La reconnaissance d’objets dans les images

La reconnaissance d’objets dans les images

Analyse des images

Introduction

Avec la parole, l’image constitue l’un des moyens les plus importants qu’utilise l’homme pour communiquer avec autre. C’est un moyen de communication universel dont la richesse du contenu permet aux êtres humains de tout âge et de toute culture de se comprendre.
L’objectif de l’analyse d’image est de fournir une description quantitative de l’image ou une reconnaissance de forme. On trouve des applications dans de nombreux domaines : sciences des matériaux, sciences de la vie, géologie, robotique…
Le but de ce chapitre, nous allons définir les opérations d’analyser et traiter des images pour extraire des informations et des phénomènes qui permettent à l’être humain de communiquer entre eux.

Définition d’image

Une image est avant tout un signal 2D (x,y). Souvent, cette image représente une réalité 3D (x,y,z).
D’un point de vue mathématique :
 Une image est une matrice de nombres représentant un signal
 Plusieurs outils permettent de manipuler ce signal.
D’un point de vue humain :
 Une image contient plusieurs informations sémantiques
 Il faut interpréter le contenu au-delà de la valeur des nombres

Images numériques

Une image numérique est une image (dessin, icône, photographie, …) créée, traitée, stockée sous forme binaire (suite de 0 et de 1).
C’est une image dont la surface est divisée en éléments de tailles fixes appelés pixels, ayant chacun comme caractéristique un niveau de gris ou de couleurs prélevé à l’emplacement correspondant dans l’image réelle, ou calculé à partir d’une description interne de la scène à représenter [11].

types d’images

On distingue généralement deux grandes catégories d’images:
 Bitmap (appelées aussi images matricielle) : il s’agit d’images pixellisées, c’est-à-dire un ensemble de points (pixels) contenus dans un tableau, chacun de ces point possédant une ou plusieurs valeurs décrivant sa couleur.
 Vectorielles : les images vectorielles sont des représentations d’entités géométriques telles qu’un cercle, un rectangle ou un segment. Ceux-ci sont représentés par des formules mathématiques (un rectangle est défini par deux points, un cercle par un centre et un rayon, une courbe par plusieurs points et une équation).

catégories d’image numérique

Image binaire

Une image binaire est une image dont les pixels ne peuvent avoir que les valeurs 0 et 1. Le 0 correspond à un pixel noir et 1 à un pixel blanc. Le niveau de gris est donc codé sur un seul bit [12].

Image en niveaux de gris

Dans une image en niveaux de gris, la couleur d’un pixel peut prendre des valeurs allant du noir (0) au blanc (255) en passant par un nombre fini de niveaux intermédiaires obtenus par dégradation du noir. La couleur d’un pixel est ainsi codée sur un octet [13].

Image en couleurs

Elle est obtenue par la combinaison de trois couleurs dites primaires : rouge, vert et bleu (RVB). Chaque couleur est codée comme une image à niveaux de gris, avec des valeurs allants de 0 à 255. Pour R=V=B=0 nous auront un noir pur et pour R=V=B=255 nous auront un blanc pur. La représentation des images couleurs se fait donc soit par une image dont la valeur du pixel est une combinaison linéaire des valeurs des trois composants couleurs, soit par trois images distinctes représentant chacune une composante couleur, on distingue généralement deux types d’images : [14]
 Images 24 bits.
 Images à palettes (256 couleurs).

Caractéristiques d’une image numérique

L’image est un ensemble structuré d’informations parmi ses caractéristiques nous pouvons citer les paramètres suivants :

Pixel et son voisinage

Une image numérique est constituée d’un ensemble de points appelés pixels. Le pixel représente le plus petit élément constitutif d’une image.
Les pixels du voisinage sont ceux qui entourent le pixel en question (figure suivante). C’est une fenêtre de dimension impaire (3*3, 5*5, …) [14].

L’histogramme

L’histogramme d’une image est une représentation graphique en 2D dans laquelle les X représente les différents couleurs (exemple (0-255) pour une image en niveau de gris) et le Y représente le nombre de répétition des pixels ayant la même couleur.
Dans cette représentation, un point de coordonnés (x,y) signifié qu’on a X pixels dans tout l’image ayant la même couleur Y [14].

La résolution

Elle est définit par le nombre de pixels par unité de surface (pouce), un pouce représentant 2.54 cm. [14]

La luminance

La luminance est le degré de luminosité de chaque point de l’image. Elle est définit comme étant le quotient de l’intensité lumineuse d’une surface [14].

Le contraste

C’est l’opposition marquée entre deux régions d’une image, plus précisément entre les régions sombres et claires. Le contraste est défini en fonction des luminances de deux zones d’image [14].

Similarité

La similarité est à la base de tout système de comparaison des pixels d’images, il s’agit de définir une fonction de similarité entre les intensités lumineuses des pixels [14].

Homogénéité

C’est un concept qui se base souvent sur des critères statistiques (moyenne, variance) [14].

Le bruit

Un bruit dans une image est considéré comme un phénomène de brusque variation de l’intensité d’un pixel par rapport à ses voisins, il provient de l’éclairage des dispositifs optiques et électroniques du capteur [15].

Le flou

Le flou est la perte de netteté d’une photographie numérique. Ce flou numérique peut venir d’un mouvement soudain du photographe ou bien du capteur de l’appareil numérique [15].

La région

C’est un ensemble de pixels connexes et homogènes. Un pixel appartient à une région donnée s’il vérifie les caractéristiques de celle-ci. Une région est limitée par un contour [15].

Le contour

Un contour est un ensemble de pixels formant une frontière entre deux ou plusieurs régions voisines, ou la limite entre deux pixels dont le niveau de gris représente une différence
significative [15].

Les images satellitaires

Les images optiques

Ces images sont calculées à partir des données acquises par un capteur passif qui va enregistrer l’énergie solaire réfléchie par la surface terrestre. La nuit, ou en présence de nuages, ce capteur devient aveugle.
On distingue deux type d’images : panchromatique ou multi spectrale (multi bandes).
Dans l’imagerie panchromatique, le capteur mesure la réactance dans une large bande électromagnétique alors que dans l’imagerie multi spectrale, le capteur mesure la réactance dans de nombreuses bandes.
Ces images présentent un aspect assez semblable à celui d’une photographie et sont donc bien adaptées à une interprétation visuelle [16].

Les images SAR

Ce type d’image est produit par des satellites utilisant un capteur actif qui produit un rayonnement électromagnétique qu’ils vont diriger vers la Terre et enregistrer la part de rayonnement réfléchie par celle-ci .Ce type de capteur réalise des prises de vue de jour comme de nuit et dans toutes les conditions météorologiques, y compris avec une grande couverture nuageuse. Contrairement aux images optiques, l’interprétation de ces images n’est pas simple pour l’oeil humain [16].

Traitement d’images

Pour manipuler une image, on travaille sur un tableau d’entiers qui contient les composantes de chaque pixel. Les traitements s’appliquent toujours aux images en niveau gris et parfois aussi sur des images couleur. Nous allons distinguer plusieurs types de traitements (Acquisition, Prétraitement, Segmentation, ….).

Acquisition

L’acquisition d’image constitue un des maillons essentiels de toute chaine de conception et de production d’images. Pour pouvoir manipuler une image sur un système informatique, il est nécessaire de lui faire subir une transformation qui la rendra lisible et manipulable par ce système. Le passage de cet objet externe (l’image d’origine) à sa représentation interne (dans l’unité de traitement) se fait grâce à une procédure de numérisation.
L’acquisition se fait en plusieurs étapes :
Le transfert d’image : c’est le passage du signal optique au signal analogique (électrique).
L’échantillonnage du signal analogique.
La quantification qui consiste à traduire les échantillons en valeurs binaires utilisant
des codes précis [17].

Prétraitement des images (Filtrage numérique)

Le prétraitement est la deuxième étape de notre système de traitement d’image, il a pour but la réduction des bruits induits par les capteurs afin d’améliorer la perception de certains détails. Cette étape renforce aussi la ressemblance entre pixels de même région et la dissemblance des pixels de régions différents surtout dans les cas où le contraste et la luminosité sont faibles. On se propose présenter quelques ces prétraitements.
Les images numériques telles qu’elles sont acquises, sont très souvent inexploitables pour le traitement d’images. Elles contiennent des signaux bruités. Pour remédier à cela, différents prétraitements pour l’amélioration ou la correction sont effectués. Les bruits sont ainsi réduits, les pixels parasites éliminés, et les contours plus définis [17].
Pour résoudre ce problème, on distingue généralement trois types de filtre :
 Filtres linéaires
 Filtres Non-linéaires

Filtres linéaires

Les filtres linéaires transforment un ensemble de données d’entrée en un ensemble de données de sortie par une convolution bidimensionnelle qui est une opération mathématique.
Ils permettent de supprimer le bruit dans l’image. Chaque filtre a une taille N x N avec N impair. Parmi les filtres linéaires les plus utilisés on trouve :

Les filtres non linéaires

Pour éviter le flou introduit par les filtres passe-bas classiques, une autre famille de méthodes existe, les filtres non linéaires ou filtres d’ordre. Ce sont des filtres dans lesquels la nouvelle valeur du pixel est calculée par une combinaison non linéaire de la fenêtre des pixels avoisinants. Le filtre médian est le filtre non linéaire le plus utilisé :

Table des matières

Dédicaces
Remerciements
Résumé
Table des matières
Liste des figures et des tableaux
Introduction générale
Chapitre I : Suivis Des Objets En Mouvements
I.1 Introduction
I.2 La géolocalisation
2.1 Définition
2.2 Techniques de la géolocalisation
2.2.1 La géolocalisation par satellite
2.2.1.1 Les composants du GPS
2.2.1.2 Le Principe de fonctionnement
2.2.2 La géolocalisation via la téléphonie mobile
2.2.2.1 GPS assisté (A-GPS)
2.2.2.2 L’angle d’Arrivée (AOA)
2.2.2.3 Le temps d’arrivée (TOA)
2.2.2.4 La différence de temps d’arrivée TDOA
2.2.2.5 La puissance du Signal
2.2.2.6 Identifiant de la cellule (Cell-ID)
2.2.3 La géolocalisation par adressage IP
2.2.4 La géolocalisation par Wi-Fi
2.2.5 La géolocalisation par RFID
2.2.5.1 Principe de fonctionnement
2.3 Avantages et inconvénients
2.4 Services de la géolocalisation
2.5 Les domaines d’application dans la géolocalisation
2.5.1 Transport de passagers
2.5.2 Possibilités fonctionnelles
I.3 La télédétection
3.1 Définition
3.2 Les notions fondamentales de la télédétection
3.3 La télédétection passive et active
3.3.1 Télédétection passive
3.3.2 Télédétection active
3.4 Les satellites de télédétection Spot
3.5 Les domaines d’applications de la télédétection
3.5.1 Météorologie et sciences de l’atmosphère
3.5.2 Océanographie et études littorales
3.5.3 Applications terrestres
I.4 Conclusion
Chapitre II : Analyser des images satellitaires
II.1 Introduction
II.2 Définition d’image
II.3 Images numériques
II.4 Types d’images
II.5 Catégories d’image numérique
II.5.1 Image binaire
II.5.2 Image en niveaux de gris
II.5.3 Image en couleurs
II.5.4 Caractéristiques d’une image numérique
II.6 Les images satellitaires
II.6.1 Les images optiques
II.6.2 Les images SAR
II.7 Traitement d’images
II.7.1 Acquisition
II.7.2 Prétraitement des images (Filtrage numérique)
II.7.2.1 Filtres linéaires
II.7.2.2 Les filtres non linéaires
II.8 Segmentation
II.8.1 Définition de la segmentation
II.8.2 Les méthodes de segmentation
II.8.2.1 Segmentation par région
II.8.2.2 Segmentation par contours
II.8.2.3 Segmentation par coopération région-contour
II.8.2.4 Segmentation par classification
II.8.3 Domaine d’application de la segmentation
II.9 Conclusion
Chapitre III : La reconnaissance d’objets dans les images
III.1 Introduction
III.2 Problème de la reconnaissance d’objets
III.3 Les principaux domaines d’application
III.4 La vision d’étre vivants
III.4.1 Théorie des caractéristiques particulaires
III.4.2 La théorie de la reconnaissance par composants
III.5 Les défis majeur de la reconnaissance d’objets
III.6 La reconnaissance spécifique versus générique
III.7 Le schéma général des méthodes de reconnaissance d’objets
III.8 Les traitements d’extraction des descripteurs
III.8.1 Les points d’intérêt
III.8.1.1 Détection des coins
III.8.1.2 Les descripteurs SIFT
III.8.1.3 Les blobs
III.8.1.4 Régions extrêmes maximales stables (MSER)
III.8.2 Les descripteurs contours
III.8.2.1 Détection des contours
III.8.2.2 Extraction des descripteurs contours
III.8.2.2.1 Les fragments de contours
III.8.2.2.2 Les primitives géométriques
III.8.3 Les descripteurs
III.8.3.1 Les descripteurs de formes
III.8.3.1.1 Les descripteurs obtenus par une approche région
III.8.3.1.2 Les descripteurs obtenus par une approche contours
III.8.3.2 Les descripteurs de texture et de couleur
III.9 Les traitements de haut niveau : reconnaissance d’objets
III.9.1 L’apprentissage structurel
III.9.2 L’approche fondée sur l’apparence
III.9.3 Les modèle par l’apparence seule
III.10 La reconnaissance d’objets cartographiques sur les images satellites et aériennes
III.11 Conclusion
Chapitre IV : Description de l’application
IV.1 introduction
IV.2 Description de l’application
IV.2.1 Interface principale
IV.2.2 Interface secondaire
IV.3 Application
IV.4 Quelque opération sur les images pour niveau bas
IV.5 Conclusion
Conclusion générale
Bibliographie
Annexe

Télécharger le rapport complet