Thèse soutenue

Modélisation d'un système perceptif immergé dans un environnement naturel : détection de l'information visuelle

FR  |  
EN
Auteur / Autrice : Thomas Feldman
Direction : Laurent Younes
Type : Thèse de doctorat
Discipline(s) : Mathématiques appliquées
Date : Soutenance en 2004
Etablissement(s) : Cachan, Ecole normale supérieure

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

L'objet de cette thèse est de construire un modèle statistique du processus de vision bas-niveau. Pour celà, nous avons proposé un système perceptif comme un système stochastique de faible complexité. Ce système est composé en entrée d'un banc de filtres linéaires dont la sortie est grossièrement quantifiée. Le choix de ce banc de filtres est déterminé par des critères de réduction de la complexité des données en entrée du système. La quantification qui suit le banc de filtres classe les réponses de filtres en éléments rares ou habituels. Par ce traitement, on crée une nouvelle représentation (représentation interne) pour les images d'entrées (stimulations) , fondée sur la détection d'un bord et le codage de son orientation. Nous proposons ensuite un schéma dynamique pour le fonctionnement du système perceptif : l'état initial du système correspond à la représentation interne de l'image observée (stimulation); ensuite, le système suit une dynamique de relaxation vers son état stationnaire. Nous proposons un nouveau principe, le principe d'homéostasie, qui dit que l'etat stationnaire du système est un état de maximum d'entropie sous contrainte de son environnement. Nous avons effectué une estimation des paramètres de cet état de maximum d'entropie sous contrainte d'un environnement visuel naturel. Nous avons développé plusieurs méthodes d'estimation dérivant des algorithmes de maximisation de vraisemblance pour les champs de Gibbs par des méthodes de Monte-Carlo. Nous avons ensuite proposé un mécanisme de détection de l'information visuelle dans une image provenant toujours du principe d'homéostasie : les stimulations qui créent une dynamique anormale dans le système contiennent de l'information. Nous avons appliqué cette méthodologie au problème de détection et classification de régions d'intérêt avec des résultats très positifs.