Méthode d'optimisation mixte bio-inspirée : application à l'imagerie multi-spectrale et à la mesure d'audience

Mixed bio-inspired optimization method : Application to multispectral image processing and audience measurement

• Auteur / Autrice : Benoit Martin
• Direction : Salah Bourennane, Julien Marot
• Type : Thèse de doctorat
• Discipline(s) : Optique, Photonique et Traitement d'Image
• Date : Soutenance le 26/10/2018
• Etablissement(s) : Ecole centrale de Marseille
• Ecole(s) doctorale(s) : École Doctorale Physique et Sciences de la Matière (Marseille)
• Partenaire(s) de recherche : Laboratoire : Institut Fresnel (Marseille, France)
• Jury : Examinateurs / Examinatrices : Caroline Fossati, Ahmed Bouridane
• Jury : Rapporteur / Rapporteuse : Pascal Chargé, Camel Tanougast

Mots clés

Mots clés contrôlés

Traitement d'images

Mots clés libres

Mesure d'audience

Optimisation bio-Inspirée

Classification d'images

Imagerie multispectrale

Audience Measurement

Bio-Inspired optimization

Image classification

Multispectral image processing

Résumé

Cette thèse propose une nouvelle méthode d’optimisation bio-inspirée basée sur le GWO avec pour but de pouvoir résoudre des problèmes d’optimisation dits mixtes, c’est-à-dire des problèmes composés de variables continues et discrètes. Cette nouvelle méthode baptisée mixed GWO est ensuite appliquée à 2 problématiques distincts.Tout d’abord, le mixed GWO pourra permettre d’améliorer la qualité de la classification d’image par SVM. En effet, la fiabilité d’un SVM va dépendre de ses paramètres d’entraînement, et il n’existe pas de méthode non empirique et non exhaustive permettant de définir ces paramètres pour un problème de classification donné. Le mixed GWO se propose comme une solution à ce problème de paramétrage. La classification doit permettre à l’entreprise IntuiSense d’ajouter une brique de reconnaissance de genre à son outil de mesure d’audience ISAM.Ensuite, le mixedGWO est employé pour faire du débruitage et du démêlage de spectres en simultanée sur des images multi-spectrales ou hyper-spectrales. En effet, la qualité du démêlage des spectres va être particulièrement dépendant de la qualité du débruitage de l’image : faire ces 2 étapes simultanément permet donc un gain de temps et une fiabilité des résultats bien plus intéressants que les faire l’une après l’autre.

This thesis proposes a novel bio-inspired optimization method based on the GWOalgorithm, with the purpose of solving mixed optimization problems, i.e. problems with bothcontinuous and discrete variables. This novel method is named mixedGWO and is applied to2 distinct problematics.Firstly, the mixedGWO should permit to improve the quality of image classification bySVM. Indeed, a SVM accuracy will depend of its training parameters, and there is nonempirical and non exhaustive method to define these parameters for a given classificationproblem. Therefore, the mixedGWO can be used as a solution to this parametring problem.The improve classification should allow the company IntuiSense to add the gender recognition feature to its audience measurement tool ISAM.Secondly, the mixedGWO is used for joint denoising and unmixing of spectra in multispectral and hyper-spectral image processing. Indeed, the unmixing’s quality is stronglydependent of the denoising quality : doing these 2 steps simultaneously permits a gain oftime and a results’ accuracy way better than if they are done one after the other.