Théorème 2: l’application affine 44, AMC sur les
éléments de A, si elle existe, est inversible si et seulement si FA
contient au moins 3 points non-alignés.
La recherche du meilleur ensemble A parmi toutes les
parties de PgxPr est un probléme combinatoire plus complexe,
il peut être résolu en associant un coût à chaque partie de
PrxPr et en recherchant la partie ayant le coût minimal.
III.3.2 Fonction de coüt
Il s’agit ici de définir une fonction coût sur l'ensemble
des parties de PzxPr, qui soit minimale pour l’ensemble
optimal recherché :
Soit A une partie de PgxPr, vérifiant les conditions des
théorèmes 1 et 2, nous pouvons lui associer une transformation
$4, l'AMC sur les couples de A. La fonction coût que nous
proposons est la somme de deux termes. Le premier rend
compte des erreurs commises par la transformation $4 pour
chacun des éléments de A. Le second favorise les appariements
en pénalisant d’un coût élémentaire les primitives de la carte
n’ayant pas été appariées. Finalement, le coût associé à
l’ensemble A prend la forme suivante :
> 5p,(0)?+ Xr
ae A c€ E,
eit CA n mrs eA- vs (5)
oü EA est le complémentaire de E4 dans E.
La division par card (A) permet les appariements
multiples pour une primitive de la carte ou de l'image SPOT.
IIT.3.3 Génération et propagation d’ hypothéses
Le nombre de sous-ensembles de PzxPr (QNM ,avec N
et M variant de 50 à 100 pour des scènes de 10km x 10km, cf
tableau 1) n’autorise pas le calcul du coût de chacun d’entre
eux, une méthode par génération et propagation d’hypothèse
permet de réduire la combinatoire du problème.
Un amer étant défini comme l’appariement d’un point de la
carte et d’un point de l’image SPOT, à chaque couple de
primitives appariées est associé un amer défini par les centres
des disques de chaque primitives, que ce soit une
agglomération ou un carrefour.
Le principe de la méthode de génération et propagation
d’hypothèse est le suivant :
Génération : deux amers quelconques n’ayant pas de point
commun fournissent une transformation initiale $o, qui est la
similitude unique définie par ces deux amers (une similitude est
la composée d’une rotation,d’une homothétie et d’une
translation, ie. a, = b2 et a2 = —b, dans les équations (1) ).
Propagation cette transformation $g va permettre de
déterminer de nouveaux appariements, en acceptant les couples
de primitives (c , d ) tels que la distance du point $o(c) au
point d soit inférieure à un seuil donné. Avec ces amers une
nouvelle transformation ¢; sera calculée. $, est l’application
affine définie par une AMC sur les amers. Cette procédure est
itérée jusqu'à la convergence de l'ensemble des amers et de la
transformation associée.
Evaluation : le coüt de l'ensemble final d'amers est calculé.
Toutes les hypothèses possibles étant engendrées et
propagées, celle conduisant à l' ensemble d' appariements ayant
le coût le plus faible est conservée.
Remarque: il est possible, dans notre application,
d'initialiser le processus de propagation par une similitude, ce
qui ne nécessite que 2 amers, car la transformation affine finale
attendue entrée l'image SPOT et la carte est proche d'une
similitude. C'est-à-dire que les angles de rotations 8; et 6, sont
peu différents, de même pour les coefficients d'homothétie k
et k2 (voir figure 6), typiquement :
388
louer] Sor OU EE de YO)
- < e rer 1.
LE en min ( k; , k)
Ce processus de génération et de propagation d'hypothéses
étant défini, il convient de préciser quelles sont les primitives
qui seront utilisées pour engendrer, propager et évaluer les
hypothèses.
III.3.4 Choix d'une stratégie
L’optimisation du processus de mise en
correspondance, tant au niveau de la stabilité que du temps de
calcul, est déterminée par le choix des primitives pour chacune
des trois phases: génération, propagation et évaluation des
hypotheses. L'utilisation d'un type de primitive lors de l'une
de ces trois phases dépend de la stabilité de cette primitive, du
nombre de ces primitives et de la précision de leur localisation.
Génération le nombre d'hypothéses engendrées étant
proportionnel au carré du nombre de primitives de chaque
image utilisées dans la phase de génération, il est souhaitable
de resteindre cette phase aux primitives les plus stables.
D'autre part, il est important que les hypothéses engendrées
permettent de récupérer d'autres appariements de primitives, ce
qui nécessite un positionnement relativement fiable des
primitives, et entraine l'élimination des primitives trop grosses,
par exemple les villes trop importantes.
Propagation les primitives utilisées pour propager les
hypothéses sont déterminantes à la fois pour le temps de calcul
nécessaire à chaque propagation et pour la qualité du recalage
final. Supprimer des primitives pour accélérer le processus
risque de perturber la stabilité de la mise en correspondance.
Evaluation : les primitives sur lesquelles reposent l'évaluation
des hypothéses doivent permettrent de rendre compte, via le
calcul du coût défini par la formule (8), de la qualité du
recalage obtenu pour chaque hypothése propagée. A notre avis,
les primitives utilisées pour évaluer ‘une hypothèse doivent
nécessairement avoir été utilisées pour propager cette
hypothèses.
Afin d’appuyer le processus de mise en correspondance sur
les primitives les plus stables et de limiter les temps de calcul,
la stratégie retenue ici consiste à engendrer les hypothèses avec
les seules agglomérations et de les propager et de les évaluer
avec les deux types de primitives (agglomérations et
carrefours).
Remarque : nous avons accordé la même importance au
primitives extraites de la carte et de l’image SPOT, que ce soit
les agglomérations ou les carrefours. D’autres stratégies
peuvent être envisagées où les primitives de l’une ou l’autre
image auraient un rôle prépondérant.
Diverses solutions sont envisagables pour réduire les temps
de calcul. Pour notre application, nous avons choisi de ne pas
propager les hypothèses pour lesquelles la transformation
initiale $9 ne vérifie pas les restrictions apportées sur les
paramètres de la transformation recherchée (voir équations (3)).
Il ne s’agit pas ici d’une optimisation de la méthode, mais
d’une simple élimination, avant propagation, des hypothèses
les plus mauvaises.
111.4 Calcul de la transformation finale
Aprés l'étape de mise en correspondance, nous
disposons d’un ensemble d'appariements de primitives
provenant de la carte et de l'image SPOT. Le recalage calculé
à l'aide de la transformation ¢ associée a l’ensemble
d'appariements reste grossier du fait du manque de précision
sur la localisation exacte d'une primitive, que ce soit une
agglomération ou un carrefour (voir le recalage intermédiaire
sur la figure 11). D’où la nécessité de calculer des amers précis
à partir des appariements de primitives. Nous proposons ici un
schéma global pour le calcul d’un amer précis pour chaque
appariement d’un carrefour de la carte avec un carrefour de
l’image SPOT.
L
après
effect
carref
probl
AxB
pour
agglo
isomc
ensen
plusie
L
» Pré
» Sél
tec.
* Cal
dar
inte
L
les ar
rigidit
succe
des eı
de pr
persp:
III.5
transf
points
Sc
recala
Soien
manu
AMC
la mo
désigr
Le
perme
param
la m
points
IV. 1
I
l'appli
couple
scene
10km