Skip to Main content Skip to Navigation
Theses

Modélisation et apprentissage de relations spatiales pour la reconnaissance et l’interprétation d’images

Résumé : Ces dernières années, la quantité de données visuelles produites par divers types de capteurs est en augmentation permanente. L'interprétation et l'indexation automatique de telles données constituent des défis importants pour les domaines liés à la reconnaissance de formes et la vision par ordinateur. Dans ce contexte, la position relative des différents objets d'intérêt composant les images représente une information particulièrement importante pour interpréter leur contenu. Les relations spatiales sont en effet porteuses d'une sémantique riche, qui est fortement liée à la perception humaine. Les travaux de recherche présentés dans cette thèse proposent ainsi d'explorer différentes approches génériques de description de l'information spatiale, en vue de les intégrer dans des systèmes de reconnaissance et d'interprétation d'images de haut niveau. Tout d'abord, nous présentons une approche pour la description de configurations spatiales complexes, où les objets peuvent être imbriqués les uns dans les autres. Cette notion est formalisée par deux nouvelles relations spatiales, nommées enlacement et entrelacement. Nous proposons un modèle qui permet de décrire et de visualiser ces configurations avec une granularité directionnelle. Ce modèle est validé expérimentalement pour des applications en imagerie biomédicale, en télédétection et en analyse d'images de documents. Ensuite, nous présentons un cadre d'apprentissage de relations spatiales composites à partir d'ensembles d'images. Inspirée des approches par sacs de caractéristiques visuelles, cette stratégie permet de construire des vocabulaires de configurations spatiales apparaissant dans les images, à différentes échelles. Ces caractéristiques structurelles peuvent notamment être combinées avec des descriptions locales, conduisant ainsi à des représentations hybrides et complémentaires. Les résultats expérimentaux obtenus sur différentes bases d'images structurées permettent d'illustrer l'intérêt de cette approche pour la reconnaissance et la classification d'images.
Document type :
Theses
Complete list of metadatas

Cited literature [156 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-02111681
Contributor : Abes Star :  Contact
Submitted on : Friday, April 26, 2019 - 10:57:22 AM
Last modification on : Saturday, April 11, 2020 - 1:53:55 AM

File

va_Clement_Michael.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-02111681, version 1

Citation

Michaël Clément. Modélisation et apprentissage de relations spatiales pour la reconnaissance et l’interprétation d’images. Traitement des images [eess.IV]. Université Sorbonne Paris Cité, 2017. Français. ⟨NNT : 2017USPCB024⟩. ⟨tel-02111681⟩

Share

Metrics

Record views

112

Files downloads

83