Caractérisation technique et artistique du textile par analyse d'images

Abstract

Dans le cadre de cette thèse, nous avons proposé un système automatique d’aide à la caractérisation technique et artistique du textile par analyse d’images monochromes et couleurs. Ainsi, ce manuscrit est divisé en deux parties : Dans la partie I, la caractérisation technique est réalisée par l’analyse du tissu. Elle a pour but de déterminer le type des armures utilisées. A cet effet, nous avons proposé une nouvelle méthode pour la reconnaissance automatique de type des armures dans un tissu. Dans cette approche le problème de reconnaissance est divisé en deux sous problèmes. Le premier consiste à déterminer la zone d’entrelacement des fils de trame et des fils de chaîne, et le second vise à déterminer l’état d’entrelacement dans chaque zone. Pour déterminer la zone d’entrelacement, nous avons développé une nouvelle méthode basée sur la théorie de Fourier. Cette méthode est parfaitement automatique, rapide et plus générale que celles présentées dans la littérature. Pour déterminer l’état d’entrelacement, nous avons proposé une autre méthode. Elle est basée sur l’analyse de la texture dans la zone d’entrelacement. Cette analyse de texture permet de rendre la décision non sensible à la variation des niveaux de gris. Dans la partie II, on s’intéresse à la caractérisation artistique d’un tissu de textile. Cette caractérisation vise à indexer les motifs de dessins pour faciliter leur recherche et leur catalogage. Nous avons adopté une nouvelle méthode d’indexation basée sur les régions. Cette méthode consiste à extraire dans une première phase les motifs de dessins de toutes les images de la base, puis de calculer dans une deuxième phase leurs indexes de formes. Pour extraire les motifs de dessins dans une base d’images de textile, on a proposé une nouvelle méthode de segmentation non supervisée d’images couleurs. Cette méthode est basée sur une technique de classification utilisant l’algorithme EM (Expectation-Maximisation) pour estimer les paramètres du modèle de mélange des gaussiennes, suivie par une classification probabiliste bayesienne des pixels pour former des clusters dans l’espace des caractéristiques. Pour déterminer le nombre optimal de groupements, un index de validité des groupements est utilisé. La méthode proposée a été testée avec succès sur des images de différentes complexités. En appliquant cette méthode à des images couleurs de textile, les motifs de dessins sont extraits tout en préservant leurs formes. Finalement, la phase de calcul des indexes de forme et de la couleur de chaque motif peut être abordée pour construire la base des indexes des différents motifs des images de la base.