Hypergraphe de voisinage spatiocolorimétrique : application en traitement d'images : détection de contours et du bruit

par Soufiane Rital

Thèse de doctorat en Informatique

Sous la direction de Hocine Cherifi.

Soutenue en 2004

à Dijon .


  • Résumé

    Dans ce document, nous nous intéressons `a la modélisation de l'image par le biais de la théorie des hypergraphes. Notre contribution est essentielle- ment axée sur la détermination des propriétés issues de cette théorie et sur l'analyse de leur adéquation avec des problématiques de l'image et parti- culi`erement la détection de contours et la suppression de bruit. Dans un premier temps, nous étudions la représentation par hypergraphes de voisi- nage spatiocolorimétrique de l'image. Trois représentations sont présentées incorporant des propriétés globales, locales, des mesures de similarité et des mesures de dissimilarité. Ensuite, on utilise les propriétés des hypergraphes engendrées par la représentation afin de définir des mod`eles structurels de bruit et de contour. Ceci nous permet ainsi de déduire des algorithmes de suppression de bruit et d'extraction de contours sur des images `a niveaux de gris et couleur. Les performances des approches proposées sont com- parées aux solutions classiquement utilisées. Enfin, la représentation par hypergraphe de voisinage spatiocolorimétrique s'est avérée efficace pour le traitement des images bas niveaux.

  • Titre traduit

    Spatiocolorimetric neighborhood hypergraph : application to image processing : edge and noise detection


  • Résumé

    In this document, we are interested in image modeling by the means of the hypergraph theory. Our contribution is essentially centered on the determi- nation of the properties resulting from this theory and on the analysis from their adequacy with image problems, particularly edge and noise detection. First, we study the image spatiocolorimetric neighborhood hypergraph re- presentation. Three representations are respectively presented incorporating global properties, local properties and similarity functions. Then, we use the hypergraph properties generated by the representation in order to define the structural models of noise and edge. This enables us to deduce the algorithms of noise suppression and edge detection on gray scale and color images. The performances of the proposed approaches are compared with the solutions classically used. Finally, the representation by neighborhood hypergraph consistently seems to be efficient in low level image processing.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 177 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 169-177, [124] réf.

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université de Bourgogne. Service commun de la documentation. Section Sciences.
  • Non disponible pour le PEB
  • Cote : TDDIJON/2004/20

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université de Lille. Service commun de la documentation. Bibliothèque universitaire de Sciences Humaines et Sociales.
  • Non disponible pour le PEB
  • Cote : 2004DIJOS020
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.