2 résultat(s) recherche sur le tag 'analyse de texture'

Reconnaissance de Formes - Application à l'Imagerie Sonar / A. PUTTIPIPATKAJORN

Public ISBD Titre : Reconnaissance de Formes - Application à l'Imagerie Sonar Type de document : texte imprimé Auteurs : A. PUTTIPIPATKAJORN, Auteur Année de publication : 2005 Langues : Français (fre) Tags : RECONNAISSANCE DE FORMES  SONAR LATERAL  ANALYSE DE TEXTURE  SUIVI DE PIPELINE  RESEAU DE KOHONEN  MATRICE DE CO-OCCURRENCE PATTERN RECOGNITION  APPLICATION TO SONAR IMAGERY  PATTERN RECOGNITION  SIDE SCAN SONAR IMAGE  PIPELINE FOLLOWING  SELF-ORGANIZING MAP  COOCCURRENCE MATRIX  SYSTEMES AUTOMATIQUES ET MICROELECTRONIQUES Index. décimale : THE Thèses de doctorat Résumé : Dans ce mémoire, nous présentons une nouvelle approche pour la détection de la position d'objet sous-marin comme un pipeline dans une image sonar. Cette approche est basée sur un système d'intelligence artificielle comme les réseaux de neurones. Notre étude est divisé en 2 parties principales. La première partie est consacrée à l'analyse de texture. Ceci consiste à calculer, à l'aide de la valeur des pixels (intensité) de la région considérée, un certain nombre de paramètres mathématiques caractéristiques de la texture à étudier. Pendant cette étape, l'image est segmentée en de petites régions en utilisant une méthode d'extraction des caractéristiques comme les matrices de co-occurrence afin d'obtenir les vecteurs caractéristiques de l'image. Dans la deuxième partie, nous développons un automate de classification mettant en œuvre les techniques liées aux réseaux de neurones (réseau de Kohonen), ce type de réseau nous permet de développer une règle de décision pour détecter la forme du pipeline dans l'image sonar. La règle s'appuie sur une matrice du modèle obtenue à partir de l'histogramme des densités d'une part et d'autre part, d'une fonction de décision, représentant l'originalité de notre approche, étant capable de mesurer la similarité entre deux modèle différents en utilisant les matrices provenant de l'histogramme précédent. Les résultats expérimentaux concernant le traitement récursif de la reconnaissance d'un pipeline par deux méthodes : le traitement de l'image globale, puis le traitement ligne par ligne pour situer le pipeline, sont présentés. In this thesis, we present a new approach for pipeline detection in sonar imagery based on artificial intelligent system like a neural network. The main purpose of this work is to detect and follow the pipeline in sonar image. This work is performed in two steps. The first is to split an image of pipeline into regions of uniform texture using the Gray Level Co-occurrence Matrix Method (GLCM). The co-occurrence matrix is used to estimate the joint probability density function of gray-level pairs in an image in order to obtain the vectors characteristic of the image. Features extracted from this matrix are called second-order statistical features, for instance, energy, entropy, inverse difference moment, and etc. The second step concerns clustering algorithms based on the Artificial Neural Networks (Self-Organizing Map or SOM). This type of network allows us to develop a decision rule to detect the shape of the pipeline in the sonar image. The rule is based on a matrix of the model obtained from a histogram of network, and a decision function representing the originality of our approach and being able to calculate the similarity between two different models by using the matrix coming from the preceding histogram. Ours experiments are implemented in two parts : pipeline detection on complete image and pipeline detection on a sequence of lines of image. Finally the results from several experiments on the real world data set are presented. Directeur(s) de thèse : JOUVENCEL B. Président du jury : ZAPATA R. Rapporteur(s) : ROMBAUT M.;LEBART K. Examinateur(s) : LEGRIS M.;STRAUSS O. Date de soutenance : 21/02/2005 Reconnaissance de Formes - Application à l'Imagerie Sonar [texte imprimé] / A. PUTTIPIPATKAJORN, Auteur . - 2005. Langues : Français (fre) Tags : RECONNAISSANCE DE FORMES  SONAR LATERAL  ANALYSE DE TEXTURE  SUIVI DE PIPELINE  RESEAU DE KOHONEN  MATRICE DE CO-OCCURRENCE PATTERN RECOGNITION  APPLICATION TO SONAR IMAGERY  PATTERN RECOGNITION  SIDE SCAN SONAR IMAGE  PIPELINE FOLLOWING  SELF-ORGANIZING MAP  COOCCURRENCE MATRIX  SYSTEMES AUTOMATIQUES ET MICROELECTRONIQUES Index. décimale : THE Thèses de doctorat Résumé : Dans ce mémoire, nous présentons une nouvelle approche pour la détection de la position d'objet sous-marin comme un pipeline dans une image sonar. Cette approche est basée sur un système d'intelligence artificielle comme les réseaux de neurones. Notre étude est divisé en 2 parties principales. La première partie est consacrée à l'analyse de texture. Ceci consiste à calculer, à l'aide de la valeur des pixels (intensité) de la région considérée, un certain nombre de paramètres mathématiques caractéristiques de la texture à étudier. Pendant cette étape, l'image est segmentée en de petites régions en utilisant une méthode d'extraction des caractéristiques comme les matrices de co-occurrence afin d'obtenir les vecteurs caractéristiques de l'image. Dans la deuxième partie, nous développons un automate de classification mettant en œuvre les techniques liées aux réseaux de neurones (réseau de Kohonen), ce type de réseau nous permet de développer une règle de décision pour détecter la forme du pipeline dans l'image sonar. La règle s'appuie sur une matrice du modèle obtenue à partir de l'histogramme des densités d'une part et d'autre part, d'une fonction de décision, représentant l'originalité de notre approche, étant capable de mesurer la similarité entre deux modèle différents en utilisant les matrices provenant de l'histogramme précédent. Les résultats expérimentaux concernant le traitement récursif de la reconnaissance d'un pipeline par deux méthodes : le traitement de l'image globale, puis le traitement ligne par ligne pour situer le pipeline, sont présentés. In this thesis, we present a new approach for pipeline detection in sonar imagery based on artificial intelligent system like a neural network. The main purpose of this work is to detect and follow the pipeline in sonar image. This work is performed in two steps. The first is to split an image of pipeline into regions of uniform texture using the Gray Level Co-occurrence Matrix Method (GLCM). The co-occurrence matrix is used to estimate the joint probability density function of gray-level pairs in an image in order to obtain the vectors characteristic of the image. Features extracted from this matrix are called second-order statistical features, for instance, energy, entropy, inverse difference moment, and etc. The second step concerns clustering algorithms based on the Artificial Neural Networks (Self-Organizing Map or SOM). This type of network allows us to develop a decision rule to detect the shape of the pipeline in the sonar image. The rule is based on a matrix of the model obtained from a histogram of network, and a decision function representing the originality of our approach and being able to calculate the similarity between two different models by using the matrix coming from the preceding histogram. Ours experiments are implemented in two parts : pipeline detection on complete image and pipeline detection on a sequence of lines of image. Finally the results from several experiments on the real world data set are presented. Directeur(s) de thèse : JOUVENCEL B. Président du jury : ZAPATA R. Rapporteur(s) : ROMBAUT M.;LEBART K. Examinateur(s) : LEGRIS M.;STRAUSS O. Date de soutenance : 21/02/2005

Réservation

Réserver ce document

Exemplaires

Cote	Support	Localisation	Section	Notes	Disponibilité
THE-05 / 11873	Papier	THESES	NON CLASSES		Disponible

Documents numériques

Partie 1 (PDF) URL

Partie 2 (PDF) URL

Partie 3 (PDF) URL

Vision et Reconstruction 3D basée sur la Texture : Application à la Robotique Médicale / Aurélien NOCE

Public ISBD Titre : Vision et Reconstruction 3D basée sur la Texture : Application à la Robotique Médicale Type de document : texte imprimé Auteurs : Aurélien NOCE, Auteur Année de publication : 2008 Langues : Français (fre) Tags : ROBOTIQUE MEDICALE  ANALYSE DE TEXTURE  SUIVI DANS L'IMAGE  RECONSTRUCTION 3D  CHIRURGIE MINI-INVASIVE  GENIE INFORMATIQUE, AUTOMATIQUE ET TRAITEMENT DU SIGNAL Index. décimale : THE Thèses de doctorat Résumé : Ces travaux mettent en place les bases d'une architecture de vision 3D pour un projet de plate-forme robotique de compensation de mouvements cardiaques, pour la chirurgie coronarienne mini-invasive à cœur battant. Les objectifs recherchés sont le suivi et la reconstruction en temps réel des mouvements du cœur, à partir des images fournies par une ou deux caméras. Une première contribution est la sélection d'un ensemble de descripteurs optimaux pour l'analyse de la texture du cœur, réalisée par des méthodes d'analyse statistique multidimensionnelle. Ce jeu de descripteurs est alors mis en œuvre dans un algorithme original de suivi hybride, qui utilise à la fois des informations issues de l'analyse de texture et de la mise en correspondance de motifs. Cet algorithme est évalué sur des images de synthèse ainsi que sur des images acquises in vivo grâce à une plate-forme d'acquisition haute fréquence développée pour l'occasion. Cette évaluation montre l'avantage de coupler l'information de motif avec l'information de texture au niveau de la robustesse du suivi vis-à-vis des déformations de l'organe. Nous proposons ensuite d'appliquer ces méthodes à la reconstruction 3D des mouvements du cœur par stéréo-vision. Cette méthode utilise l'analyse de texture afin d'améliorer le recalage des données entre les vues. Des résultats sont présentés sur des images expérimentales afin d'illustrer la méthode. Directeur(s) de thèse : DOMBRE E. Co-directeur(s) de thèse : POIGNET P.;TRIBOULET J. Rapporteur(s) : CHAUMETTE F.;GANGLOFF J. Examinateur(s) : LAURGEAU C. Date de soutenance : 26/03/2008 Vision et Reconstruction 3D basée sur la Texture : Application à la Robotique Médicale [texte imprimé] / Aurélien NOCE, Auteur . - 2008. Langues : Français (fre) Tags : ROBOTIQUE MEDICALE  ANALYSE DE TEXTURE  SUIVI DANS L'IMAGE  RECONSTRUCTION 3D  CHIRURGIE MINI-INVASIVE  GENIE INFORMATIQUE, AUTOMATIQUE ET TRAITEMENT DU SIGNAL Index. décimale : THE Thèses de doctorat Résumé : Ces travaux mettent en place les bases d'une architecture de vision 3D pour un projet de plate-forme robotique de compensation de mouvements cardiaques, pour la chirurgie coronarienne mini-invasive à cœur battant. Les objectifs recherchés sont le suivi et la reconstruction en temps réel des mouvements du cœur, à partir des images fournies par une ou deux caméras. Une première contribution est la sélection d'un ensemble de descripteurs optimaux pour l'analyse de la texture du cœur, réalisée par des méthodes d'analyse statistique multidimensionnelle. Ce jeu de descripteurs est alors mis en œuvre dans un algorithme original de suivi hybride, qui utilise à la fois des informations issues de l'analyse de texture et de la mise en correspondance de motifs. Cet algorithme est évalué sur des images de synthèse ainsi que sur des images acquises in vivo grâce à une plate-forme d'acquisition haute fréquence développée pour l'occasion. Cette évaluation montre l'avantage de coupler l'information de motif avec l'information de texture au niveau de la robustesse du suivi vis-à-vis des déformations de l'organe. Nous proposons ensuite d'appliquer ces méthodes à la reconstruction 3D des mouvements du cœur par stéréo-vision. Cette méthode utilise l'analyse de texture afin d'améliorer le recalage des données entre les vues. Des résultats sont présentés sur des images expérimentales afin d'illustrer la méthode. Directeur(s) de thèse : DOMBRE E. Co-directeur(s) de thèse : POIGNET P.;TRIBOULET J. Rapporteur(s) : CHAUMETTE F.;GANGLOFF J. Examinateur(s) : LAURGEAU C. Date de soutenance : 26/03/2008

Réservation

Réserver ce document

Exemplaires

Cote	Support	Localisation	Section	Notes	Disponibilité
THE-08 / 13481	Non renseigné	THESES	NON CLASSES		Disponible