Abstract FR:

L'objectif de la these est de comparer l'inference bayesienne et la theorie des ensembles flous lors de la fusion d'informations numeriques imprecises et incertaines pour la classification d'images satellitaires. Le processus se decompose en trois etapes: apprentissage, fusion et decision. On propose lors d'un processus de fusion par l'inference bayesienne, un test de dependance statistique entre differents capteurs et une methode d'estimation non-supervisee des probabilites a priori de la formule de bayes. Concernant les ensembles flous, on propose une methode originale d'estimation des fonctions d'appartenance a partir de donnees statistiques et plusieurs operateurs de fusion a comportement variable et issus de la theorie des t-normes et des t-conormes. La comparaison porte sur la capacite des deux approches a rejeter les mauvaises decisions et a evaluer les erreurs de classification