analyse sémantique d’images

Abstract

L’objectif ultime de la recherche en vision par ordinateur est de créer un système qui puisse générer une description de l’image de la même qualité que celle d’un être humain. Un tel système doit être capable de franchir le fossé sémantique qui est un problème complexe dû à l’écart sémantique existant entre les caractéristiques visuels bas-niveau et les concepts sémantiques haut-niveau. Notre travail s’intègre dans les travaux de recherche qui ont naturellement émergé pour résoudre ce problème. Dans ce travail, nous nous sommes intéressés à l’analyse sémantique d’images pour l’annotation d’images et pour la reconnaissance de formes qui sont les thèmes de la vision artificielle les plus impliqués dans le problème du fossé sémantique. Le travail sur l’analyse sémantique d’images pour l’annotation, nous a permis de réaliser un système d’annotation automatique d’images intégrant un processus d’analyse sémantique que nous avons élaboré pour réduire le fossé sémantique en apportant un soin particulier à l’amélioration de :  La segmentation par croissance des régions en regroupant les régions adjacentes pour avoir des objets sémantiques ;  La représentation des caractéristiques visuelles en combinant différents types de descripteurs ;  La classification, en combinant le pouvoir discriminatif, des réseaux de neurones avec le caractère génératif des réseaux bayésiens naïfs pour tirer bénéfice de leur complémentarité. Une évaluation du système d’annotation proposé, réalisée sur un corpus d’images différent de celui utilisé au cours de l’apprentissage, a montré que notre système permet d'obtenir des résultats probants. En ce qui concerne la reconnaissance de formes, nous nous sommes intéressés à l’analyse sémantique d’images pour l’identification des panneaux de signalisation routière et des maladies des agrumes. Dans le cas de l’identification des panneaux de la signalisation routière, nous avons développé une chaîne d’analyse sémantique qui consiste à détecter et reconnaitre automatiquement les panneaux routiers. La détection consiste à segmenter en couleur les images pour localiser et isoler séparément les zones bleues et les zones rouges susceptibles de correspondre à des panneaux routiers ; puis d’extraire les contours de ces éventuels panneaux pour déterminer, à l’aide en particulier de l’approximation Polygonale, leurs formes et leurs classes d’appartenance : panneaux triangulaires rouges, circulaires rouges, circulaires bleus ou rectangulaires bleus. Quant à la reconnaissance, elle consiste à identifier les panneaux détectés à l’aide des réseaux de neurones entrainés à mettre en correspondance, pour chaque classe, les moyennes normalisées des valeurs des pixels de chaque ligne et de chaque colonne des zones détectées avec des modèles de panneaux routiers appris à priori. Des tests effectués sur un ensemble d’images réelles du trafic routier, ont mis en évidence les performances prometteuses du système actuellement développé. Concernant l’identification des maladies des agrumes, nous avons élaboré une démarche expérimentale pour la détection et la reconnaissance automatique des maladies dont les symptômes apparaissent sur les feuilles. Le principe de cette démarche est basé sur l’analyse statistique de la texture des images des feuilles par les matrices de cooccurrence couplée à une classification des différentes maladies par un réseau de neurones multicouches. La mise en œuvre de la démarche proposée, en utilisant des images de feuilles malades identifiées par des experts, a mis en évidence que l’analyse de la texture des feuilles permet une interprétation sémantique intéressante des maladies des agrumes. Nous avons donc développé, dans ce travail de thèse, des procédés d’analyse sémantique d’images intégrant, selon l’application envisagée, des signatures à base de descripteurs de détails sémantiques, ayant un meilleur pouvoir informatif et permettant d’améliorer de manière conséquente les performances de la classification