisonnement et la modélisation de la dynamique d'un phénomène de forme spatiale floue décrit par des flux de données de réseau de capteurs à travers la détection décentralisée des frontières spatiotemporelles et de leur évolution ; et enfin 3) développer une approche de calcul, de modélisation et d'analyse des relations topologiques qui ont lieu entre phénomènes dont la géométrie est vague à partir d'observations au sein de réseaux de capteurs. Le développement d'une base de connaissances qui intègre la sémantique des données de capteurs, des domaines d'application, et d'objets spatiaux de type fuzzy-crisp représentant les phénomènes dont les limites sont vagues, constitue l'étape fondamentale garantissant un raisonnement sémantique décentralisé au sein des réseaux de capteurs. En plus des règles sémantiques découlant de cette base de connaissance, constituant le moteur de raisonnement des capteurs, l'usage des règles à base logique floue trivalente permet aux capteurs de statuer sur leur position relative aux frontières des phénomènes suivis et de construire leur géométrie. L'intégration de règles de raisonnement établies suivant le formalisme Event-Calculus permet aux capteurs d'inférer sur les changements affectant les limites du phénomène observé et de statuer sur sa dynamique spatiotemporelle. La détection simultanée de deux phénomènes par un capteur, peut être utilisée comme indice d'intersection de l'étendue des deux phénomènes dans la position dudit capteur. L'usage d'un modèle d'intersection intégrant les cinq parties topologiques comprenant le noyau, la conjecture et la zone extérieure et leurs frontières des objets spatiaux de type fuzzy-crisp a permis de caractériser efficacement les 44 cas de relations topologiques qui peuvent avoir lieu entre deux objets spatiaux simples de type fuzzy-crisp. Le développement de prototypes implémentés à l'aide du logiciel Netlogo pour différentes études de cas présentant des scénarios d'applications, ont été utilisées pour illustrer et évaluer la validité des approches proposées. Cette évaluation a présenté des résultats satisfaisants tant pour la modélisation de phénomènes de forme vague (représentation spatiale de pollution sonore lors du passage d'un train en zone urbaine), que pour l'analyse de la dynamique des phénomènes (évolution d'un feu de brousse) et des relations spatiales floues (relations topologiques entre un feu de brousse et une aire forestière) décrites par les données collectées par des réseaux de capteurs. / Sensor data streams are nowadays a fundamental mechanism providing information and decision systems with observational data on the phenomena of interest. These sensor data streams are widely used in many applications such as intrusion monitoring, manufacturing, disaster response, radioactive accidents, air quality monitoring, among others. Real time or near-instantaneous modelling and computation of spatiotemporal information on such dynamic environmental phenomena is necessary for a better understanding of the phenomena and more efficient decision-making. Most modelling approaches for continuous phenomena are developed assuming that the boundaries of such phenomena are sharp, whereas many environmental phenomena such as dust, noise or gas pollution or forest fires have vague spatial boundaries. Also, it is usually not possible to directly detect the boundaries of the monitored phenomena from the sensor measurements, because the sensors are either randomly scattered over the monitored area or follow a particular pattern whose location rarely coincides with the limits of the monitored phenomena. The small spatial range of observations made by sensors amplifies the level of spatial inaccuracy that characterizes data from sensor networks. Therefore, a collaboration free from any semantic ambiguity is required between sensors connected within the network in order to infer knowledge describing the geometry of phenomena, and possibly aggregate them for better decision-making. In a context of decentralized spatial reasoning within sensor networks, ensuring transparent collaboration between sensors, which may be heterogeneous, would make it possible to resolve this double level of spatial imprecision presented by sensor network data, in order to produce a better representation of observed phenomena, their dynamics and the spatial interactions that take place there. The overall objective of this thesis is to propose a decentralized spatial reasoning approach based on semantics and fuzzy logic for spatial modelling and calculations related to waveform phenomena from sensor network data. To achieve this objective, the following specific objectives were considered: 1) ensure the extraction of space objects of fuzzy-crisp type composed of a nucleus and a conjecture part, representing the phenomena whose limits are not clear , from sensor network data, 2) modeling and reasoning about the dynamics of vague shape continuous phenomena described by sensor network data streams in a decentralized spatial Computing approach, from detected spatiotemporal boundaries and their evolution, 3) develop an approach for computing, modelling and analyzing the topological relationships that take place between phenomena whose geometry is vague from observations within sensor networks. The development of a knowledge base which includes the semantics of sensor data, application domains, and that of fuzzy-crisp spatial model representing phenomena with vague boundaries, is a fundamental step to ensure seamless collaboration among sensors for decentralized semantic reasoning in sensor networks. In addition to the semantic rules derived from built knowledge base, sensors reasoning engine uses trivalent fuzzy logic rules to infer on their relative position as border nodes to monitored phenomena and to build their geometry. The integration of reasoning rules established on the basis of the Event-Calculus formalism enables sensors to infer on the changes affecting the boundaries of the observed phenomenon and also on its spatiotemporal dynamics. The simultaneous detection of two phenomena by a sensor can be used as an index of the intersection of the extent of the two phenomena at the position of the sensor. The use of an intersection model integrating the five topological parts including the core, the conjecture and the outer zone and their boundaries of the fuzzy-crisp spatial objects allowed to efficiently characterize the 44 cases of topological relations that can take place between two simple fussy-crisp spatial objects. The development of prototypes implemented with the Netlogo software which is a multi-agent system was used for different case studies of application scenario, in order to illustrate and evaluate the validity of the proposed solutions. This evaluation presented satisfactory results both for the modelling of vague phenomena (spatial representation of noise pollution around the railway in an urban area), and for the analysis of the dynamics of the phenomena from sensor network data (evolution of a bushfire) and of the fuzzy topological relations (topological relations between a bushfire and a forest area) described by the data collected sensor networks.

L'amélioration de la résolution des images satellites optiques permet de distinguer les différents objets qui composent une scène. Néanmoins il reste difficile d'extraire les caractéristiques ou les régions qui sont pertinentes pour la description d'une scène. L'interprétation de ce type de données requiert donc l'introduction d'outils qui permettent de discriminer les objets d'intérêt du reste de l'image. Dans cette thèse nous proposons des outils de raisonnement spatial qui aident à l'interprétation des images satellites. D'abord nous nous intéressons aux relations spatiales qui peuvent être utiles pour l'interprétation des images satellites. Nous nous concentrons sur les relations spatiales suivantes : entourer, alignement, parallélisme et des relations entre lignes et régions. Pour chacune de ces relations nous introduisons des modèles formels, qui considèrent la sémantique des relations et le leur contexte d'utilisation. Ensuite nous proposons une utilisation des modèles de relations spatiales pour des tâches de haut niveau: nous introduisons un système d'interprétation qui est capable de trouver les instanciations d'un modèle structurel dans une image. Le problème d'interprétation d'une image est formulé comme un problème de satisfaction de contraintes floues. Nous proposons des algorithmes de propagation adaptés aux relations complexes telles que l'alignement, et qui prennent en compte les difficultés de détection des objets dans les images. Ce système a été testé sur des scènes contenant des ports et des aéroports et les résultats montrent l'intérêt d'incorporer cette méthodologie dans un système d'interprétation d'image plus complet.