Descripteurs de Fourier inspirés de la structure du cortex visuel primaire humain : Application à la reconnaissance de navires dans le cadre de la surveillance maritime
Auteur / Autrice : | Amine Bohi |
Direction : | Frédéric Bouchara, Jean-Paul André Gauthier |
Type : | Thèse de doctorat |
Discipline(s) : | Génie Informatique, automatique et traitement du signal |
Date : | Soutenance le 22/05/2017 |
Etablissement(s) : | Toulon |
Ecole(s) doctorale(s) : | École doctorale Mer et Sciences (Toulon ; 2012-....) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire des Sciences de l'Information et des Systèmes (La Garde, Var) |
Entreprise : Opéra Ergonomie (La Ciotat, Bouches du Rhône) | |
Jury : | Président / Présidente : Nicole Vincent |
Examinateurs / Examinatrices : Johel Miteran, William Puech, Vincente Guis, Dario Prandi, Yuliya Tarabalka | |
Rapporteurs / Rapporteuses : Johel Miteran, William Puech |
Résumé
Dans cette thèse, nous développons une approche supervisée de reconnaissance d’objets basée sur l’utilisation de nouveaux descripteurs d’images globaux inspirés du modèle du cortex visuel humain primaire V1 en tant que groupe de roto-translations semi-discrètes SE (2,N)=R² x ZN produit semi-direct entre R² et ZN. La méthode proposée est basée sur des descripteurs de Fourier généralisés et rotationnels définis sur le groupe SE (2,N), qui sont invariants aux transformations géométriques (translations, et rotations). De plus, nous montrons que ces descripteur de Fourier sont faiblement complets, dans le sens qu’ils permettent de discriminer sur un ensemble ouvert et dense L² (SE(2,N)) de fonctions à support compact, donc distinguer entre des images réelles. Ces descripteurs sont ensuite utilisés pour alimenter un classifieur de type SVM dans le cadre de la reconnaissance d’objets. Nous avons mené une séries d’expérimentations dans le but d’évaluer notre méthode sur les bases de visages RL, CVL et ORL et sur la base d’images d’objets variés COIL-100, et de comparer ses performances à celles des méthodes basées sur des descripteurs globaux et locaux. Les résultats obtenus ont montré que notre approche est en mesure de concurrencer de nombreuses techniques de reconnaissance d’objets existantes et de surpasser de nombreuse autres. Ces résultats ont également montré que notre méthode est robuste aux bruits. Enfin, nous avons employé la technique proposée pour reconnaître des navires dans un contexte de surveillance maritime.