Méthodes d'Analyse et de Recalage d'images radiographiques de fret et de Véhicules

Image Analysis and Registration Methods for Cargo and vehicles X-Ray Imaging

• Auteur / Autrice : Abraham Marciano
• Direction : Laurent David Cohen
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques
• Date : Soutenance le 03/07/2018
• Etablissement(s) : Paris Sciences et Lettres (ComUE)
• Ecole(s) doctorale(s) : Ecole doctorale SDOSE (Paris)
• Partenaire(s) de recherche : Laboratoire : Centre de recherche en mathématiques de la décision (Paris)
• Partenaire(s) de recherche : établissement de préparation de la thèse : Université Paris Dauphine-PSL (1968-....)
• Partenaire(s) de recherche : Entreprise : Smiths Detection
• Jury : Président / Présidente : Jamal Atif
• Jury : Examinateurs / Examinatrices : Laurent David Cohen, Jamal Atif, Isabelle Bloch, Laurent Younes, Ger Koomen, Najib Gadi
• Jury : Rapporteurs / Rapporteuses : Isabelle Bloch, Laurent Younes

Mots clés

Mots clés contrôlés

Douanes

Rayons X -- Applications industrielles

Radiographie industrielle

Traitement d'images

Calcul des variations

Recalage d'images

Mots clés libres

Recalage d'images

Méthodes variationelles

Classification

Analyse d’Images

Images Radiographiques

Détection de Menaces

Méthodes de Minimisation d’Énergie

Image registration

Variational methods

Classification

Image Analysis

X-ray Images

Threat Detection

Energy Minimization Methods

Résumé

La société contemporaine fait face à un niveau de menace sans précédent depuis la seconde guerre mondiale. La lutte contre le trafic illicite mobilise aussi l’ensemble desorganes de police, visant à endiguer le financement du crime organisé. Dans cet effort, les autorités s’engagent à employer des moyens de plus en plus modernes, afin notamment d’automatiser les processus d’inspection. L’objectif de cette étude est de développer des outils de vision par ordinateur afin d’assister les officiers de douanes dans la détection d’armes et de narcotiques. Letravail présenté examine l’emploi de techniques avancées de classification et de recalage d’images pour l’identification d’irrégularités dans des acquisitions radiographiques de fret. Plutôt que de recourir à la reconnaissance par apprentissage, nos méthodes revêtent un intérêt particulier lorsque les objets ciblés présentent des caractéristiques visuelles variées. De plus, elles augmentent notablement la détectabilité d’éléments cachés dans des zones denses, là où même les algorithmes de reconnaissance n’identifieraient pas d’anomalie. Nos travaux détaillent l’état de l’art des méthodes de classification et de recalage, explorant aussi diverses pistes de résolution. Les algorithmes sont testés sur d’importantes bases de données pour apprécier visuellement et numériquement leurs performances

Our societies, faced with an unprecedented level of security threat since WWII, must provide fast and adaptable solutions to cope with a new kind of menace. Illicit trade also, oftencorrelated with criminal actions, is viewed as a defining stake by governments and agencies. Enforcement authorities are thus very demandingin terms of technological features, asthey explicitly aim at automating inspection processes. The main objective of our research is to develop assisting tools to detect weapons and narcotics for lawenforcement officers. In the present work, we intend to employ and customize both advanced classification and image registration techniques for irregularity detection in X-ray cargo screening scans. Rather than employing machine-learning recognition techniques, our methods prove to be very efficient while targeting a very diverse type of threats from which no specific features can be extracted. Moreover, the proposed techniques significantly enhance the detection capabilities for law-enforcement officers, particularly in dense regions where both humans or trained learning models would probably fail. Our work reviews state-of-the art methods in terms of classification and image registration. Various numerical solutions are also explored. The proposed algorithms are tested on a very large number ofimages, showing their necessity and performances both visually and numerically.