Analyse des images texturées par décomposition variationnelle et applications à la segmentation, au tatouage et à l’indexation

Abstract

L’objet de ce travail est l’analyse des images texturées en vue des applications de restauration, de segmentation et d’indexation. La démarche globale comprend deux phases. La première phase consiste à effectuer une décomposition permettant, à partir d’une image, d’aboutir à une autre image qui renferme l’information utile et pertinente et qui se prête à une caractérisation et ou une extraction de cette information de manière aisée selon la spécificité de l’application visée. Cette information peut concerner uniquement la texture ou la forme de l’objet. La caractéristique « texture » est très utile dans l’indexation des images. Par contre la caractéristique « objet » est indispensable dans une segmentation ou un recalage d’images. La deuxième phase consiste à élaborer des méthodes destinées à segmentation, à l’indexation et au tatouage des images texturées. Il s’agit d’extraire le descripteur et ou d’appliquer une méthode de traitement aux images engendrées par la décomposition. La décomposition adoptée est issue des modèles variationnels qui constituent de nouvelles approches pour extraire les textures au sein d’une d’images tout en préservant les contours et ont fait leur preuve pour la dé-convolution et le dé-bruitage. Le modèle adopté permet de décomposer l’image en une première image préservant les caractéristiques géométriques et en une deuxième image qui exalte la caractéristique texture. La problématique de la segmentation des images texturées à été abordée par des méthodes de classification (K-means et FCM) appliquée à la composante « objet ». Les performances ont été évaluées à travers une étude comparative de simulation. L’approche d’indexation d’image texturée par le contenu proposée, s’appuie sur la composante «texture». La construction du vecteur descripteur utilise les paramètres statistiques des ondelettes de Gabor. Une série d’expérimentations effectuée sur deux bases de données d’images texturées confirment l’efficacité de cette approche. Quant à l’application au domaine de tatouage d’image texturée, deux contributions ont été présentées. La première approche utilise un système de tatouage additif appliqué à chacune des composantes obtenues par le modèle de décomposition. La deuxième approche de nature fréquentielle combine deux transformées : la Transformée en Cosinus Discrète (DCT) et la transformée en Contourlet CT. L’étude de la performance concerne des images niveau de gris ainsi sur des images couleurs.