Détection de structures fines par traitement d'images et apprentissage statistique : application au contrôle non destructif

Résumé : Dans cette thèse, nous présentons de nouvelles méthodes de traitement d’images pourextraire ou rehausser les éléments fins d’une image. Pour ces opérateurs, issus de la morphologie mathématique,l’accent a été mis principalement sur la précision de détection et sur le temps de calcul,qui doivent être optimisés pour pouvoir répondre aux contraintes de temps imposées par différentesapplications industrielles. La première partie de ce mémoire présente ces méthodes, organisées enfonction de la tortuosité des objets à détecter. Nous commençons par proposer un algorithme rapidepour le calcul des ouvertures 1-D afin d’extraire des structures rectilignes des images. Puis, nous étudionsune nouvelle classe d’opérateurs rapides avec les ouvertures parcimonieuses par chemins, permettantd’analyser des structures ayant une tortuosité modérée. Enfin, nous proposons de nouveauxéléments structurants adaptatifs et des filtres connexes construits avec des attributs géodésiques etgéométriques pour extraire des structures filiformes ayant une tortuosité quelconque.Dans un second temps, nous avons développé une méthode d’analyse statistique en introduisantune nouvelle pénalisation adaptative. L’objectif consiste à créer un modèle prédictif précis, quiminimise en même temps une fonction de coût, indépendante des données. Lorsque cette fonctionde coût est liée au temps de calcul de chaque descripteur, il est alors possible de créer un modèleparcimonieux précis et qui minimise les temps de calcul. Cette méthode est une généralisation desrégressions linéaires et logistiques Ridge, Forward stagewise, Lar, ou Lasso.Les algorithmes développés dans cette thèse ont été utilisés pour trois applications industrielles,très différentes les unes des autres, mais toutes faisant intervenir une approche multidisciplinaire : letraitement d’images et l’analyse statistique. L’association de ces deux disciplines permet d’améliorerla généricité des stratégies proposées puisque les opérateurs de traitement d’images alliés à un apprentissagesupervisé ou non supervisé, permettent d’adapter le traitement à chaque application.Mots clés : Traitement d’images, morphologie mathématique, analyse statistique, caractérisation deformes, contrôles non destructifs, ouvertures parcimonieuses par chemins, region growing structuringelements, amincissements par attributs géodésiques et topologiques, adaptive coefficient shrinkage.
Type de document :
Thèse
Mathématiques générales [math.GM]. Ecole Nationale Supérieure des Mines de Paris, 2012. Français. 〈NNT : 2012ENMP0101〉
Liste complète des métadonnées

https://pastel.archives-ouvertes.fr/pastel-00932727
Contributeur : Abes Star <>
Soumis le : vendredi 17 janvier 2014 - 15:37:09
Dernière modification le : mardi 12 septembre 2017 - 11:40:41
Document(s) archivé(s) le : vendredi 18 avril 2014 - 04:43:49

Fichier

2012ENMP0101.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : pastel-00932727, version 1

Collections

Citation

Vincent Morard. Détection de structures fines par traitement d'images et apprentissage statistique : application au contrôle non destructif. Mathématiques générales [math.GM]. Ecole Nationale Supérieure des Mines de Paris, 2012. Français. 〈NNT : 2012ENMP0101〉. 〈pastel-00932727〉

Partager

Métriques

Consultations de
la notice

934

Téléchargements du document

488