Résumé de la thèse

Résumé
Ce travail traite de « l’identification de plantes à partir d’images numériques, par
champs de gradients », provenant de capteurs de types variés. Nous avons choisi des
méthodes de type global, afin de pré-segmenter efficacement l’image d’une plante. Parmi ces
méthodes, celle du Mean Shift permet de s’acquitter des tâches de paramétrisation, mais
présente l’inconvénient d’une forte complexité de calcul. Nous proposons deux méthodes
pour résoudre ce problème : le Mean Shift avec changement d’échelle et le Mean Shift
Markovien dont le but est de limiter le traitement systématique de tous les pixels par la partie
Mean Shift.
L’application de ces méthodes permet d’obtenir une partition de l’image dans laquelle
on recherche les groupes de pixels, matérialisant les parties d’une plante focalisée par le
photographe. Pour mettre en évidence ces zones, nous exploitons : la netteté des formes, la
position et la densité spatiale des objets dans une image, afin de construire des masques qui
représentent les parties d’une plante. À partir de ces masques, nous extrayons un ensemble de
caractéristiques issu de la botanique descriptive, regroupé en trois catégories : la colorimétrie,
la morphologie et le structurel.
Nos choix méthodologiques sont expérimentés sur une base de données d’images,
pour obtenir un ensemble de valeurs de caractéristiques appelées descripteurs. Ces
descripteurs sont fournis à un système de classeurs basé sur des algorithmes génétiques, afin
d’obtenir des règles désignant chaque type de plantes. L’objectif de ces règles est d’associer
un score de ressemblance à chaque image de la base de données, en fonction de l’image
soumise comme requête au système de reconnaissance.
Mots-Clés :
Image numérique couleur, traitement d’images, segmentation
colorimétrique, reconnaissance de formes, champ de gradients, extraction de caractéristiques,
identification.
Abstract
This work deals with "the identification plants from digital images, with fields of
gradients”, from sensors of various types. We chose global methods, in order to segment the
image of a plant. Among these methods, the Mean Shift requires no parameterization, but has
the disadvantage of high computational complexity. We suggest two methods to solve this
problem : the Mean Shift one with a change of scales and the Markov Mean Shift whose
purpose is to limit the systematic pixel processing, with the part Mean Shift method.
Implementation of these methods yields a partition of the image where we look for
groups of pixels, showing the part of a plant, focused on by the photographer. To highlight
these areas, we use : sharpness of shapes, position and spatial density of objects in an image,
in order to build masks that represent the parts of a plant. Starting from these masks, we draw
a set of features derived from the descriptive botany which can be grouped into three
categories: colorimetry, morphology and the spatial organization.
Our methodological choices are tested on a database of images in order to obtain a set
of values of features, called descriptors. These descriptors are provided to a classifier system
based on genetic algorithms in order to obtain rules describing each type of plant. The
purpose of these rules is to assign a similarity score to each image in the database, according
to the image submitted as a query to the system of recognition.
Key–Words
:
Digital
color
image,
image
processing,
colorimetric
segmentation, pattern recognition, fields of gradients, feature extraction, identification.