• Langue : Français
• Discipline : Automatique et informatique industrielle
• Identifiant : Inconnu
• Type de thèse : Doctorat
• Date de soutenance : 01/01/1993

Résumé en langue originale

Un moyen efficace pour condenser l'information visuelle contenue dans une scène consiste à segmenter l'image numérisée. Notre travail qui s'inscrit dans cette optique, consiste à classer les points-image entre les classes associées aux différents types de régions homogènes constituant l'image analysée. Cependant, les conditions de réussite d'une telle procédure de segmentation reposent pour une grande part sur l'uniformité spatiale de l'illumination de la scène observée. Ainsi, nous avons développé une nouvelle approche de prétraitement des images. Son principe, basé sur un schéma itératif de modélisation des variations spatiales basses fréquences de la luminance, permet d'obtenir une image représentative des variations d'illumination. Après soustraction de ces variations estimées de l'image originale, l'image résultante peut être segmentée par un seuil global. Dans un contexte non supervisé, nous proposons ensuite une approche statistique de classification des points-image. Avec pour unique hypothèse la normalité de la distribution des niveaux de gris des points associés à chaque classe à identifier, nous utilisons les concepts mathématiques de base de la classification statistique des données afin d'identifier les différentes distributions qui composent la distribution des niveaux de gris des points de l'image. Notre approche a été généralisée dans le cas d'une caractérisation multidimensionnelle des points-image. Cette approche statistique s'avère cependant limitée du fait du manque de la prise en compte des relations spatiales existantes entre les points-images. Pour remédier à cet inconvénient, nous proposons finalement une approche par fusions hiérarchiques des régions qui utilise ces propriétés spatiales pour segmenter les images. Cette étude, validée par des expérimentations sur des images synthétiques, débouche sur des résultats satisfaisants dans le cas d'images réelles.