Dématriçage et classification d’images multispectrales
Auteur / Autrice : | Sofiane Mihoubi |
Direction : | Ludovic Macaire, Olivier Losson, Benjamin Mathon |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique, automatique |
Date : | Soutenance le 26/11/2018 |
Etablissement(s) : | Université de Lille (2018-2021) |
Ecole(s) doctorale(s) : | École doctorale Sciences pour l'ingénieur (Lille ; 1992-2021) |
Partenaire(s) de recherche : | Laboratoire : Centre de Recherche en Informatique, Signal et Automatique de Lille |
Jury : | Examinateurs / Examinatrices : Christine Fernandez-Maloigne, Yannick Berthoumieu, Sylvie Treuillet, Pierre Chainais, Jean-Baptiste Thomas |
Rapporteurs / Rapporteuses : Yannick Berthoumieu, Sylvie Treuillet |
Mots clés
Résumé
Les caméras multispectrales échantillonnent le spectre du visible et/ou de l'infrarouge selon des bandes spectrales étroites. Parmi les technologies disponibles, Les caméras snapshot équipées d'une mosaïque de filtres acquièrent des images brutes à cadence vidéo. Ces images brutes nécessitent un processus de dématriçage permettant d'estimer l'image multispectrale en pleine définition. Dans ce manuscrit nous examinons les méthodes de dématriçage multispectrale et proposons une nouvelle méthode basée sur l'image panchromatique. De plus, nous mettons en évidence l'influence de l'illumination sur les performances de dématriçage, puis nous proposons des étapes de normalisation rendant ce dernier robuste aux propriétés d'acquisition. Les résultats expérimentaux montrent que notre méthode fournit de meilleurs résultats que les méthodes classiques.Afin d'effectuer une analyse de texture, nous étendons les opérateurs basés sur les motifs binaires locaux aux images de texture multispectrale au détriment d'exigences de mémoire et de calcul accrues. Nous proposons alors de calculer les descripteurs de texture directement à partir d'images brutes, ce qui évite l'étape de dématriçage tout en réduisant la taille du descripteur. Afin d'évaluer la classification sur des images multispectrales, nous avons proposé la première base de données multispectrale de textures proches dans les domaines spectraux du visible et du proche infrarouge. Des expériences approfondies sur cette base montrent que le descripteur proposé a à la fois un coût de calcul réduit et un pouvoir de discrimination élevé en comparaison avec les descripteurs classiques appliqués aux images dématriçées.