Résumé : Ce travail vise à mettre en place un système de fusion de sources d'information basé sur la Théorie des Fonctions de Croyance (TFC) et adapté aux contextes des images forestières. La TFC engendre des temps de calcul importants lorsque la cardinalité du cadre de discernement devient grande. Ainsi, nous avons proposé en premier lieu une méthode de réduction du référentiel de définition permettant d'éviter l'explosion combinatoire en restreignant le calcul sur les hypothèses estimées pertinentes et déterminées à partir des histogrammes des classes issues de la phase d'apprentissage. Ensuite, nous avons proposé des techniques d'estimation de fonctions de masse spectrales, texturales, contextuelles et structurelles. L'information multi-fractale a été utilisée comme signature de texture, ainsi l'image de Hôlder a constitué une source d'information pour l'estimation de la masse texturale. Un autre apport consiste à proposer une approche de transfert de masse basée sur l'information contextuelle, en exploitant l'image des couronnes d'arbres comme une source déduite. L'implémentation d'algorithmes de détection de couronnes d'arbres nous a permis d'extraire des mesures sur les couronnes que nous avons utilisées en tant qu'attributs pour l'estimation des fonctions de masse. Nos expérimentations montrent des taux de classification assez satisfaisants et une adéquation de notre approche de fusion à une classification à l'arbre près
This thesis aims to develop an information source fusion system based on belief functions theory (BFT) and adapted t forest images context (especially high resolution images). Applications of BFT to image classification result in th assignment of each image point to a c1ass or a subset of classes based on the mass functions estimation expressing th belief of an event. BFT leads to significant computation time when the cardinality of the set of definition become large. Thus, we first proposed a method to reduce the frame of discernment in order te avoid the combinatorial explosio by restricting the calculation on the hypotheses of the set of definition deduced from the classes histograms determine from the learning phase. Then, we proposed spectral, texturai, contextual and structural mass functions technique estimation. Multi-fractal information was used as texture signature and Hôlder image has been a source ( information for estimating the texturai mass. Another contribution is the integration of trees crowns image as derive source and the proposai of an approach to mass transfer based on contextual information inside and outside a crown. Th implementation of detection trees crowns algorithms allowed us to extract measurements on trees. These measurement are used as attributes for mass functions estimation. Our experiments and comparisons with other methods show quit satisfactory classification rate with spectral and textural approaches and adequacy of our fusion approach to contextu and structural information for trees classification

http://www.theses.fr/2011AGUY0434/document