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

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

• Auteur / Autrice : Soufiane Rital
• Direction : Hocine Cherifi
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2004
• Etablissement(s) : Dijon

Mots clés

Mots clés contrôlés

Bruit

Perception des formes

Traitement d'images -- Techniques numériques

Hypergraphes

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.

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.