Classification multisource par la fusion évidentielle avec une nouvelle approche statistique floue

Abstract

L'objectif de cette recherche est de développer un nouveau système de fusion évidentielle avec une approche statistique floue dans l'estimation des masses, et de l'appliquer à la classification multisource des données de télédétection. Contrairement à la fusion bayésienne et à la fusion possibiliste, la fusion évidendielle possède des outils efficaces pour la gestion de données imprécises et incertaines, mais il n'existe aucune méthode générique dans l'estimation automatique de ces deux notions. D'un côté, il existe des méthodes d'estimation purement statistique qui ont tendance à ne prendre en compte que l'incertitude des informations, et d'un autre côté, il existe des méthodes d'estimation floue qui ne gèrent que la notion d'imprécision. Notre recherche s'est focalisée sur le développement d'une méthode d'estimation statistique floue généralisée aux données multispectrales. Cette méthode est non-dirigée, elle est utilisée pour initialiser de façon automatique les jeux de masses dans la théorie de l'évidence. La classification multisource obtenue, avec nos données de télédétection, donne de meilleurs résultats que les fusions bayésienne et évidentielles avec différentes estimations des masses.