Beruflich Dokumente
Kultur Dokumente
MIRA BEJAIA
ARiPhone
« Augmented Reality iPhone »
Ammar Sidhoum 1, El-Hadi Soltani 1 et Haroun Djaghloul 2
1
Université Ferhat Abbas Sétif, UFAS
si_amar2000@yahoo.fr
1
Université Ferhat Abbas Sétif, UFAS
yclic_web@yahoo.fr
2
Université Ferhat Abbas Sétif, UFAS
djaghloul@yahoo.fr
Résumé— Cet article présente le domaine de la réalité la scène. La définition concerne donc principalement les
augmentée, dans lequel des objets virtuels 3D sont intégrés applications d’immersion où l’utilisateur perçoit des objets
dans un environnement réel en temps réel. virtuels en même temps que l’environnement réel dans
L’objectif de notre travail est le développement d’un système lequel il évolue.
interactif de réalité augmentée, pour cela on a proposé un
combiné augmenté qu’on a désigné par ARiPhone
« Augmented Reality iPhone » qui permet la numérotation La réalité augmentée est un système ayant trois
sans utiliser son appareil de téléphone portable. caractéristiques :
• Combine le monde réel et le monde virtuel.
Mots clés— Réalité augmentée, Marqueurs, ARToolKit, • Interactif en temps réel.
Reconnaissance des formes, Bluetooth. • Calibré en 3D.
Abstract— This paper surveys the field of Augmented Reality,
in which 3D virtual objects are integrated into a 3D real II. Travaux connexes
environment in real time.
The objective of our work is the development of an interactive Des recherches antérieures dans la réalité augmentée ont
augmented reality system, we have proposed an augmented abordés une variété de domaines d'application, par exemple
handset phone that we have designated by ARiPhone le cockpit de l'avion de contrôle [2], l'assistance en
"Augmented Reality iPhone", it allows the composition of chirurgie médicale [3], la construction d'infrastructures [4],
numbers without using the mobile phone. l'entretien et la réparation [5], les pièces d'assemblage [6] et
d’autre efforts [7], [8], [9], [10].
Key words— Augmented reality, Patterns, ARToolKit, Pattern Notre travail met l'accent sur la combinaison des nouvelles
recognition, Bluetooth.
technologies (PC, téléphone portable, Bluetooth, webcam,
etc.) et la réalité augmentée. Nous décrivons une
I. Introduction application qui utilise un combiné augmenté pour la
composition d’un numéro de téléphone et faire des appels
La réalité augmentée est une nouvelle technologie qui sans utiliser le téléphone portable.
suscite de plus en plus d’intérêt auprès des scientifiques. Sa
capacité d’enrichir le monde réel par l’ajout d’entités
virtuelles lui offre un grand potentiel et ouvre ainsi les III. Le suivi d’un organe humain (la main)
portes à de nouvelles applications. Depuis quelques années,
Le plus grand problème dans le domaine de RA c’est le
de nombreux systèmes de réalité augmentée ont vu le jour.
problème suivi, pour ce la on a utilisé des marqueurs carrés,
Cependant, dans leur grande majorité, ces systèmes sont
ce qui rend le travail relativement faisable.
destinés à des environnements intérieurs restreints et
contrôlables qui limites les problèmes souvent rencontrés
en RA (variation de luminosité, gestion des occultations,
alignement 3D, etc.).
Les avancées enregistrées dans le domaine de la vision par
ordinateur et dans l’informatique mobile, ont rendu possible
la mise en œuvre d’applications de RA de plus en plus
complexes.
La réalité augmentée a pour but d’améliorer notre
perception du monde réel par ajout d’éléments qui ne sont
pas a priori perceptibles par l’œil humain.
Dans son état de l’art, Azuma [1] définit la réalité
augmentée comme un système capable de combiner des
images réelles et les images virtuelles, en 3D et en temps Fig.1 Le suivi de la main.
réel, c'est-à-dire que nous devons disposer d’objets virtuels
modélisés en 3D et positionnés dans un repère 3D associé a
CNTA ’09 Université A.MIRA BEJAIA
IV. ARiPhone
Fig.4 Les marqueurs du combiné.
Fig.2 Les exigences de « ARiPhone ».
Pour chaque marqueur, un bouton virtuel va le remplacer
V. Le combiné une fois le combiné est sous le champ de vue de la webcam
et cela se fait d’une façon ou on voit juste les boutons
Le combiné ARiPhone se constitue de onze (11) marqueurs virtuels sur le combiné, donc les marqueurs ne sont plus
différents dont chacun représente un numéro de téléphone, perceptibles sur l’écran.
avec une interface ergonomique très élégante tirée de
l’iPhone l’un des meilleures produits disponible sur le
marché annoncé par Apple.
Fig.5 les boutons virtuels.
CNTA ’09 Université A.MIRA BEJAIA
A. ARToolKit
Ensuite l’appel s’effectuée parfaitement en cliquant sur le [4] S. Feiner, A. Webster, T. Krueger, B. MacIntyre, and E.
bouton virtuel correspondant. Keller. Architectural anatomy. Presence, 4(3):318–325,
Summer 1995.
IX. Conclusion [8] R. Azuma and G. Bishop. Improving static and dynamic
registration in an optical see-through hmd. In Proc. ACM
Parmi plusieurs technologies actuelles dans la vision par SIGGRAPH ’94, pages 197–204, Orlando, FL, July 24–29
ordinateur, synthèse d’images et l’interface homme- 1994.
machine, la réalité augmentée est vraiment un domaine très
vaste et compliqué mais aussi prometteur. [9] A. State, G. Hirota, D. Chen, W. Garrett, and M.
Livingston. Superior augmented reality registration by
La réalité augmentée utilise les images de synthèse et les integrating landmark tracking and magnetic tracking. In
images tridimensionnelles qui consistent à générer des Proc. SIGGRAPH ’96, pages 429–438, New Orleans, LA,
images d’un objet ou d’une scène tridimensionnelle à l’aide August 4–9 1996.
d’un algorithme de rendu appliqué à un modèle 3D
construit à l’aide d’un logiciel de modélisation. [10] A. Janin, D. Mizell, and T. Caudell. Calibration of
Tout au long de ce travail, on a essayé de faire le point sur head-mounted displays for augmented reality applications.
tout un ensemble de techniques qui se rapport directement In Proc. IEEE VRAIS’93, pages 246–255, Seattle, WA,
au plan de la réalité augmenté et les dispositifs mobiles. A September 18–22 1993.
titre d’exemple on a réussi à développer notre propre
système de réalité augmentée qui combine plusieurs [11] H. Kato and M. Billinghurst. Marker tracking and hmd
technologies en même temps (PC et téléphone portable calibration for a video-based augmented reality
équipés d’un périphérique Bluetooth, Webcam, oreillette conferencing system. In IWAR ’99 : Proceedings of the 2nd
Bluetooth). IEEE and ACM International Workshop on Augmented
Reality, page 85, Washington, DC, USA, October 1999.
La réalité augmentée est un domaine passionnant parce IEEE Computer Society.
qu’elle peut faire tout ce qu’on ne peut pas imaginer
auparavant, tout cela devient réaliste avec la réalité
augmentée où les frontières entre le réel et le virtuel sont
effacées.
X. Références
Pour cela nous avons sélectionné une image landsat TM5 d’hiver représentant 441 Km2 et
nous lui avons appliqué la méthodologie.
En fin, on présente la carte émissivité effective des différentes couvertures présentes, ces
valeurs sont comprises entre 0.985 (pour les pixels complètement couverts) et 0.96 (pour les
pixels sols nus).
Le troisième terme de cette équation tient Les valeurs maximales correspondent aux
compte des effets pouvant être produits par parcelles cultivées en plus forte activité et les
des réflexions internes, un exemple de cet valeurs minimales aux sols nus ou avec
effet peu arriver dans un zone montagneuse. culture récente.
Il est a noter que les NDVI s correspondent à
Pour notre zone d’étude dε est nul, puisque le des parcelles avec sol complètement nu ou
type de couverture végétale présent ne produit moins cultivé de façon que la reflectance
pas d’effet de cavité (*). mesurée correspond en majeur partie au sol
L’équation précédent s’écrira alors comme nu qu’a la végétation et le contraire se produit
suit : pour le NDVI v .
ε = ε v p v + ε s (1-p v ) (8) Les NDVI v et NDVI s représentent donc la
Les valeurs de ε v etε s correspondent à celles valeur maximale et minimale , respectivement
proposées par (Valor et Caselles 1996) pour , de la proportion végétale p v .
l’obtention de l’équation opérative. Dans la table 2 on montre les valeurs de
III. RESULTATS : reflectance dans le proche infrarouge et le
Sur la figure 1 on montre la carte du NDVI en rouge pour des secteurs sol nus et couverts.
niveau de gris pour la zone, obtenue à partir La valeur obtenue pour le coefficient K est
des valeurs de réflectances corrigées dans les 5.1.
canaux proche infrarouge (canal4) et rouge
(canal3). Les couleurs obscure et grise Table 2 : Valeurs moyennes des réfléctances
dominent en conséquence du calendrier (%) pour sol nu et couvert dans les bandes 3
agricole pour cette période de l’année. Les et 4
valeurs moyennes maximales et minimales et Sol nu Sol couvert
R ( bande 3) 6 9
les déviations standard de NDVI, NDVI s et
PIR ( bande4) 10 40.7
NDVI v sont présentées sur la table1
précédente.
La figure 2 montre ensuite la carte de
Figure 1 : carte du NDVI proportion végétale obtenue après application
de l’équation (5).
Figure2 : carte P v
BIBLIOGRAPHIE :
[1]Chavez, P. S. , 1988, Remote sensing of
environment,24:459-479.
[2]Gilabert, M.A., et al, 1986, obres publiques
:237-250.
[3]Kerdiles, H. , et al, 1996, Agricultural and
forest meteorology, 79 :157-182.
[4]Price, J. C, 1990, IEEE transactions on
geosciences and Remote sensing 28 (5) :940-
948.
Les valeurs correspondantes au sol nu varient [5]Rouse, J., et al, 1974, final report, grenbelt,
avec le contenu en eau, du moment que si MD, 371 pp.
celui-ci augmente la valeur de émissivité [6]Valor, E. et al, 1996, Remote sensing of
augmente également. environment 57:167-184.
L’augmentation de émissivité peut être due
aussi à la composition argileuse du sol ou à
son contenu en matière organique ou bien aux
deux à la fois en plus du contenu en eau. Il est
intéressant de faire des mesures sur site de
émissivité et voir réellement à quoi
correspond cette variation.
CNTA ’09 Université A.MIRA BEJAIA
Résumé— Nous proposons, dans cet article, de comparer les filtres [11-16] en passant par l'échantillonnage par pixel
performances des modèles markoviens paramétriques et non [17,18] ou par bloc [19]. Les premiers se sont révélés
paramétriques pour la classification texturale des images SAR. inadéquats pour la modélisation texturale du fait que les
Le premier modèle, très largement employé en analyse de
texture par les champs de Markov, est le modèle Gaussien.
textures naturelles ne soient pas stationnaires. Quant aux
Quant au modèle non paramétrique, il s’agit d’un modèle modèles non paramétriques, ils sont plus adaptés pour la
établi sur la base d’une mesure de similitude, celle-ci est synthèse et sont rarement exploitables pour la classification.
incorporée dans le calcul de probabilité de l’intensité d’un Dans ce contexte, la présente étude a pour objectif de mettre
pixel étant donné un voisinage et un échantillon de texture. à jour les avantages et limites de la modélisation texturale
Dans un premier temps, nous donnons les résultats de Markovienne paramétrique et non paramétrique pour la
classification obtenus en utilisant des textures naturelles
extraites de l’album de Brodatz puis, nous les généralisons en
classification des images naturelles et plus particulièrement
employant des images radar SAR. Cette comparaison met en des images SAR. A cet effet, la deuxième section est
exergue l’apport de la classification texturale non consacrée à la modélisation Markovienne classique et au
paramétrique pour la reconnaissance thématique dans les modèle de texture proposé, nous y explicitons les
images SAR. modifications introduites dans la formulation de la
probabilité markovienne et présentons les résultats de
Mots-Clés— Texture, Modélisation, Markov, Classification,
Images SAR. synthèse obtenus. La segmentation texturale basée sur la
théorie Bayesienne fait l’objet de la troisième section, nous
y exposons les résultats obtenus et donnons quelques
I. INTRODUCTION éléments d’interprétation. Une conclusion et des
La texture, liée aux variations d’intensité dans un perspectives à ce travail clôturent ce papier.
voisinage, est quasi omniprésente dans les images
satellitaires. En imagerie radar, elle est étroitement liée à la II. MODÈLES MARKOVIENS
rugosité des états de surface. En effet, les variations Les modèles markoviens sont très largement utilisés en
d’intensité qui caractérisent la texture dans une image radar traitement d’images depuis quelques années déjà,
sont généralement dues aux propriétés physiques notamment pour les problèmes de modélisation [9,20,21],
(rétrodiffusion) de la cible et modéliser ces variations de synthèse [22,23], d'identification [24], de restauration
s’avère très délicat. [25], de détection de contours [26], la segmentation et la
Il existe une diversité d’approches et techniques classification [27,28].
d’analyse de textures [1-6] selon la manière dont la texture De part leur formulation, ces modèlent intègrent de façon
est perçue. Ainsi, bien que l'on reconnaisse une texture dès explicite la notion de voisinage. Ainsi, dans les images
qu'on la voit, il est néanmoins plus difficile de la définir et réelles, les pixels voisins ont des niveaux de gris similaires
de la modéliser. Cette difficulté est mise en évidence par les et l'atout majeur des champs markoviens est leur capacité de
nombreuses définitions et modèles de texture rencontrés modéliser des interactions entre pixels de façon simple, à
dans la littérature allant des modèles classiques dits travers un modèle probabiliste. D'un point de vue global,
paramétriques (modèles autorégressifs [7,8], Markoviens tous les pixels sont mutuellement dépendants à travers des
[9], fractal [10], etc.) aux modèles multi-résolutions non combinaisons successives d'interactions locales. En outre,
paramétriques basées entre autres sur les ondelettes ou les les algorithmes d'optimisation (Métropolis ou
CNTA ’09 Université A.MIRA BEJAIA
échantillonneur de Gibbs) qui leurs sont associés se prêtent modèle Gaussien car il permet d’obtenir des textures
facilement à une implémentation parallèle. En analyse de synthétisées présentant quelques similitudes avec celles
texture, ils permettent de quantifier l’information texturale modélisées bien qu’on ne retrouve que la structure globale
locale via un modèle paramétré. et prédominante de la texture (voir Fig.1).
A. Modélisation paramétriques
Rappelons que X∈Ω est un champ aléatoire de Markov
par rapport à un système de voisinage N si et seulement si :
La fonction de probabilité Π(x) satisfait les propriétés
suivantes [29]:
Positivité:
Π ( X = x) > 0 ∀x ∈ Ω. (1)
Propriété de Markov:
Π S ( X S = x S / X r = x r , r ∈ S , r ≠ s) = (2)
Π S ( X S = x S / X r = x r , r ∈ N S ) ∀x ∈ Ω, s ∈ S
La deuxième propriété du champ de Markov, notée plus
simplement P(x s /x r , r∈N s ) signifie que la connaissance d’un
voisinage du pixel est suffisante pour le traiter.
L’équivalence entre champs markoviens et champs de Gibbs
[30] (établie par Hammersley et Clifford au début des
années 1970) a permis de définir les champs Markoviens par
la donnée d’un système de cliques C s et d’une fonction
énergétique associée U(x) qui s’écrit sous forme de
potentiels d’interactions V c (x).
Soit :
exp(−U ( x))
P( x S / x r , r ∈ N S ) =
ZS
(3)
avec Z S = ∑ P (α S / x r , r ∈ N S )
α S ∈Α
et U ( x) = − ∑ VC ( x)
Fig.1. Textures naturelles à gauche et textures synthétisées à droite
Ces différences notables entre les textures modélisées et
c∈C S
les textures synthétisées sont dues, entre autres, au fait que
Ces fonctions potentiels doivent être adaptées aux
par l’application d’un modèle paramétré, nous supposons
données tout en demeurant les plus générales possible. En
que la probabilité P(x s /x r , r ∈N s ) est la même pour tous les
analyse de texture, les modèles les plus utilisés sont les
automodèles (H. Derin, Ising généralisé, Gaussien ou auto- pixels s (β s,r =β r ) et par la même occasion, on occulte le
binomial) dont l'énergie s'exprime sous la forme de cliques caractère aléatoire de la texture en considérant qu'il est
simples ou double-cliques (d'ordre 1 et 2) : possible qu'elle soit générée par un modèle unique,
U ( x ) = − ∑ VC ( x )
déterminé par des paramètres uniques β r . Or les primitives
c∈C S (4) des textures naturelles se ressemblent mais ne sont point
U ( x) = −∑ x s f s ( x s ) −∑ ∑ x s x r f s , r ( x s , x r )
identiques d’où l'émergence des modèles non paramétriques
s s r∈N S qui permettent de pallier ce problème de non sationnarité. A
Dans ce cas, on suppose que la réalisation (la texture) X cet effet, nous proposons, dans ce qui suit, un modèle de
est constituée de m variables aléatoires. Chaque variable texture Markovien non paramétrique basé sur une
aléatoire prend ses valeurs dans l’ensemble A = {0……L}, quantification de voisinage.
ensemble des niveaux de gris. Chaque clique liant le pixel B. Modélisation non paramétrique
central à son voisin dans un système de voisinage N s , sera
La modélisation texturale non paramétrique et le concept
identifiée par une fonction f s,r s'exprimant en fonction d'un d'analyse texturale multi-échelles se sont intensément
paramètre β s,r , appelé aussi coefficient de pondération. Ce développés ces quinze dernières années que ce soit pour la
paramètre prend ses valeurs dans l’ensemble R. Quant à la synthèse texturale [11,12,18] la modélisation texturale [14],
fonction f s , elle exprime l'attache aux données [29]. la compression d'images ou la segmentation texturale [24,
Pour les textures naturelles, on adopte le plus souvent le 32, 33]
CNTA ’09 Université A.MIRA BEJAIA
IV. CONCLUSION
Dans cet article, nous nous sommes intéressés à la
Fig.6. Image SAR classifiée par le modèle paramétrique caractérisation de la texture par le biais de deux modèles
La classification de l'image SAR par le bais d'un modèle Markoviens, l'un paramétrique et l'autre non paramétrique.
paramétrique (Fig. 6) fournit une image segmentée de façon Le premier modèle est Gaussien et le deuxième est basé sur
peu précise avec des classes qui se chevauchent. Quant à une quantification de voisinage. Les différents tests menés
l'emploi du modèle non paramétrique pour la classification montrent que lorsqu'il s'agit de textures naturelles, l'aspect
(Fig. 7), il s'est révélé plus satisfaisant en fournissant une non paramétrique d'un modèle de texture permet de travailler
image classifiée proche de la réalité (voir Fig.8). sur les données brutes sans faire de supposition à priori
(stationnarité et érgodicité) et de tenir compte, ainsi, des
Ainsi, le modèle non paramétrique est plus indiqué pour similitudes des variations spatiales d'intensité. L'approche
l'identification des textures réelles, il est à même de non paramétrique proposée s'adapte bien aux problèmes
caractériser et de cartographier les différentes thèmes d'identification et de classification des images SAR. En effet,
présents dans une image SAR. les images radar peuvent contenir une multitude de textures
et en dresser une base d'entraînement exhaustive n'est pas
chose aisée. C'est la que réside l'intérêt principal de
l'approche que nous avons développée. En utilisant
CNTA ’09 Université A.MIRA BEJAIA
directement l'échantillon de texture, on peut l'identifier sur la [20] I. M. Elfadel, R. W. Picard, "Gibbs random fields, cooccurences, and
même image ou sur d'autres images aisément. texture modelling", IEEE Transactions on Pattern Analysis and
Machine Intelligence, vol. 16 (1), pp.24-37, 1994.
[21] J. Bennet, A. Khotanzad, "Maximum likelihood estimation methods
REFERENCES for multispectral random field image models", IEEE Transactions on
[1] R. M. Haralick, “Statistical image texture analysis”, In Handbook of Pattern Analysis and Machine Intelligence, vol. 21(6), pp.537-543,
pattern recognition and image processing. New York: Academic 1999.
Press, 1986. [22] R. E. Ghozi, B. C. Levy, "Phase transitions and multi-scale Markov
[2] A. Materka, M. Strzelecki, “Texture analysis methods-a review”, random fileds: Application to texture synthesis", IEEE Conference
Technical University of Lodz, COST B11 Report, 1998. Record of The Twenty-Seventh Asilomar on Signals, Systems and
Computers, 1-5, Pacific Grove, California, October 28- November 1,
[3] T. R. Reed, J. M. H. Du Buf, “ A review of recent texture 1993.
segmentation and feature extraction techniques”, CVGIP: Image
Understanding, vol. 57 (3), pp. 359-372, 1993. [23] J. K. Tugnait, "Texture synthesis using asymmetric 2-D noncausal
AR models", IEEE Signal Processing Workshop on Higher-Order
[4] M. Tuceyran, , A. K. Jain, “Texture analysis”, In C. H. Chen, L. F. Statistics, pp.71-75, 1993.
Pau, & P. S. P. Wang (Eds.), in Handbook of pattern recognition and
computer vision. Singapore: World Scientific pp. 235-276, 1998. [24] R. Paget, I. D. Longstaff, “Texture synthesis via a noncausal
nonparametric multiscale Markov random field”, IEEE Transactions
[5] M.Sharma, Performance evaluation of image segmentation a nd on Image Processing, Vol. 7 (6), 1998.
texture extraction methods in scene analysis, Master thesis,
University of Exeter, UK, 2001. [25] A. Jalobeanu, L. Blanc-Féraud, J. Zerubia, "Hyperparameter
estimation for satellite images restoration using MCMC maximum
[6] M Singh, S. Singh, S. “Spatial texture analysis: A comparative likelihood method", Pattern Recognition, vol. 2 (35), pp.341-352,
study”, Proceedings of the 15th IEEE International Conference on 2002.
Pattern Recognition (ICPR’02), Quebec, Canada , pp. 676-679,
August 2002. [26] F. Destrempes, M. Mignotte, "A statistical model for contours in
images", IEEE Transactions on Pattern Analysis and Machine
[7] R. Chellappa, R. L. Kashyap, B. S. Manjunath, “Model-based texture Intelligence, vol. 26 (5), pp.626-638, 2004.
segmentation and classification”, in Handbook of Pattern Recognition
and Computer Vision (C. H. Chen, L. F. Pau, And P. S. P. Wang, [27] K. S. Thyagarajan, T. Nguyen, T., C. E Persons, "Maximum
Eds.), Singapore: World Scientic, 1993, pp.277-310. likelihood approach to image texture and acoustic signal
classification", IEE Vision, Image and Signal Processing, vol. 46 (1),
[8] R. Chellappa, R. L. Kashyap, “Texture synthesis using 2-D noncausal pp.34-39, 199.
autoregressive models”, IEEE Transactions on Acoustic, Speech,
Signal Processing, Assp-33, pp. 194–203, 1985 [28] X. Descombes, M. Sigelle, " Estimating Gaussian Markov random
field parameters in a non sationnary framework: Application to
[9] D. A. Bader, J. Jaja, R. Chellapa, “Scalable data parallel algorithms remote sensing imaging", IEEE Transactions on Image Processing,
for texture synthesis using gibbs random fields”. IEEE Transactions vol. 8 (4), pp.490-503, 1999.
on Image Processing, vol. 4 (10), pp. 1456-1460, 1995.
[29] S. Z. Li, “Modeling image analysis problems using random markov
[10] R. F. Voss, “Fractals in nature: from characterisation to simulation”, field”, in Handbook of Statistics, vol. 20. Elsevier Science, 2000, pp.
in The Science Of Fractal Images. H-O. Peitgen & D. Saupe (Eds.), 1-43.
Springer Verlag, 1988, pp.21-70.
[30] J. H. Hammersley, P. Clifford, “Markov field on finite graphs and
[11] J. De Bonet, P. Viola, “A non-parametric multi-scale statistical model attices”, Technical Report, Unpublished, 1971.
for natural images”, in Advances In Neural Info Processing, vol. 9.
Mit Press, 1988. [31] H. Derin, H. Elliott, “Modelling And Segmentation Of Noisy And
Textures Images Using Gibbs Random Fields”, IEEE Transactions Of
[12] D. J. Heeger, J. R. Bergen, “Pyramid based texture Pattern Analysis And Machine Intelligence, Pami-9 (1), pp. 39-55,
analysis/synthesis”, International Conference on Computer Graphics 1987.
and Interactive Techniques, ACM SIGGRAPH, Los-Angeles,
California, pp. 229–238, August 6-10, 1995. [32] C. A. Bouman, M. Shapiro, “A multiscale random field model for
bayesian image segmentation”. IEEE Transactions on Image
[13] J. Portilla, J, E. Simoncelli, “A parameter texture model based on processing, vol. 3 (2), pp.162-177, 1994.
joint statistics of complex wavelet coefficients”, International Journal
of Computer Vision , vol. 40 (1), pp.49–71, 1999. [33] S. Krishnamachari, “Multiresolution Gauss–Markov random field
models for texture segmentation. IEEE Transactions on Image
[14] G. Menegaz, “DWT based non parametric texture modelling. Processing, vol. 6 (2), pp.251-267, 1997.
Proceeding of the International Conference on Image Processing
(Icip'01), Thessalonica, Greece, October 3-5, 2001, pp. 173-176. [34] P. Brodatz, “Textures: a photographic album for artists and
designers”, New York: Dover Publications, 1966.
[15] A. C. Copeland, G. Ravichandran, M. M. Trivedi, “Texture synthesis
using gray-level co-occurrence models: algorithms, experimental [35] B. Aiaiazzi, L. Alparone, S. Baronti, G. Cuozzo, C. D’elia, C.
analysis, and psychophysical support”, Optical Engineering, vol. 40 Schirinzi, “SAR image classification via tree-structured markov
(11), pp.2655-2673, 2001. random fields and information-theoretic heterogeneity features”,
ESA-EUSC 2005 Image Information Mining - Theory And
[16] J. Dong, Three-dimensional surface texture synthesis. Phd Thesis, Applications To Earth Observation, Proceedings Of The Workshop,
University Of Heriot Watt, U.K., 2003 At Esa-Esrin, Frascati, Italy,5-7 October 2005.
[17] A. A. Efros, T. Leung, “Texture synthesis by non-parametric [36] S. Geman, D. Geman, “Stochastic relaxation, gibbs distributions, and
sampling”, IEEE International Conference on Computer Vision, the bayesian restoration of images”, IEEE Transactions of Pattern
vol.2, Corfu, Greece, pp. 1033-1038, September 21-22, 1999. Analysis and Machine Intelligence, vol. 6 (6), pp. 721-741, 1984.
[18] L. Y. Wei, M. Levoy, “Fast texture synthesis using tree vector [37] R. S. Gill, R. T. Tonboe, “Classification of greenice SAR data using
quantization”, Proceedings of International Conference on Computer fuzzy screening method in arctic sea ice thickness: past, present and
Graphics and Interactive Techniques ACM SIGGRAPH 00, New future”, Edited By Peter Wadhams And Georgios Amanatidis.
Orleans, Louisiana, USA, pp.479–488, 23-28 July 2000. Climate Change And Natural Hazards Series, Brussels, 2006.
[19] A. A. Effros, W. T. Freeman, “Image quilting for texture synthesis [38] A. M. Jacob, E. M. Hemerly, D. Fernandes, “SAR Image
and transfer”, Proceedings of International Conference on Computer Classification Using Supervised Neural Classifiers”, Anais Xi Sbsr,
Graphics And Interactive Techniques, Acm Siggraph, vol. 6, Los Belo Horizonte, Brasil, pp. 2047 – 2054, 05 - 10 April 2003.
Angeles, California, pp. 341-34, August 12-17, 2001.
CNTA ’09 Université A.MIRA BEJAIA
[39] Karathanassi, “SAR texture analysis for the extraction of sea waves [42] M. Törmä, J. Lumme, J. U. Pyysalo, N. Patrikainen, K. Luojus,
direction”, 5T European On Synthtetic Aperture Radar, Ulm, “Tree species classification using ers sar and modis ndvi images”,
Germany, 25-27 May 2004. Proceedings of XXth ISPRS Congress, Istanbul, Turkey, 12-23 July
[40] P. Li, S. Fang, , “SAR image classification based on its texture 2004.
features”, Geo-Spatial Information, vol. 6 (3), pp.16-19, 2003. [43] P. M. Treitz, P.J. Howarth, O. Rotunno Filo, E.D. Soulis,
[41] L-K. Soh, C. Tsatsoulis, “Texture analysis of sar sea ice imagery “Agricultural crop classification using SAR tone and texture
using gray level co-occurrence matrices”, IEEE Transactions on statistic”s, Canadian Journal of Remote Sensing, vol. 26 (1), pp.18-
Geoscience and Remote Sensing, vol. 37 (2), March 1999. 29, 2000.
CNTA ’09 Université A.MIRA BEJAIA
INTRODUCTION
La cartographie du bilan d’énergie à l’interface sol-atmosphère est nécessaire pour la gestion
optimale des ressources naturelles. Les cartes solaires sont établies soit à partir des mesures
radiométriques au sol, soit à partir des mesures climatiques ou e n fonction d’une hypothèse
de répartition zonale pour les régions sans réseau des mesures radiométriques et climatiques.
L’Algérie est un pays vaste, sa topographie est accidentée, son climat variant de Sud vers le
Nord et son réseau de mesures radiomètriques est de faible densité, ce qui rend les techniques
citées non pratique pour car tographie l es i rradiations s olaires. L’image s atellite pa r s a
fréquence (une image par ¼ heures) et sa couverture spatiale (toute l’Afrique et l’Europre) se
présente c omme le mo yen le pl us pr atique po ur le s uivi s patio-temporel de s di fférentes
composantes du r ayonnement s olaire. Les m odèles dé veloppés pou r l ’extraction de s
irradiations s olaires à partir de s ima ges s ont classés en deux cat égories, les m odèles
statistiques e t l es m odèles ph ysiques s ont généralement dé veloppés po ur c artographie l e
rayonnement global.
Dans not re travail, no us pr oposons un m odèle pour l a car tographie de s di fférentes
composantes du rayonnement solaires en se basant sur la transformation des images brutes en
images ennuagement. Les i mages e nnuagement s ont t ransformées e n i mages de pot entiel
énergétique à différents niveaux de gris.
Le grand défi pour réaliser ce travail est le stockage d’information.
Les images M.S.G (meteosat second generation)
2. DONNEES
Pour él aborer ce t ravail nous avons ut ilisé l es i mages du satellite E uropéen météosat et de s
données radiomètriques acquises au sol par deux stations en Algérie.
Les cou ches crées pr ésentent un a utre ha ndicap de s tockage d ’information ut ile e t pa rfois
nécessaire. Devant ces problèmes à l a f ois i nformatiques et t hématiques de s i mages nous
proposons une solution S.I.S qui se résument en :
1- Technologique présenté par une réalisation des stations d’acquisition des images M.S.G
2- Informatique qui fonctionne en temps réel pour la création de la base de données images
sans perte d’information composé des modules suivant:
2.1- Un outil de gestion de la base de données
2.2- Un outil d’extraction des paramètres utiles selon la thématique
2.3- Un outil d’analyse statistique
2.4-Un outil d’affichage et de cartographie
L’ensemble d es modules sera intégré dans le s ystème d’ acquisition des i mages à temps r éel
par la station [5]
4. Conclusion
1- Technologique qui consiste à réaliser une station d’acquisition des images satellite M.S.G.
Cette pha se rentre da ns le pr ogramme de recherche du L.A.A.R de puis cinq ans el le es t en
phase bien avancée.
CNTA ’09 Université A.MIRA BEJAIA
Bibliographie
[1] Nour el islam Bachari, Abdelhak Razagui. Estimation et Cartographie des Différentes
Composantes du Rayonnement Solaire à Partir des Images Météosat. Vol.4 (2001) P. 35-47
[6] OUMBE A., WALD L., 2008. S imple pa rameterisations o f ve rtical pr ofile of s olar
irradiance in clear sky. Solar Energy, revised version, submitted April 2008.
[7] LEFÈVRE M., WALD L., DIABATÉ L., 2007. Using reduced data sets ISCCP-B2 from
the Meteosat satellites to assess surface solar irradiance. Solar Energy, 81, 240-253.
[8] RIGOLLIER C ., LEFÈVRE M ., WALD L., 2004. T he m ethod Heliosat-2 for d eriving
shortwave solar radiation data from satellite images. Solar Energy, 77(2), 159-169.
[9] REMUND J., WALD L., LEFEVRE M., RANCHIN T., Page J., 2003. W orldwide Linke
turbidity i nformation. P roceedings of ISES S olar W orld Congress, 16-19 June 2003, G ?org,
Sweden
CNTA ’09 Université A.MIRA BEJAIA
CNTA ’09 Université A.MIRA BEJAIA
Résumé—L’exploitation de la différence de phases de deux couverture à une haute résolution spatiale. Elles
images radar de type SLC constitue, actuellement une source permettent l’estimation de l’altitude d’un point au sol et la
efficace p our l a g énération de Modèles N umériques de détection des faibles mouvements de terrain à partir de la
Terrain (MNT). Néanmoins, les techniques de traitement de différence de phases de deux signaux radar acquis par
ces données restent très complexes et donnent naissance à un deux capteur séparés par une distance dite ‘baseline’.
axe d e re cherche à part entière dit i nterférométrie radar Dans ce contexte, le travail que nous présentons, dans
SAR(INSAR). Le déroulement de phase est l’étape essentielle cette communication porte sur l’étape de déroulement de
dans ce traitement interférométrique, il consiste à retrouver
phase dans un processus interférométrique qui consiste à
la phase absolue à partir d’une phase ambigüe, (modulo 2π).
Notre p oint d ’intérêt d ans ce travail est f ocalisé sur l ’étape retrouver la phase absolue à partir d’une phase ambigüe
de dé roulement de p hase et no us pr ésentons, à cet ef fet, l es (modulo 2π). Nous avonséveloppé d , à cet effet deux
méthodes que n ous a vons d éveloppées e n mettant l ’accent méthodes. La première est dite locale, elle déroule la
sur l eur complexité et l es p roblèmes d e f aisabilité phase de proche en proche mais pose le problème de
interférométrique posés pa r chaque méthode. L es t ests de discontinuités des phases dans l’interférogramme qui sont
ces m éthodes ont été ef fectués s ur u n c ouple ra dar S AR dues aux bruits de diverses sources (géométrie
acquis par les satellites européens ERS1 et ERS2 en tandem d’acquisition, topographie de la scène éclairée, milieu de
et couvrant la zone d’Alger et la Mitidja. propagation de l’onde radar, etc..). La deuxième méthode
Mots-clés : Interférométrie radar SAR, déroulement de considère la phase comme une fonction d’énergie
phase, Modèle Numérique de Terrain, résidus, cut- d’interactions locales qu’il faut optimiser pour retrouver la
Brunch, modélisation markovienne. vraie phase (absolue). Cette méthode est basée sur une
modélisation markovienne. Elle pose le problème de
I. INTRODUCTION l’initialisation, qui doit être une configuration proche de la
La connaissance numérique du relief, généralement solution et du choix de l’algorithme d’optimisation qu’il
traduit sous forme de modèle numérique de terrain faut adapter à la nature de l’information interférométrique.
(MNT), est un élément essentiel dans diverses Nous les avons testées sur un interférogramme généré à
applications des sciences de la terre, des partir d’un couple SLC acquis par les satellites ERS1 et
télécommunications, de la navigation aérienne, etc. Le ERS2 de la région d’Alger et la mitidja.
MNT est un concept plus complexe et plus global qui ne Après cette introduction, nous présenterons, dans la
traite pas seulement la hauteur et l'élévation mais d'autres deuxième section le principe et la géométrie d’acquisition
éléments géographiques comme les rivières, les crêtes et interférométrique. Dans la section III, nous exposerons le
les bassins versants. Si, dans un premier temps, on a fait principe et les approches de déroulement de phase en
usage de photographies aériennes stéréoscopiques, pour s’attardant sur les méthodes développées dans ce travail et
la génération des MNT il a fallu attendre 1986 avec le nous présenterons, ensuite les résultats obtenus en les
lancement du satellite SPOT et grâce à sa visée latérale, commentant. Nous terminerons ce papier par une
pour pouvoir disposer des couples stéréoscopiques conclusion et les références bibliographiques relative à ce
d’images satellitaires et voire se développer des travail.
techniques de corrélation automatique intégrées dans des
processus de photogrammétrie automatique pour la II. L’INTERFEROMETRIE RADAR SAR
génération de MNT. Actuellement, les images satellitaires
radar de type SLCI et l’exploitation de la différence de Le principe de l’interférométrie est basé sur l’utilisation
phase pour deux acquisitions constituent une source de deux images (SLCI : Single Look Complex Image)
efficace pour l’obtention des MNT. Néanmoins, le radar SAR de la même scène, acquises à partir de deux
traitement de ces données reste très complexe et donne orbites séparés par une distance dite ‘baseline’. La
naissance à un axe de recherche à part entière dit géométrie d’acquisition du couple interférométrique est
interférométrie radar SAR(INSAR). En effet, les donnée par la figure 1. Soit P, une cible localisée dans la
techniques interférométriques radar combinent une large scène et a une hauteur h, R A et R B sont les distances
CNTA ’09 Université A.MIRA BEJAIA
respectives entre les capteurs et la cible. Les signaux meilleurs sont les résultats interférométriques.
S A ( p) et S B ( p ) des ondes radar rétrodiffusées par la cible P Cependant la décorrélation entre les deux signaux
et mesurées par les capteurs radar sont donnés par les est due principalement aux changements de l’angle
expressions suivantes : de visé des deux satellites (décorrélation spatiale),
aux changements de l’état de surface entre les deux
S A ( p ) = ρ A ( p ) e jφ ( p ) (1)
A
jφ B ( p )
acquisitions (décorrélation temporelle) ainsi
S B ( p ) = ρ B ( p )e (2) qu’aux bruits électronique et atmosphérique
(décorrelations termiques)[1].
SB • ∆ϕ = (ϕ A − ϕ B ) est l’argument de l’expression du
Avec : B// et B⊥ sont respectivement la produit interférométrique, il est calculé pour toutes
SA B composante du baseline parallèle et
les cibles (pixels) de la scène commune entre les
α perpendiculaire verticale, α est l’angle
du baseline par rapport à l’horizontal
deux images. Cette image ou interférogramme est
B B┴ formée de franges représentant des différences de
║ et θ est l’angle de visé.
θ RB .
phases appartenant à l’intervalle [0,2π ]
Ces franges contiennent deux types d’informations : la
H RA première information, dépend de la topographie de la
scène (altitude h). Elle est représentée par des franges
P
topographiques. La deuxième information, indépendante
de l’altitude h de la cible est appelée phase de terrain plat.
h Elle est proportionnelle à la composante horizontale du
baseline B, est représentée par les franges orbitales. Cette
dernière doit être retranchée de la phase globale afin de
Figure 1 : Modèle géométrique de l’interférométrie radar SAR
restituer que la phase proportionnelle à l’élévation h.
Nous donnons, à la figure 2 l’image de cohérence
La phase ϕ A, B ( p ) de chaque signal est donnée par : interférométrique et à la figure 3 l’interférogramme
correspondant.
ϕ A,B ( p) = ϕ trajet
A, B
+ ϕ propre
A, B
+ ϕ bruit
A, B
(3)
Plusieurs méthodes ont été étudiées et proposées par les sont appelées coupures. Les extrémités des coupures sont
chercheurs du domaine de l’interférométrie radar SAR reliées aux bordures de l’image si la somme dans une
[2],[3],[4],[5]. Ces méthodes ont été regroupées, coupure n’est pas nulle (le nombre des résidus positifs est
essentiellement en trois approches : différent au nombre des résidus négatifs dans une
• L’approche locale. Elle est basée sur le déroulement coupure). Lorsque tous les résidus sont reliés et les
de proche en proche selon un parcours d’intégration coupures tracées (Figure 5.a), le déroulement devient
• L’approche globale basée sur une minimisation une indépendant du chemin du parcours choisi ; il faut
fonction d’erreur globale. seulement éviter de franchir une coupure (figure 5.b)
• L’approche mixte (hybride). Les méthodes de cette Malheureusement si les branches se ferment sur elles
approche sont basées sur la minimisation d’une mêmes, elles créent des zones isolées non accessibles lors
énergie d’interaction dans un voisinage aproprié. Ces du déroulement de phase de P.P. Ce problème est
méthodes sont itératives et font appel à des l’inconvénient majeur de la méthode cut-brunch.
algorithmes d’optimisation déterministes,
heuristiques ou métaheuristiques [4] [6].
Pour notre part, nous avons développé une méthode
locale de déroulement de proche en proche avec évitement
de résidus et une méthode hybride avec une modélisation
markovienne.
Résumé— La ca rte él ectronique (ECDIS) e st un o util La majorité des officiers de la marine marchande utilisent
fondamental et incontournable pour la surveillance maritime les cartes marines sous forme « papier », mais depuis
avec des applications diverses, co mplexes, p ermettant l a mise quelques années un organisme international (OHI) de
en exergue des co ncepts de v isualisation et i mageries cartographie s’est lancé dans la production de cartes
modernes, dont l es utilisations s ont multiples, q ue s e s oit a u
numériques qui sont gérées par un système informatique et
niveau de la télédétection, l’évaluation des bases de données et
cartographies. D es a pplications p ratiques à t erre co mme en automatisé, nommé ECDIS (Electronic Chart Display
mer permettent d’améliorer la sécurité maritime dans son sens Information).
large. (Abstract)
L’événement relatif à la catastrophe du pétrolier Exxon
Mots Clés : Ecdis, télédétection, visualisation, l’imagerie, Valdez a mis en exergue les erreurs d’interprétation des
cartographie, surveillance maritime. cartes marine et leurs conséquences dramatiques sur
l’environnement. L’enquête nautique qui s’en est suivie a
révélée la nécessité de l’utilisation des cartes électroniques,
I. INTRODUCTION d’une formation et entraînement à l’intention des utilisateurs
Plus de la moitié du transport de marchandises à travers le auraient pu minimiser ou éviter ce type d’incident ayant
monde se fait par voie maritime. Un des outils permettant abouti à une catastrophe majeure pour l’industrie maritime,
d’assurer la sécurité de la navigation des navires et de l’environnement et les chaînes alimentaires. Les limites
minimiser le risque de collision entre eux, et par conséquent d’utilisation des systèmes en se basant sur les tous les
d’éviter des catastrophes de pollution en mer est la carte modèles et concepts existants, permettent de visualiser et
marine. La problématique est liée à l’intégration de données d’interpréter les informations en temps réel, mais le facteur
cartographiques numériques et de données de télédétection, humain et les prises de décisions sont sujets à une multitude
leur présentation assemblée, l’analyse et la production des de paramètres complexes, affectant la fiabilité et l’efficacité
cartes, cartes image et autres outils de visualisation des de tels systèmes retenus dans le secteur maritime.
zones de navigation.
La carte marine est très riche en information et devisée en II. PRÉSENTATION DU SYSTÈME ECDIS
trois types de data, tels que les informations sur la sécurité C’est un système électronique capable de visualiser la
maritime (trait de côte, accès aux ports et aux chenaux, position d’un mobile sue la présentation d’une carte à
laisse de basse mer, etc.), le deuxième point est relatif à la l’écran. Le système est établi par un organisme international
localisation de la cible choisie, comme le positionnement (Organisation Internationale Maritime) en qualité de normes
par satellite et observé sur le visu. Sur la frange côtière à travers une résolution (OMI, A.817 (19)).
(Phares, reliefs aperçus en mer sur la côte, etc.) et le type de Ce système peut remplacer la carte de navigation sous forme
service attendu du navigateur entrant dans un voisinage d’un de papier, mais ce dernier doit être certifié et doit
port ou son mouillage sont également traités par numérique. accompagner le système de sauvegarde. Il est à la fois un
Une carte marine de qualité et à jour limite les risques et système d’information géographique et un système
périls de la mer (collision, naufrage, pollution, autres). d’expertise nautique, capable de :
CNTA ’09 Université A.MIRA BEJAIA
1. Afficher toutes les informations géographiques 3. Déclencher des alarmes en fonction des dangers de
nécessaire à la sécurité de la navigation ; navigation ;
2. Alléger le travail de l’officier de quart à la passerelle 4. Faciliter la mise à jour des cartes électroniques ;
par le positionnement continu ; par la flexibilité de la 5. Enregistrer et sauvegarder les informations liées aux
planification et le suivi de son plan de route ; voyages planifiés.
Figure 1. « Objet sur une carte matricielle, exemple de carte matricielle (à gauche) et l’exemple de carte vectorielle avec symbole d’un navire au centre (à
droite) ». 1
1
Ces cartes ont été publiées en vue de pouvoir cerner la différence entre carte matricielle et carte vectorielle. Source : www.iho.int.
2
Les abréviations utilisées dans cet organigramme ont été énumérées comme suit:
OHI : Organisation hydrographique internationale
OMI : Organisation maritime internationale
MSC : Comité de sécurité maritime
NAV : Sous-comité de la sécurité de la navigation
HGE : Groupe d'harmonisation sur les ECDIS
WEND : Base de données mondiale pour la carte électronique de navigation
CNTA ’09 Université A.MIRA BEJAIA
CHRIS : Comité sur les besoins hydrographiques pour les systèmes d’information
CEI : Commission électrotechnique internationale
TC80 : Comité de la CEI sur la navigation maritime et sur les systèmes et équipements de radiocommunications
WG7 : Groupe de travail de la CEI sur les ECDIS
DGIWG : Groupe de travail sur les informations géographiques numériques
ISO : Organisation internationale pour la normalisation. Source : www.imo.org.
Il existe deux types de carte électroniques disponibles dans • en tant qu'équipement électronique embarqué prévu par
le domaine maritime : Les cartes matricielles (RASTER) et les dispositions de la convention internationale sur la
les cartes vectorielles. Une carte matricielle est l’image sauvegarde de la vie humaine en mer (SOLAS), il
numérisée scannée, tandis qu’une carte vectorielle relève des normes de fonctionnement de l'Organisation
correspond à une analyse numérique par objets (points, Maritime Internationale (OMI résolution A/817(19) du
lignes, région, etc.). 15 décembre 1995 - amendée en mars 1999) ;
L’ECDIS est lié à des capteurs de navigation, de • en tant que carte marine, il relève des spécifications
positionnement, de vitesse et de cap en temps réel. relatives au contenu cartographique du ressort de
Les fonctionnalités du système sont définies par des normes l'Organisation Hydrographique Internationale (OHI),
internationales de l’Organisme Hydrographique objet des publications spéciales S-52 (5ème édition -
International (OHI). Le système comprend deux éléments décembre 1996) et S-57 (3ème édition - novembre
importants: 1996) ;
1. Une base de données, appelée carte électronique de • en tant qu'équipement électronique, il relève des
navigation ou ENC (Electronic Navigation Chart) qui prescriptions et procédures d'essais de la Commission
contient sous forme numérique adaptée toutes les Electrotechnique Internationale (CEI), objet de la
informations géographiques nécessaires à la sécurité de publication IEC 61174 (août 1998) ;
la navigation. • en tant qu'équipement embarqué, il relève des
2. Le format des ENC est de type vecteur, défini par la procédures d'homologation définies par les
norme S57 de l’OHI. administrations nationales.
Les ENC sont produites, tenues à jour et diffusés aux Compte tenu des nouvelles capacités technologiques et des
utilisateurs avec la responsabilité du service hydrographique besoins d’interopérabilités, on doit pouvoir les utiliser sur
(OHI), et sont organisées en gammes d’échelles, de la toutes les océans et mers du globe terrestre, quelque que soit
cartographie détaillée à la cartographie générale. le système ECDIS approuvé, et dans toutes les conditions
L’utilisateur peut passé d’une ENC à l’autre en temps réel et météorologiques et climatiques des lieux de
est transparent au cours de son expédition maritime. Aussi, positionnements, en tenant compte en temps réel des
il est possible de zoomer et de se déplacer sur la zone de la mouvements relatifs et vrais du navire en déplacement. Le
carte affichée sur l’écran en utilisant les différents outils besoin en matière de sécurité maritime a favorisé
disponibles pour ce système. l’établissement d’un accord général, encadrée par des
normes Internationales; celles-ci sont requises pour
III. APPLICATION DU SYSTÈME DANS LE TRANSPORT permettre l’application de la convention Internationale
MARITIME
(SOLAS), ratifiée par l’Algérie et qui est relative à la
L’équipement ECDIS est défini de la manière suivante dans présence de cartes marine à bord sous toutes les formes
les normes de fonctionnement des ECDIS de l’OMI approuvées. L’acheminement des informations
,(Résolution OMI, A.817 (19)) : Par « S ystème d e cartographiques à l’échelle Internationale relative à la carte
visualisation de s c artes é lectroniques e t d’ information électronique s’articule autour de trois pôles identifiés:
(ECDIS) », on e ntend un s ystème de renseignements sur la 1. L’organisation Hydrographique Internationale (OHI),
navigation qui, assorti de dispositifs de sauvegarde qui regroupe plus de soixante agences
appropriés, peut être accepté comme équivalant à la carte gouvernementales, produisant des données
tenue à j our requise aux termes des règles V/19 et V/27 de cartographiques et assurant l’expertise dans le domaine.
la C onvention SO LAS de 1 974 e t qui , e n af fichant de s 2. L’organisation Maritime Internationale (OMI),
renseignements s électionnés d’ une c arte é lectronique de l’expression des besoins de la navigation et
navigation fonctionnelle (SENC), les données sur la position l’établissement des règlements et règles prescrites à
fournies par de s c apteurs de nav igation e t, s i né cessaire, mettre en œuvre par les Gouvernements Contractants.
d’autres r enseignements l iés à l a nav igation, aide l e 3. Organisations Industrielles, la Commission
navigateur à planifier et à surveiller la route. Electrotechnique Internationale (CEI) et le Comité
Un ECDIS doit satisfaire à quatre types de normes : International Radio Maritime.
CNTA ’09 Université A.MIRA BEJAIA
IV. L’INTERFACE AVEC AIS- SÉCURITÉ MARITIME VI. CONCLUSION : SUGGESTIONS ET RECOMMANDATIONS
Le système ECDIS est lié à autre système d’identification L’utilisation de ce système présente de multiples
des navires à une portée de 200 nautiques, qui permet aux applications à terre, que ce soit au niveau de la gestion du
utilisateurs de visualiser les navires équipés par un trafic maritime (VTS et VTMIS), la protection du milieu
équipement nommé, « AIS » (Automatic Identification marin et du littoral le long des côtes algériennes, ouvrant de
System) sur la carte électronique et les données affichées sur nouveaux champs de recherches dans des domaines divers
le système de visualisation. Cet équipement auxiliaire aux de la science et technologie.
systèmes de navigation classique permet le suivi des Recommandations:
informations sur des cibles identifiées et leurs Collecter les informations nautiques pour enrichir une
enregistrements en temps réel avec de multiples applications base de données fiable, sécurisée et accessible aux
en matière de sécurité maritime et de protection de chercheurs algériens;
l’environnement, y compris la surveillance maritime le long Créer des centres régionaux Est, Centre et Ouest pour
des côtes d’un pays donné. D’autres capteurs et données ont la collecte et la mise a jour des cartes marines en
été injectés dans le système ECDIS, tels que ceux utilisés s’aidant des nouvelles technologies en la matière ;
par l’AIS et LRIT (Long Range Identification Tracking), Développer la cartographie maritime électronique pour
STS (Ship Tracking System), et autres. les besoins des plaisanciers et le secteur de la pêche, la
surveillance maritime et la protection du littoral;
V. RECHERCHE ET PERSPECTIVES Développer la télédétection spatiale en Algérie pour
Depuis le début du lancement du projet ECDIS, notre l’observation terrestre et maritime, gérer l’information
agence représentative au sein de l’Organisme géographique en temps réel pour la mise en place de
Hydrographique International en collaboration avec nouveaux modèles et concepts mathématiques
l’Administration Maritime au niveau des différentes tutelles permettant de sécuriser les données diverses s’y
doivent être actifs dans le développement et la réalisation de référant.
ces outils de navigation, de la mise en œuvre effectives des
différents instruments ratifiés. La modernisation de l’ECDIS
va envisager une meilleur prise en charge de la sécurité REFERENCES
maritime, la protection de l’environnement et du littoral [1] Organisation maritime internationale (OMI) : www.imo.org ;
algérien, en s’aidant de ces outils modernes à applications [2] Organisation Hydrographique internationale (OHI) : www.ohi.int ;
multiples, en se basant sur la superposition d’informations [3] Commission électrotechnique internationale (CEI) : www.iec.ch ;
complémentaires, permettant une meilleure prise en charge [4] Convention internationale de 1974 pour la sauvegarde de la vie
humaine en mer (SOLAS), telle qu’amendée ;
de la sécurité de la navigation et sûreté maritime. La
[5] Résolution OMI A817 (19) : Normes de fonctionnement des ECDIS ;
télédétection et les techniques d’imageries satellitaires avec
[6] CEI 61174 (2001-10) : Système de visualisation de cartes
multiples applications en positionnements, tels que le électroniques et d’information (ECDIS),
système géodésique (WGI 84), reconnu dans le système [7] conditions requises pour les tests opérationnels et de performance, et
ECDIS par l’OMI. Ce système est capable de combiner résultats des tests demandés ;
plusieurs types d’informations textuelles et audiovisuelles [8] OHI S-57 : Normes de l'OHI pour le transfert de données
qui ouvrent de nouvelles perspectives à une navigation hydrographiques numériques, édition 3.1 ;
assistée par ordinateurs et traitements divers en qualité [9] OHI S-52: Spécifications pour le contenu cartographique et les
d’imageries. modalités d'affichage des ECDIS, édition 4.2, appendice 2 :
Spécifications pour les couleurs et symboles des ECDIS.
CNTA ’09 Université A.MIRA BEJAIA
Résumé—Dans cet a rticle, n ous p résentons u n no uvel d’abstraction, leur permettant d’être adaptées à une large
algorithme d e cl assification automatique des d onnées gamme de problèmes différents. Les métaheuristiques sont
numériques. I l s’agit d’ un classifieur à b ase d’ une c olonie d e souvent inspirées par des systèmes naturels, qu’ils soient pris
fourmis, a ppelé AntClass. C’ est u ne métaheuristique assez en physique (ex. le récuit simulé), en biologie (ex. les
récente inspirée du comportement intelligent des fourmis pour algorithmes génétiques, le système immunitaire), ou en
le tri collectif du couvain quand il est dérangé. Contrairement éthologie (ex. colonies de fourmis, optimisation par essaims
aux a lgorithmes c lassiques, t els q ue K -means qui r equiert e n particulaires) [1].
entrée l ’introduction du n ombre de cl asses re cherchées,
AntClass d écouvre a utomatiquement ce n ombre d e cl asses. Le but de ce travail est d’abord, de présenter le nouvel
Après la validation de AntClass en utilisant une image simulée, algorithme AntClass inspiré du comportement intelligent des
il a é té appliqué sur une image satellitaire multispectrale. Les fourmis face à un couvain dérangé. Par la suite, une
résultats o btenus p ar AntClass sont sa tisfaisants e t plus adaptation de cet algorithme pour résoudre le problème de la
intéressants par rapport à ceux obtenus par le K-means. classification non supervisée des images satellitaires sera
effectuée. Une étude comparative des résultats obtenus avec
ceux obtenus avec l’algorithme classique K-means sera
I. INTRODUCTION
finalement établie. Cet article est structuré comme suit. La
La classification fait partie des méthodes couramment prochaine section est consacré à la présentation du problème
utilisées en télédétection pour exploiter les images de la classification d’images satellitaires, et à rappeler les
satellitaires d’observation de la terre. Elle consiste à affecter principes de base des méthodes de classification classiques.
à chaque pixel de l’image une étiquette indiquant son Dans la troisième section, nous présentons le concept de
appartenance à une classe thématique particulière, telle que, l’auto-organisation chez les insectes sociaux et l’algorithme
la végétation, l’urbain, le sol, les routes, etc. AntClass qui en découle. Dans la quatrième et cinquième
Des efforts considérables sont déployés pour élaborer de section, nous exposons le principe de la classification avec
nouveaux algorithmes de classification, d’une part pour les fourmis et l’algorithme que nous avons développé et
contourner les contraintes des méthodes classiques adapté au problème de la classification non supervisée des
(connaissance du modèle de distribution des données), et images satellitaires. La sixième section est dédiée à
d’autre part pour arriver à des algorithmes classifieurs l’application, l’évaluation et l’interprétation des résultats
universels qui supportent tout type de données avec le obtenus en appliquant notre algorithme sur une image
minimum de paramètres à contrôler. La plupart de ces simulée et une image réelle. Dans cette section une étude
algorithmes sont inspirés de modèles classifieurs naturels et comparative K-means – AntClass est aussi effectuée. Enfin,
sont communément désignés par « métaheuristiques ». Les nous terminons cet article par une conclusion et les
métaheuristiques sont des algorithmes stochastiques itératifs, perspectives éventuelles à cette recherche.
qui progressent vers l’optimum par échantillonnage d’une
fonction dite « objectif ». Elles se comportent comme des II. CLASSIFICATION D’IMAGES
algorithmes de recherche, tentant d’apprendre les La classification est une procédure de décomposition qui
caractéristiques du problème afin d’en trouver une consiste à partitionner l’image en un nombre de sous-
approximation de la meilleure solution. Il existe un grand ensembles disjoints appelés classes. Les méthodes de
nombre de métaheuristiques différentes, allant de la simple classification les plus communes peuvent être séparées en
recherche locale à des algorithmes complexes de recherche deux grandes catégories : les méthodes de classification
globale. Ces méthodes utilisent cependant un haut niveau
CNTA ’09 Université A.MIRA BEJAIA
supervisée et les méthodes de classification non supervisée. 1. P rendre a léatoirement K premières données d e
Si le nombre de classes et leurs règles d’appartenance sont l’ensemble à partitionner comme centres d e g ravité
fixés au départ, on parle de classification supervisée. Si, par provisoires de la première partition ;
contre, on désire réaliser une classification sans 2. Affecter le reste des données aux classes sur la base du
connaissances a pr iori du nombre de classes ou de leurs plus pr oche n oyau. A près c haque af fectation, recalculer le
caractéristiques, on effectue alors une classification dite non nouveau noyau ;
supervisée. Dans les deux cas, le problème de la 3. Après l’affectation de toutes les données à l’étape 2, il
classification est de construire la procédure adéquate, faut prendre l es nou velles par titions c omme les noyaux de s
appelée «modèle décisionnel», permettant d'associer une classes et affecter chaque donnée au plus proche noyau ;
classe à un objet. 4. L’algorithme s’arrête l orsque de ux i térations
successives c onduisent à l a m ême partition a u c ritère d e
A. Approches de classification supervisée précision p rès. Ce cr itère peut êt re défini et fixé d e d eux
Lors de l'utilisation d'une méthode de classification manières :
supervisée, l'analyste identifie des échantillons assez a). S oit on f ixe a pr iori l e nombre d ’itérations sans
homogènes de l'image qui sont représentatifs de différents regarder les changements de la partition de j-1 à j ;
types de classes d'information. Ces échantillons forment un b). Soit on se base sur les mouvements des pixels entre
ensemble de données d’apprentissage. La sélection de ces les classes de l’itération j-1 à l’itération j et on fixe un seuil
données est basée sur les connaissances a priori de l'analyste correspondant au nombre total des pixels ayant changé de
sur la région. Les échantillons de chaque classe sont utilisés classes entre deux itérations successives. Plus ce nombre est
pour entraîner le système à définir les classes et ensuite petit, plus le nombre d’itération est grand.
reconnaître des régions aux propriétés similaires à chaque L’inconvénient majeur de ce type de méthodes est que le
classe. Les méthodes de classification supervisée les plus résultat final est fortement dépendant du tirage aléatoire des
utilisées, sont des méthodes statistiques basées sur la théorie premiers noyaux, d’où la possibilité du piégeage dans un
des probabilités associée à la théorie de Bayes. Parmi ces minimum local. Pour remédier à ce problème, plusieurs
méthodes, figurent la méthode du maximum de autres méthodes ont été proposées et qui s’inspirent
vraisemblance et la méthode du minimum de distance de également de phénomènes biologiques observés dans la
Mahalanobis [2]. L’inconvénient majeur de ces méthodes est nature chez les animaux, tels que : les fourmis, les insectes
la nécessité de connaître le modèle de distribution des pixels volants, les oiseaux, les poissons, etc. Ces phénomènes
dans chaque classe. Pour pallier cet inconvénient, différentes découlent du concept de l’auto-organisation [5].
autres méthodes métaheuristiques ont été proposées et qui
s’inspirent pour la plupart des mécanismes biologiques des III. CONCEPT DE L’AUTO-ORGANISATION
êtres vivants, nous citons par exemple [3] : les réseaux de L’auto-organisation est un phénomène décrit dans
neurones, les algorithmes génétiques, le réseau immunitaire, plusieurs disciplines, notamment en biologie dans la branche
etc. Cependant, ces nouvelles méthodes sont fortement qu’est l’éthologie (étude des comportements des espèces
dépendantes de plusieurs paramètres de contrôle qui animales dans leurs environnements). Une définition a été
conditionnent la qualité des résultats de la classification. proposée par Deneubourg [6] : «l’auto-organisation e st un
processus dans lequel, un modèle de niveau global émerge
B. Approches de classification non supervisée uniquement, d ’un grand no mbre d’ interactions e ntre les
Dans les approches non supervisées, l’utilisateur composants de bas ni veau d u s ystème. D e p lus, l es r ègles
n’intervient qu’une fois la classification est effectuée pour spécifiant les interactions entre ces composants sont suivies
interpréter le contenu des classes en considérant celles-ci en ut ilisant un iquement de s informations locales, sans
comme étant un ensemble de points de même signature références a u modèle g lobal ». Autrement dit, l’auto-
spectrale mais sans faire appel à d’autres hypothèses sur les organisation explique l’émergence d’un comportement
données. Donc, les méthodes non supervisées ne nécessitent collectif macroscopique par des interactions simples au
pas (ou très peu) d’information a priori sur les classes. Le niveau microscopique.
groupement des pixels est réalisé d’une manière automatique L‘auto-organisation n’exclut pas la complexité au niveau
sur la base d’une fonction de similarité et il est généralement individuel. Elle suppose simplement qu’à un certain niveau,
conditionné par le choix du nombre de classes. Les méthodes les individus se comportent comme des entités simples [7].
de classification non supervisée les plus utilisées, sont des Depuis longtemps déjà, des comportements auto-organisés
méthodes stochastiques basées sur le tirage aléatoire des ont été découverts dans la nature. Par exemple : 1) dans une
premiers centroïdes des classes dont le nombre est introduit colonie de fourmis, on peut observer différentes castes
par l’utilisateur. Le groupement des pixels autour de ces spécialisées dans un certain nombre de tâches : élevage de
moyennes est effectué suivant une mesure de distance entre couvain, recherche de nourriture, construction de nid, etc.
les centroïdes des classes et le pixel à classifier. Parmi ces Aussi, le nid est construit sans que les insectes soient dirigés,
méthodes, nous citons la méthode ISODATA et la méthode ils répondent à un certain nombre de stimuli provenant de
des K-means (ou K moyennes) dont le principe est rappelé leur environnement, 2) dans le cas d'une formation d'oiseaux
comme suit [4] : migrateurs, chaque oiseau essaie simplement de rester près
de son voisin tout en évitant la collision avec lui. De plus,
CNTA ’09 Université A.MIRA BEJAIA
contrairement à ce que l'on pourrait penser, il n'y a pas de Ces chercheurs sont arrivés à entrevoir les règles utilisées
chef, chaque oiseau pouvant se trouver en tête de formation, par les fourmis et qui sont relativement simples : lorsqu’une
au milieu ou à l'arrière de la formation. La forme fourmi rencontre un élément du couvain, la probabilité
caractéristique en V de telles populations n'est donc en rien qu’elle s’en empare est d’autant plus grande que cet élément
calculée, elle résulte uniquement de l'émergence d'une forme est isolé. Lorsqu’une fourmi transporte un élément du
stable étant donné des comportements individuels simples. couvain, elle le dépose avec une probabilité d’autant plus
grande que la densité d´éléments du même type dans le
D’importantes recherches ont eu pour intérêt principal voisinage est grande. Ainsi, la classification fait partie de ces
l’étude de ces comportements intelligents afin de savoir problèmes pour lesquels un algorithme à base de fourmis
comment ces populations interagissaient, accomplissaient suggère des heuristiques très intéressantes.
des tâches et évoluaient. Ces recherches ont abouti à des
modélisations qui caractérisent ce que l’on dénomme
« l’intelligence en essaims » [8]. Ainsi, on retrouve deux A. Algorithme AntClass
types d’algorithmes [1] : 1) les algorithmes à base des AntClass est un nouvel algorithme de classification non
fourmis artificielles inspirés du processus d’auto- supervisée. Il découvre automatiquement les classes dans des
organisation observé chez les fourmis pour l’organisation données numériques sans connaître le nombre de classes a
collective de la colonie (construction du nid, recherche de la priori, sans partition initiale et sans paramétrages délicat.
nourriture, tri du couvain, etc.) et 2) les algorithmes Pour classer des données, ou partitionner un ensemble
d’optimisation à essaim de particules inspirés du processus d’objets, de nombreux algorithmes classiques, tels que les
d’auto-organisation observé chez certaines espèces volantes centres mobiles ou Isodata, requièrent qu’une partition
(oiseaux, criquets, etc.) pour un déplacement harmonieux et initiale soit donnée en entrée. C’est l’inconvénient majeur de
ordonné dans un essaim stable. ces méthodes : la partition obtenue à partir de cette
Dans cet article, nous nous intéressons à l’algorithme initialisation risque d’être localement optimale et le seul
AntClass basé sur le concept de l’auto-organisation dans une moyen d’y remédier est de relancer la méthode avec une
colonie de fourmis. partition initiale différente. En outre, le nombre de classes
exigé par ces méthodes diminue leur intérêt pour un expert
IV. CLASSIFICATION AVEC LES FOURMIS
cherchant justement à connaître ce nombre de classes.
Dans la nature, les fourmis réelles offrent un modèle L’algorithme AntClass utilise les principes exploratoires
stimulant pour le problème du partitionnement et de la stochastiques d’une colonie de fourmis. Ces dernières se
classification. La constitution de cimetières, le tri collectif du déplacent sur une grille à deux dimensions et peuvent
couvain quand il est dérangé, et le rassemblement des œufs transporter des objets. La saisie ou le dépôt d’un objet sur un
en fonction de leur état de développement, sont les exemples tas dépend de la similarité entre cet objet et les objets du tas.
les plus marquants.
B. Heuristiques de AntClass [7]
Certains travaux expérimentaux montrent que certaines
espèces de fourmis sont capables d’organiser spatialement 1. Quand la fourmi transporte un objet, elle explore les
divers éléments du couvain : les œufs, les larves et les huit cases de son entourage. Si elle trouve une case contenant
nymphes. La Fig. 1 illustre, à travers quatre images, un ou plusieurs objets, sa probabilité P d (o i , T) de déposer
l’expérience menée par Deneubourg et ses collègues [6], [7] l’objet o i sur le tas T est donnée par :
qui a consisté à analyser dans un couvain, le comportement 1 si d (oi , Ocenter (T )) ≤ d Ocenter *
(T )
des fourmis de l’espèce Messor sancta. L’expérience a duré
Pd (o i , T ) = d (oi , Ocenter (T )) k2
26 heures.
1 − 0.9 min d (T )
, 1 sinon
(1)
Où k 2 est un paramètre réel positif permettant de contrôler la
forme de la densité de P d (o i , T). Deux cas se présentent :
a. Si l’objet o i transporté par la fourmi est moins éloigné
du centre de gravité du tas T que l’objet du tas le plus éloigné
de ce centre, elle dépose systématiquement o i . Sinon, plus la
distance entre l’objet et le centre du tas est grande par
rapport à la distance moyenne entre les objets de la base, plus
la probabilité de le déposer sera faible.
b. Si la capacité de la fourmi est supérieure à 1 et qu’elle
Figure 1. Expérience du tri du couvain chez les Messor sancta. 4 images transporte plusieurs objets, la probabilité de déposer le tas T 1
prises (de gauche à droite) à l’état initial, 2 heures, 6 heures et 26 heures qu’elle transporte sur le tas T 2 est calculée de la même façon
après le début de l’expérience que pour un objet unique en remplaçant o i par le centre de
gravité des objets transportés.
CNTA ’09 Université A.MIRA BEJAIA
2. Quand une fourmi a k ne transporte pas d’objet, elle Dans le but d’accélérer la convergence du processus de
cherche un objet à ramasser en considérant les huit cases de classification, les paramètres T create et T remove ont été rajoutés
son voisinage. Dès qu’un objet ou un tas d’objet ait été dans l’algorithme. Ce sont des heuristiques simples mais qui
trouvé, sa probabilité de ramasser cet objet ou ce tas est permettent d’obtenir des tas plus homogènes, ce qui limite
donnée par le système d’équations suivant : les erreurs de classification :
a. Une fourmi ne pourra ramasser un objet d’un tas que si
la dissimilitude de cet objet avec le centre de gravité de ce
1 si T = 1 tas est supérieure à un seuil fixé T remove .
k1
d Ocenter (T )
b. Une fourmi ne pourra déposer un objet sur un tas que
Pp (T ) = min si l’objet qu’elle transporte est suffisamment similaire au
d (T ) , 1 si T = 2 centre de gravité du tas par rapport à un seuil fixé T create .
k
c. Le nombre de classes généré par l’algorithme AntClass
d Ocenter (T ) + ε 1 est toujours surestimé (des petits tas très homogènes), surtout
1 − 0.9 d * sinon lorsque les données à classifier sont importantes. Pour
Ocenter (T ) + ε réduire ce nombre de classes, l’algorithme AntClass prévoit
(2) une deuxième étape dans le processus de classification. Cette
Où T est le nombre d’objets dans le tas, k 1 est un paramètre étape dont le but est l’affinage du résultat de la première
étape, consiste à considérer les petits tas comme des objets
réel positif permettant de contrôler la forme de la densité de eux-mêmes et appliquer les fourmis sur ces objets
P p (T) quand T 〉 1 et ε est une valeur positive. La fourmi nouvellement définis. Pour traiter les tas d’objets par les
ramasse l’objet le plus éloigné du centre de gravité du tas. fourmis, on a simplement adapté l’algorithme décrit
Les cas suivants se présentent : précédemment : les fourmis seront désormais capables de
( )
a. Si la case ne contient qu’un seul objet T = 1 , il est
transporter un tas entier d’objets.
systématiquement ramassé par la fourmi.
(
b. Si la case contient un tas de deux objets T = 2 , la ) V. ADAPTATION DE ANT CLASS POUR LA CLASSIFICATION
DES IMAGES SATELLITAIRES
probabilité de ramasser l’un des deux objets dépend de la L’algorithme AntClass que nous avons adapté à la
distance entre les deux objets et le centre de gravité et la
( )
classification des images satellitaires [1] se déroule en deux
distance moyenne entre tous les objets d (T ) . étapes.
c. Enfin, si le tas se compose de plus de deux objets, la
probabilité P p est proche de 1 quand la distance moyenne au A. Première étape – AntClass stochastique
centre est négligeable devant la distance au centre de l’objet Cette étape consiste en une application directe de
le plus éloigné. Si la capacité de la fourmi est supérieure à 1, l’algorithme AntClass décrit précédemment. La colonie de
elle ramasse autant d’objets que sa capacité le lui permet. fourmis est disposée suivant une loi aléatoire uniforme sur
la grille contenant les pixels de l’image à classifier. Les
C. Structure de AntClass
règles et les heuristiques qui simulent le comportement
La structure générale de l’algorithme AntClass est naturel des fourmis restent sensiblement les mêmes, les
donnée comme suit : principales modifications se situent au niveau des points
Début suivants :
Pour t = 1 à F faire /* F est le nombre de déplacement */ a. La génération de la grille spécifiée initialement par
Pour k =1 à N faire /* N est le Nombre de fourmis a k */ AntClass entraîne un temps de traitement très important.
Déplacer a k sur une case non occupée par une autre fourmi Pour notre application, et dans le but de réduire le temps de
Si il y a un tas d’objets T sur la même case que a k alors calcul, l’image multispectrale à classifier est assimilée à la
Si la fourmi a k transporte un objet o i alors grille bidimensionnelle sur laquelle se déplaceront les
Déposer l’objet o i sur le tas T avec la probabilité P d (o i , T) fourmis. Sa taille est donc déterminée automatiquement en
sinon /* la fourmi ne transporte pas d’objet */ fonction des dimensions de cette image.
Ramasser l’objet o i le plus dissimilaire du t as T jusqu’à ce b. AntClass suggère l’utilisation d’une grille toroïdale de
que la capacité de la fourmi soit atteinte ou que le tas soit manière à ce que les fourmis passent d’un côté à un autre
vide, selon la probabilité P p (T) côté de la grille en un seul pas. Dans le cas contraire,
Finsi l’algorithme peut provoquer des effets de bords indésirables.
Finsi Pour simuler la forme toroïdale de la grille, nous avons
Finpour simplement relié virtuellement les bords de l’image
Finpour multispectrale. Quand une fourmi atteint un bord de la
Retourner à la grille G. grille, elle disparaît et réapparaît du côté opposé de la grille.
Fin
CNTA ’09 Université A.MIRA BEJAIA
VI. APPLICATION, RESULTATS ET EVALUATION Figure 3. Résultats de AntClass sur les données simulées
L’application de Antclass requiert principalement la
spécification de trois paramètres : le nombre de fourmis et Suite à différents tests, nous avons remarqué, qu’une
T create et T remove . Les fourmis dont le nombre varie selon le fourmi est capable de détecter 19 sous classes contenues
nombre d’objet à classer, vont manipuler des pixels de dans les 05 classes principale de l’image simulée, mais, elle
valeurs comprises entre 0 et 255. Donc, la valeur minimale n’arrive à scruter que 2% des pixels de l’image et laisse,
de T create est égale à 0. Quant à la valeur maximale de donc, 98% de pixels libres. Avec 100 fourmis (Fig.3.a), le
T remove , elle est égale à 255(Nb_bandes)1/2 où Nb-bandes est nombre de classes trouvées passe à 30 et le nombre de
le nombre de bandes spectrales de l’image à classifier. De ce pixels libres chute à 9%. Avec 300 fourmis tous les pixels
fait, plus T create est faible (tend vers 0), plus la création de sont visités (0% pixels libres), mais le nombre de classes
tas (ou classes) homogènes est assurée, et plus T remove est reste constant. Ceci s’explique par le fait que d’une part, une
élevé (tend vers 1), plus la possibilité de destruction de tas fourmi ne regarde pas un pixel déjà étiqueté par la fourmi
(ou classes) homogènes est faible. précédente, et d’autre part, le mode de fonction de AntClass
est décentralisé, c'est-à-dire, chaque fourmi dispose d’une
A. Application sur des données simulées
vision locale de son environnement, et ne continue pas le
Nous avons construit une image multibande qui simule travail d’une autre fourmi. Ainsi, nous avons fixé le nombre
une image à 03 canaux spectraux avec 05 classes distinctes : de fourmis à 250 (Fig.3.b) et nous avons introduit
l’eau, la végétation dense, le sol nu, l’urbain et la végétation l’algorithme AntClass déterministe pour d’abord, classifier
moins dense. Lors de la simulation, nous avons essayé de les quelques pixels libres non encore testés (Fig.3.c),
respecter la signature spectrale de chaque classe. Ces ensuite, fusionner les classes similaires pour diminuer le
données sont présentées par la Fig.2.a La partition initiale de nombre de classes surestimé et aboutir à la classification
cette image est donnée par la Fig.2.b. Les résultats de la finale avec 05 classes uniquement (Fig.3.d).
classification en fonction du nombre de fourmis et de T create
(0.01) et T remove (0.09) sont donnés par les Fig.3.a, b, c et d.
CNTA ’09 Université A.MIRA BEJAIA
B. Application sur des données réelles Avec 250 fourmis, la plus grande partie des pixels est
Nous avons choisi une image multispectrale couvrant la classifiée dans l’une des 123 classes découvertes
région nord-est de la ville d’Alger, acquise par le capteur initialement. Les 0.8% pixels libres dont la majorité est
ETM+ du satellite Landsat-7, le 03 juin 2001. L’image située sur le bord droit et le bord inférieur, sont étiquetés au
comporte six bandes spectrales avec une résolution spatiale second tour durant lequel la partition finale est aussi obtenue
de 30mx30m et une taille de 256x256 pixels (Fig.4). par l’agrégation des classes similaires (Fig.5) et l’arrivée
ainsi, à 07 classes bien séparables. Comparé au résultat de
El Hamiz K-means (Fig.6), AntClass présente deux grands avantages :
d’abord, il ne nécessite aucune spécification du nombre de
Bab classes à l’entrée, et puis les fourmis sont très sensibles aux
Ezzouar faibles variations spectrales des classes, d’où la richesse
Dar El structurelle et texturale du résultat obtenu (notamment la
Beida Aéroport
d’Alger
bonne discrimination du réseau routier).
VII. CONCLUSION ET PERSPECTIVES
Végétation
Dans cet article, nous avons présenté un nouvel
algorithme de classification automatique « AntClass »
Sol nu
s’inspirant du comportement d’auto-organisation d’une
colonie de fourmis. Suite aux résultats obtenus, nous
pouvons dire que AntClass est un classifieur très intéressant.
Figure 4. Composition colorée de l’image de test Il découvre automatiquement les classes dans des données
numériques sans connaître le nombre de classes a pr iori,
La considération de l’image de télédétection a nécessité sans partition initiale et sans paramétrages délicat. Nous
d’autres valeurs pour les paramètres T create et T remove . Nous avons de démontré qu’il peut être adapté efficacement à la
les avons fixées d’une manière empirique à 0.008 et 0.96 classification contextuelle (il intègre le contexte spatial) des
respectivement. Etant donné que le nombre de pixels à données satellitaires multispectrales. Cependant, et comme
classifier est le même que pour l’image simulée (256x256), cette efficacité dépend des paramètres T create et T remove , nous
alors le nombre de 250 fourmis a été retenu. Le résultat final proposons pour la suite de nos travaux de recherche, de
est présenté par la Fig.5 et est comparé au résultat obtenu revoir l’introduction de ces paramètres dans l’algorithme. Il
par l’algorithme K-means (07 classes) donné par la Fig.6. serait, peut être, judicieux de les calculer d’une manière
automatique en fonction des données à classifier, ou alors, de
les déclarer comme des variables incrémentales avec le
passage de chaque fourmi. Aussi, il est important de valider
sur le plan spectral la nature thématique des classes obtenues.
REFERENCES
[1] R. Khedam, « Contribution au développement de méthodologies de
fusion/classification d’images satellitaires multisources », Thèse de
Doctorat en Eléctronique, USTHB, 2008, p.200.
[2] J. A, Richards, “Remote Sensing Digital Image Analysis”, An
Introduction. 2nd Edition, Springer-Verlag, Berlin, 1993.
[3] L. Jourdan, « Métaheuristiques pour l’extraction de connaissances :
application à la génomique ». Thèse pour obtenir le grade de Docteur
de l’U.S.T.L. Discipline : Informatique. Université des Sciences et
Technologies de Lille, Lille, 2003, p. 224.
Figure 5. Résultat final de AntClass
[4] G. Celleux, E. Diday, G. Govaert, Y. Lechevallier, H.
Ralambondrainy, « Classification automatique des données.» Editions
Dunod Informatique, Paris, 1989.
[5] J. Dréo, A. Pétrowski, P. Siarry, E. Taillard, « Métaheuristiques pour
l’optimisation difficile ». Edition Eyrolles, 2003, Chapitre 4, pp. 115-
141.
[6] J. Deneubourg, « Application de l’ordre par fluctuations à la
description de certaines étapes de la construction du nid chez les
termites ». Insectes Sociaux, (1977), pp. 117-130.
[7] N. Monmarché, « Algorithmes de fourmis artificielles : applications à
la classification et à l’optimisation ». Thèse de Doctorat de
l’université de Tours. Discipline : Informatique. Université François
Rabelais, Tours, 2000, p. 231.
[8] E. Bonabeau, G. Theraulaz, Intelligence collective, Hermes, 1994.
ABSTRACT
Ce travail a pour but la mise en place d’un système d’intégration des données multisources pour
le suivi de la pollution marine des zones côtières. Le modèle conçu fonctionne en parallèle entre
les donné es R ASTER et l es donné es ve ctorielles. Le s ystème de gestion de ba se de donn ées
choisie est le MSOFFICE pour faciliter l’application et la rendre disponible à tout utilisateur. En
ce qui concerne l a partie image nous avons développé une technique qui permet la création du
trait de côt e à pa rtir de s ima ges s atellites r apidement. D’autre pa rt l e s ystème dé veloppé es t
conviviale pui sque est communication a vec t out l ogiciel S IG pr ofessionnel. P our l ’analyse
thématique des cartes de la concentration des métaux lourds sont développées. Une vue directe
des différentes cartes nous montre que la partie centrale de la baie d’Alger présente un taux élevé
des di fférents pol luants. L’analyse s tatistique es t ef fectuée pa r E xcel en communicant ave c l a
banque de données.
1 INTRODUCTION
L’Algérie possède une côte de 1300 km de longueur. Pratiquement 60-70% de la population
vive dans les zones côtières. Ces zones sont en transformation rapide en occupation du sol cela à
des cons équences di rectes s ur l a qua lité de s e aux m arines sous l es ef fets na turelles et act ions
humaines. Le suivi des transformations s’effectue :
(i) directement par observation spatiale (photos aériennes ou images satellites)
(ii) indirecte en étudiant les qualités des eaux côtières.
L’approche spatiale offre une vue synoptique globale de la région qui peut servir comme un fond
de car te num érique d’ une pa rt m ais aus si ces i mages pe uvent s e t ransformer en certains
paramètres indicateurs de la pollution et de la pression démographique. L’utilisation simultanée
des i mages s atellites et des m esures l ocales nou s pe rmet d ’effectuer un e ét ude qu antitative et
qualitative (Bachari N. I & Houma F., 2006).
2. ZONE D’ETUDE
La b aie d’ Alger s e s itue au cœur du l ittoral a lgérois, elle s ’inscrit en c reux dans l a pl aine de
Mitidja, caractérisée par sa forme semi circulaire, délimitée au nord par la mer méditerranée, à
l’ouest par la pointe Pescade (3°00’E) et cap Matifou (3°18’E) à l’est (Fig1). Elle s’étale sur une
surface de 7Km de nord au sud et de 18 Km d’est en ouest. Nous avons oued El Hamiz et oued
El H arrach, dr ainent l es eaux us ées dom estiques et i ndustrielles, les eaux de ruissellement et
d'irrigation des zones de la Mitidja qu'ils traversent. Les eaux usées urbaines de la ville d'Alger,
des vi lles c ôtières e t d es uni tés indus trielles s ont dr ainées ve rs le po rt ou la ba ie d 'Alger s ans
traitement : 70 points de rejets dont 26 rejets dans le port d'Alger. Dans cette zone, le facteur de
dégradation lié aux act ivités a nthropiques est i mportant. En effet, les rejets di rects pa r l es
CNTA ’09 Université A.MIRA BEJAIA
Cap Matifou
18 km
Pointe Pescade
SITUATION GEOGRAPHIQUE
Prétraitement
Edition
Stockage Mise à jour Manipulation et
Requête analyse de données
Gestion de données
Visualisation
Figure.3 Cartes fond marin avec les informations numériques des différentes classes
CNTA ’09 Université A.MIRA BEJAIA
4. Traitement d’information.
4.1 Traitement statistique
Pour t oute a nalyse t hématique nous a vons be soin d’effectuer une analyse s tatistique à t itre
quantitative/qualitative. Cette analyse est importante afin d’observer les différentes corrélations
et les comparaisons spatiales/temporelles entre les paramètres physico-chimiques.
1-Descreptive
2-Test
3-ANOVA
4-ACP
Pour rendre notre système souple et puissant une communication avec l’outil Excel est effectuée.
Cette com munication permet d’ échanger l es don nées ent re l es de ux s ystèmes et i ntégrées l es
résultats da ns l e s ystème d’ affichage de s ca rtes t hématiques. A t itre d’ exemple nous a vons
comparé l es paramètres physico-chimiques m esurées i n-situ entre le s r égions E st e t O uest pa r
l’ANOVA ou les résultats nous donnent un rejet d’égales des moyennes au seuil de 5%.
4.1.2 Analyse de la répartition des métaux traces dans les sédiments superficiels
Afin de mettre en évidence le lien entre les variables et les stations de prélèvement dans la baie
d’Alger, une ACP a été réalisée à partir des valeurs des métaux obtenus dans 16 stations.
Variables Pb Cd Cr Zn Cu Mn
Pb 1
Cd 0,2757 1
Cr 0,69059 0,10951 1
Zn 0,18798 -0,03366 0,29071 1
Cu 0,92678 0,30143 0,74272 0,20803 1
Mn 0,35713 0,43187 0,48841 0,32164 0,61474 1
Min- Max 17.50-117 0.15- 1.79 11.4- 83.60 71.5- 322.10 14.25- 80.5 108.55- 349.9
Moyennes 43,875 0,8775 34,86875 190,60625 33,10625 234,7625
Ecarts-t 25,96119 0,45654 16,13038 69,50953 15,43661 58,73617
Nb Obs. 16
Cv % 59,17 52,03 46,26 36,47 46,63 25,02
Les r ésultats de c orrélation m ontrent que t outes l es va riables s ont c orrélées pos itivement, et
seulement une corrélation est négative celle du Zinc (Zn) et le Cadmium (Cd). La corrélation est
bonne e ntre l e pl omb, l e c uivre e t l e C hrome, l e r este de s va riables pr ésentes de s c orrélations
faibles. Le coefficient de va riation nous m ontre, que l a di spersion e st bonne ( distribution
homogène a utour de l a moyenne) pour l es va riables P b, C d, C r, C u e t Zn, e t e lle est m odérée
pour le Mn (distribution hétérogène a utour de la moyenne). Les résultats obtenus montrent que
les trois premières composantes principales contiennent environ 86.77 % de l’information (axe I:
53.14%, axe II: 17.98% et axe III: 15.64% ).La question s uivante est qu elle est l a va riable qui
contribue l e pl us à l a f ormation des ax es. L'examen du t ableau de s c ontributions de s va riables
montre que les variables qui ont un r ôle dominant dans l a formation des axes sont: Axe I : le
plomb, le cuivre et le Chrome ; Axe II : Le cadmium ; Axe III .
4.1.3 Interprétation
En examinant la projection des variables sur les trois axes principales, on constate :
1. A ucune va riable n'a un r ôle dom inant d ans l 'orientation des ax es f actoriels. Le groupe de s
variables Cu, Pb, Cr et Mn semble bien expliqués par l’axe I, par contre les variable Cd et Zn
sont bien expliquées par l’axe II et enfin le Zn est bien individualisé par l’axe III.
2. La projection des stations mis en évidence la dominance de la station B3 dans la formation de
l’axe I. Cette station présente les concentrations maximales des métaux : Cu, Pb, Cr et Mn. La
station A2 est bien représentée par l’axe II, elle possède la concentration maximale du cadmium.
L’axe III est expliqué par la station CD2, elle aussi présente la concentration maximale du zinc.
CNTA ’09 Université A.MIRA BEJAIA
L’ACP nous a pe rmis de r essortir l es s tations le s pl us pol luées e t l ’origine des éléments
polluants. La station B3 présente un maximum de pollution par les métaux Cu, Pb, Cr et Mn, et
les stations A2 et CD2 est plus polluées successivement par le Cd et le Zn.
Les SIG nous offrent tous les outils modernes pour créer des cartes, y intégrer des informations
résoudre de s pr oblèmes com plexes, présenter e fficacement nos i dées e t m ettre en place d es
solutions ef ficaces com me j amais aupa ravant (Borda L . B ., 2003 ). La r eprésentation ou
visualisation des résultats sous forme cartographique constitue, en quelque sorte, la finalité de la
démarche d’évaluation de la qualité des eaux côtière, qui représente l’information géographique
d’une manière visuelle et accessible à tous. La représentation d’un paramètre peut permettre à
l’utilisateur de tr ouver r apidement une explication a u ph énomène étudié (AIEA., 2001 ).
L’interpolation e st t rès e fficace pour i dentifier l es r égions ou l es c oncentrations s ont
particulièrement élevées.
4.2.1. Plomb :
4.2.2 Cadmium :
Les c oncentrations l es plus é levées s e t rouvent a u ni veau du por t d ’Alger, d ans l a pa rtie
occidentale ( Bab El O ued) et da ns l a pa rtie or ientale ( Bordj E l B ahri), l a z one cent rale es t
caractérisé p ar de s con centrations f aibles. Ce m étal s e r épartie uni formément da ns l a ba ie, il
semble être lié aux r ejets littoraux (oueds, égouts urbains, métallurgie au niveau de oued Smar,
industrie pl astique d’ El-Harrach, papeterie et i mprimerie….) et à la p ollution atmosphérique
(production du ciment au niveau d’Alger et Rais-Hamidou).
4.2.3 Chrome :
Figure.8. Distribution spatiale du chrome dans la baie d’Alger
Les t eneurs m aximales du c hrome s e t rouvent a u ni veau de l a s tation B 3, a u dr oit de
l’embouchure d’oued El Harrach, ainsi qu’au niveau de l’embouchure d’oued Hamiz mais avec
moins d’ampleur. Les concentrations les plus élevées se situent au niveau de Oued El-Harrach et
Oued E l-Hamiz. Les f ortes c oncentrations s ont is sues de s r ejets indus triels di rects ou indirects
dans ces O ued des uni tés s uivantes (unité S .N.I.C-Reghaia, Rouïba, métallurgie O ued S mar,
céramique Kouba Alger).
4.2.4 Zinc:
4.2.5 Cuivre :
4.2.6 Manganèse :
A part les teneurs faibles du large, le manganèse se répartir uniformément dans la baie d’Alger.
Les fortes concentrations à l’ouest de la baie prés des principaux émissaires d’eaux résiduaire et
du port d’Alger. Par contre les teneurs les moins élevées sont au centre de la baie. Les industries
responsables de rejet de ce m étal sont (unité SN metal-Alger ; fondrie-Braki, El-Harrach ; unité
CEL PAP du papier- Oued Smar).
4.3 Discussion
Les di fférentes c artes r éalisées ( avec di fférentes va riables) ont m ontrés de s f ortes va riations
locales pour l e pl omb, l e c hrome, le cuivre et l e z inc, ainsi une r épartition hom ogène pou r l e
cadmium et le manganèse. Cette irrégularité de la répartition des métaux peut être expliquée par
le com portement s pécifique de cha que él ément, ainsi que pa r l a pr ovenance et l e cont enue de s
rejets dans la baie d’Alger.
5. CONCLUSION
Ce travail a pour objet la mise en place d’un système d’intégration des données RASTER avec
des donné es ve ctorielles pour l a c réation d’ une ba se de donné es s pécifiques à l ’analyse
numérique d es m esures in-situ a vec une r eprésentation c artographique adéquate. Nous a vons
conçus un s chéma c onceptuel pour l ’intégration de s donné es qui f onctionne e n parallèle d’une
part l es i mages et d ’autre pa rt l es donné e a cquises i n-situ.. P our l a réalisation de not re t ravail
notre c hoix a é té opt é pour de s l ogiciels M SOFFICE vu l eurs di sponibilités da ns t outes les
machines. Nous avons opté à r éaliser de s communications avec d es S IG pr ofessionnels pou r
toute ét ude géoréférenciées. Notre appr oche consiste à cr éer de s obj ets SIG p réparées pour l a
région pour f aciliter l ’intégration de s donné es n umériques e n donné es c artographiques. Cette
étude, nous a permis d’établir une banque de données géoréferenciées sur les concentrations des
différents polluants de la baie d’Alger. L’analyse spatiale des cartes des polluants métaux lourds
montre que la distribution de ces métaux est hétérogène dans la baie avec une forte concentration
au c entre de l a b aie. La f orte concentration da ns l e c entre de ba ie s ’explique pa r l a f orme
topographique de la baie et par la circulation de l’eau dans la baie.
Notre travail n’est qu’un essai de conception d’un outil qui peut remédier à ce problème, il peut
aider l’ utilisateur s ’il d ispose de donné es à le s int égrer facilement, avec la pos sibilité de
sécuriser les données, de les mettre à j our et en plus de les représenter et les vi sualiser sur des
cartes, effectuer de s analyses s ur c es donné es pour obt enir une ba se de donné e t ouristique
enrichie d’informations.
Bibliographie
Bachari N. I & Houma F., 2006. Approche SIG pour l'analyse de la pollution marine de la baie
d'Alger. Proceeding du premier c ongrès M éditerranéen d'Océanologie, du 20 -22 N ovembre
2006, Sidi Fredj- Alger Algérie. P:58.
Bachari N. I & Houma F., 2006. Détermination des cartes bathymétriques des zones côtières à
partir des images satellites. Rapport du premier congrès Méditerranéen d'Océanologie, du 20-22
Novembre 2006, Sidi Fredj- Alger Algérie. P:16.
Rebzani-Zahaf C ., 2003 . Les pe uplements m acrobenthiques des m ilieux por tuaires de l a côt e
algériennes: Alger, Bejaia et Skikda. Thèse Doctorat. Océanographie. USTHB, Alger. 244p.
Borda L. B ., 2003. Apport des systèmes d’information géographique (SIG) pour la surveillance
et l’évaluation de la qualité des eaux côtières. Une contribution à la gestion intégrée de la zone
côtière Colombienne. Thèse de Doctorat en science technique. Ecole Polytechnique Fédérale de
Lausanne (EPFL). 213p.
Department of Computer Engineering, Faculty of Science, University of Science and Technology. P.O.B. 29031
U.S.T.O., Oran 31036, Algeria.
Fax: 00 213 41 325936 Email: alihassounea@yahoo.fr
Résumé - Le service multimédia mobile connaît une ex tension ayant pour fonction la gestion de ces technologies mobiles
phénoménale s urtout da ns l e do maine de s no uvelles t echnologies comme le MIP (Mobile Internet Protocol).
de l ’information et d e la co mmunication. P our la m ise en œ uvre Tout au long de ce présent mémoire nous allons citer les
de ce s ervice, u ne ét ude co mparative d es d ifférents p rotocoles d e mécanismes de fonctionnement de certains protocoles dédiés
signalisation, m obilité a insi q ue l es d ifférentes a rchitectures
au transport du multimédia (Audio et Vidéo) et à la gestion
client/ serveur s’avère plus que nécessaire.
Le choix a ét é orienté vers deux protocoles: L e premier étant de la mobilité.
SIP p our la s ignalisation, et c ela p our sa s implicité, r apidité et C’est dans cette thématique que vient s’inscrire notre
légèreté d’utilisation t out en ét ant très complet par rapport à ces manuscrit qui est « Le Service Multimédia Mobile ».
concurrents ( MGCP et H 323). L e d euxième p rotocole ét ant À cet effet, notre présent manuscrit est organisé comme suit :
RTP/RTCP p our l e co ntrôle d es flux m ultimédia en t emps réel, Partie1 : présente les différents protocoles de signalisation
basée sur une architecture point à point. Partie2 : présente la notion de la mobilité et les protocoles qui
Notre a pplication SMAV rep résente une p late-forme p our gère la mobilité
toute application m ultimédia. E lle es t portable s ur l es d ifférents Partie4 : Conception et implémentation du SMAV
types d e rés eaux ( filaire et s ans f il). E lle est co nstituée d e trois
modules disjoints où chacun a une fonction précise.
SMAV peut êt re étendu à u ne architecture C lient/Serveur en Nous concluons notre travail par une synthèse sur l’étude
incluant le mode multicast. faite, l’approche retenue et d’éventuelles perspectives.
L’intégration de l a co nversion d’adresses I P s elon l e
mécanisme N AT ren d l a p late-forme o pérationnelle s ur les I.1.1 Présentation de MGCP
réseaux étendus.
MGCP est le sigle de Media Gateway Control Protocol,
Mots clés : SIP, RTP/RTCP, Client/Serveur, Mobilité, VoixIP,
visioconférence
développé par Telecordia et Level 3 Communications. Il est
défini dans le RFC 2705 en 1998. C'est un protocole
(Client/Serveur) de VoIP (Voice Over IP). Il sert à l'échange
de messages de signalisation entre un contrôleur de
INTRODUCTION passerelles de médias et des passerelles réparties dans un
La fonctionnalité multimédia impose des exigences au réseau réseau IP. Pour l'établissement et la libération des
comme (Temps réel , Q oS et ordonnancement … ). Pour connexions, MGCP se sert de signaux et d'événements.
satisfaire ces exigences, des protocoles ont vu le jour. Ces
protocoles ont été classés selon leur fonction première. Il y a Les différents éléments qui utilisent MGCP sont:
ceux de signalisation tels que SIP (Session Initialisation
Protocol), H323, MGCP (Media Gateway Control Protocol), • Le Media GateWay (MGW) : est le point d’entrée ou
et il y a ceux qui gèrent le contrôle des flux tels que de sortie des flux média à l’interface avec les réseaux IP et
RTP/RTCP (Real Time Protocol / Real Time Control téléphoniques. Le MGW effectue la conversion des médias
Protocol). entre le mode circuit (téléphonique) en le mode paquet (IP).
Les contraintes citées ci-dessus ne restent pas les seules, vu la • Le Media Gateway Controller (MGC) ou Call Agent :
migration des réseaux vers de nouvelles technologies de se charge de l’enregistrement, la gestion et les contrôles des
liaisons. Cette migration est caractérisée par l’apparition des ressources des Media Gateway. Il coordonne l’établissement,
réseaux sans fils. Ces réseaux ne cessent de se développer le contrôle et la fin des flux média qui transitent par la Media
citant les réseaux satellitaires, les réseaux radio et les réseaux Gateway.
WIFI. Toutes ces nouvelles technologies ont entraîné • Le S ignalling Gateway : qui réalise l’interface entre le
l’apparition d’une nouvelle classe d’utilisateurs, dit les réseau de téléphonie (signalisation SS7) et le réseau IP.
ordinateurs mobiles, qui se déplacent d’un réseau à un autre
en entraînant à leur tour de nouvelles contraintes : des
La standardisation de MGCP a été stoppée pour faire place à
problèmes de routage et de transport. Pour palier à ces
MEGACO/H.248 (MEdia GAteway COntrol protocol).
nouvelles contraintes il fallait aussi développer un protocole
CNTA ’09 Université A.MIRA BEJAIA
l'appelant
provoque
son adresse temporaire primaire afin qu'ils puissent envoyer
une infinité directement les paquets destinés à la station mobile.
de requêtes
Signalisation Oui, par
Non Oui
Multicast défaut
II.2.3 Principales Fonctions de MIP
On peut décrire les fonctions de MIP comme suit:
Tableau 2. Comparaison entre SIP, H.323 et MEGACO/H.248
• Découverte d'agent
I.6 Conclusion • Enregistrement
• Le routage
La simplicité, la rapidité et la légèreté d’utilisation, tout en
étant très complet, du protocole de signalisation SIP sont II.3 Hierarchic Mobile IP(HMIP)
autant d’arguments qui pourraient permettre à SIP de HMIP est une amélioration du protocole MIP. Il a été créer à
convaincre les investisseurs. Pour le contrôle des flux de cause des inconvénients de MIP, surtout le temps perdu
données audio et vidéo en temps réel sachant qu’ils sont lorsque un mobile s'enregistre auprès de son agent mère à
transportés par le protocole UDP, le protocole RTP/RTCP est chaque fois qu'il se déplace.
le mieux adapté. Son but est de compléter les fonctionnalités de MIP pour
offrir une micromobilité aux utilisateurs et de réduire le
II. La mobilité temps d'enregistrement du mobile en utilisant des
II.2 Le protocole Mobile IP (MIP) enregistrements régionaux.
Le mobile peut se déplacer à l’intérieur du réseau visité sans
C’est un protocole développé par l’ IETF et défini dans le informer son agent mère de son déplacement. Le réseau visité
RFC3220. Son objectif principal est le maintien des dispose d'un GFA (Gateway Foreign Agent) et un ou
communications existantes entre la station mobile et ses plusieurs FA (Agent relais – Foreign Agent).
correspondants, même pendant les déplacements du mobile .
Les spécifications de ce protocole cherchent également à II.4 Conclusion
optimiser le routage le plus direct possible entre le mobile et Suite à l’exposé des quelques notions de base de la mobilité,
ses correspondants ainsi que le support de l’acheminement le principe de fonctionnement du protocole MIP et HMIP
des paquets multipoint entre le(s) mobile(s) et le reste des avec leurs différentes techniques de gestion de la mobilité
participants à une communication de groupe. comme la découverte d'agent, l'enregistrement et le routage,
Quand un mobile se déplace, à l’aide des techniques de nous avons opté pour le modèle sans infrastructure (point à
transmission sans fil, il est amené à s’attacher à des points point) qui semble être le plus approprié vu le manque de
d’accès divers situés généralement dans des (sous-)réseaux ressources matériels.
distincts. Cette contrainte entraîne pour le mobile un
changement d’adresse IP. En effet, un équipement IP est III Conception & Implémentation de SMAV
généralement identifié par une adresse appartenant au réseau
sur lequel il se trouve. Ce changement d’adresse entraîne III.1 Introduction
généralement la rupture des communications au niveau Suite à notre étude, le protocole SIP a été retenu comme
transport. solution pour la signalisation. C’est un protocole complet,
À travers le protocole IP Mobile, l’ IETF permet de masquer simple, modulaire, ouvert et rapide par rapport aux autres
ce changement aux applications utilisées entre le mobile et protocoles étudiés dans la 1ère partie. Aussi, Nous avons choisi
ses correspondants. Ceci consiste en premier lieu en le protocole RTP/RTCP pour le contrôle de flux de données.
l’utilisation de deux adresses IP pour un mobile: Notre application multimédia voix/vidéoconférence "SMAV"
• La ho me a ddress (Adresse m ère): est une adresse conçu selon une architecture point à point (sans infrastructure)
permanente utilisée pour identifier de manière unique l'hôte qui est la plus appropriée où les terminaux sont connectés aux
sur l'Internet. réseaux via une interface Bluetooth.
• La Care Of Address (COA) : est une adresse temporaire
utilisée pour router les datagrammes destinés à l'hôte mobile
au point d'attachement actuel de cet hôte. III.2 Présentation de l'application SMAV
III.3.2 SIPManager
Il est responsable de la signalisation. Il permet de faire des III.5 Mise en œuvre de SMAV
transactions telle que l'ouverture d'une sessions en manipulant
les objets SIPFactory, SIPStak, SIPProvider, SIPListener qui Selon la correspondance SMAV/ OSI, nous pouvons déduire
représentent les abstractions de l'API "JAIN-SIP". que la signalisation et le transfert des données en temps réel
sont indépendants du type de réseaux (filaire ou sans fil), car
la couche physique est indépendante de la couche application
et la couche transport. De ce fait, notre application est portable
sur tout type de réseaux.
Ce module détecte les périphériques de capture de multimédia III.5.2 Sur un réseau sans fil
connectés au terminal qui vont être utilisés comme source de Pour mettre en œuvre notre application sur un réseau sans fil,
la voix et de la vidéo. Il assure aussi leur transport à travers le nous avons utilisé des clés Bluetooth. Tout d’abord, il faut
réseau. créer un PLAN (Personal Local Area Network) pour affecter à
Ce module est composé en deux sous modules: chacun des deux postes une adresse IP. Pour ce faire, nous
AVTransmitter et AVReceiver avons utilisé le "Bluetooth Soleil d’ IVT Corporation" comme
AVTransmitter : est responsable de l'envoi des flux audio et logiciel de gestion de connexion entre les clés Bluetooth. Le
vidéo en utilisant le protocole RTP/RTCP. délai de transmission de données dans les réseaux sans fil
CNTA ’09 Université A.MIRA BEJAIA
varie entre 1 et 3 secondes et cela selon la distance entre les [8] "Session Initiation Protocol", RFC 3261, Juin 2001
deux nœuds mobiles qui varie entre 0 et 20 mètres. [9] SIP Center, « www.SIPcenter.com », 15-08-2005
[10] SIP Foundry , « www.SIPfoundry.com », 15-08-2005
[11] " IP Mobility Support", RFC 2002, Octobre 1996
III.6 Conclusion
[12] "Mobility Support for IPv4" , RFC 3220 , Janvier 2002
[13] Julien Danjou et Renaud Galante, "Mobile IP", 10-05-
Notre application "SMAV" de voix/vidéoconférence sur IP est 2006
basée sur le protocole SIP. Nous l'avons implémentée sur les [14] "Mobile IP et autres compagnons de voyage", Cartigny
réseaux filaires ainsi que sur les réseaux sans fil sur une Julien, Université de Lille 1, LIFL / équipe RD2P, 12-
architecture point à point. Elle est composée de plusieurs 05-2006
modules programmés dans un environnement Java en utilisant [15] "HMIPv6: A Hierarchical Mobile IPv6 Proposal",
plusieurs librairies tels que JMF et JAIN-SIP. Claude Castelluccia,
«http://citeseer.nj.nec.com/castelluccia00hmipv.html»
Conclusion générale et perspectives ,10-05-2006
[16] "Client- Serveur",«http://fr.wikipedia.org/wiki/client-
serveur »,06-12-2005
Tout au long de notre travail, nous avons commencé par [17] "Le CLIENT –SERVEUR" , Georges et Oliviers ,
l’étude du principe de fonctionnement de quelques protocoles Eyrolles, 2000
de signalisation ayant une relation directe avec le service [18] "Client-
multimédia mobile, pour choisir les protocoles les plus Serveur",«http://www.pps.jussieu.fr/Livres/ora/DA-
appropriés à notre thématique à travers une étude OCAML/book-ora188.html»,23-12-2005
comparative.
Notre choix a été orienté vers deux protocoles. Le premier
étant SIP pour la signalisation, et cela pour sa simplicité,
rapidité et légèreté d’utilisation tout en étant très complet par
rapport à ces concurrents (MGCP et H323). Le deuxième
protocole étant RTP/RTCP pour le contrôle des flux
multimédia en temps réel.
Ensuite nous avons illustré les différentes architectures
client/serveur et leur fonctionnement dans le but de choisir
l’architecture la plus appropriée à notre application (SMAV).
Ceci fait nous avons opté pour une architecture point à point
où les terminaux communiquent entre eux sans intermédiaire
(serveur Proxy ou middleware).
Dans un soucis de modularité et afin que notre application soit
une plateforme pour toute application multimédia portable sur
différents types de réseau, nous avons conçu notre
environnement selon une architecture point à point basée sur
une signalisation SIP en intégrant RTP/RTCP pour le contrôle
du flux multimédia temps réel. De ce fait, la conception ne
peut être que modulaire. SMAV est décomposée en trois
modules disjoints où chacun a des fonctionnalités bien
précises.
Pour des projets futurs, l’architecture de SMAV peut être
orientée vers une architecture client/serveur tout en incluant
un mode de communication multipoint (multicast) ainsi la
plateforme devient utilisable dans différents domaines
d’application des NTIC tel que le E-Learning.
De même, le problème de reconnaissance des adresses IP peut
être résolu en intégrant un mécanisme NAT rendant SMAV
extensible vers des réseaux étendus.
Références
V. TEST DE VALIDITE DU SCHEMA SG0 DANS axial et radial égal à 100, un nombre de pas en temps égal à
UNE CONFIGURATION BIDIMENSIONNELLE 400 et pour un CFL égal à 0.4 est donné en figure (12). On
Pour ces tests de validité, on résout l'équation (9) sans remarque que le profil de la densité initiale se propage
terme source et avec une diffusion des particules chargées comme convenu suivant la diagonale de l'espace inter-
négligeable. La densité initiale de profil gaussien utilisée électrodes. Ce profil est quasi identique à la propagation
dans ce test est de la forme: d'une décharge filamentaire haute pression.
0.6
1015
1014
5e+11
Densité électronique (cm-3)
1e+12 1013
0.8 1e+12
2e+12
1012
1011
Position axiale (ua)
0.6 1010
109
108
0.4
107
0.0 0.1 0.2 0.3 0.4 0.5
Position (cm)
0.2
Figure 4. Evolution de la densité électronique suivant l'axe de propagation
0.0
On représente aussi en deux dimensions l'évolution de la
0.0 0.2 0.4 0.6 0.8 densité électronique pour les instants 1.5 et 2.5 ns.
Position radiale (ua)
10
densité électronique suivant l'axe de propagation ont montré
10
10
11 les variations extrêmement rapides de ces paramètres au
niveau du front de propagation. Les courbes de niveaux ont
12
10
0.4 0.4 10
13
10
14
0.3 0.3
10
11 [7] D. Bessières, "Modélisation des décharges électriques
0.4 0.4
10
12
filamentaires", Thèse de doctorat à l'Université de Pau, 2006
13
10 [8] A. Flitti et A. Hamid A. " Two dimensional numerical
14
10
resolution of the drift-diffusion equation: application to
Position axiale (cm)
0.2 0.2
0.1 0.1
Author mailing: flittiche@yahoo.fr
0.0 0.0
-0.25 -0.20 -0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20 0.25
VIII. CONCLUSION