Résumé de la thèse
Transcription
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.