Contribution des algorithmes génétiques pour l'estimation de la géométrie épipolaire et le mouvement oriente objet

Abstract

Cette thèse s’intéresse à la vision dynamique, c'est-à-dire l’analyse du contenu dynamique de la scène observée y compris celle du mouvement du capteur, elle traite dans un premier temps le problème d’estimation de la géométrie épipolaire pour des paires de vues stéréoscopiques, puis le problème d’estimation du mouvement orienté objet dans une séquence d’images pour le codage vidéo à très bas débit. Dans les deux cas on se trouve devant un problème de minimisation d’un critère d’évaluation qui implique l’utilisation des techniques d’optimisation classique telles que Newton, Gauss-Newton ou Levernberg-Marquardt. Cependant, ces méthodes déterministes présentent la grande faiblesse d’être très sensibles à la position de départ, et donc de pouvoir se bloquer dans un minimum local, différent du minimum global. D’autre part, l’existence de dérivées dans un espace de recherche bruitée les rendent moins adaptés au calcul. L’autre famille d’optimisation, apparue plus récemment, est bas »e sur un parcourt aléatoire de l’espace des solutions. Ces techniques sont beaucoup plus insensibles à la position de départ et sont sensées pouvoir déterminer le minimum absolu dans tous les cas, on peut citer par exemple les algorithmes génétiques. Ces algorithmes s’inspirent de concepts biologiques tels l’évolution par sélection naturelle et les mécanismes de croissement et mutation en génétique. Nous profitons de la robustesse de ces algorithmes d’optimisation et de leur facilité de mise en ouvre, en les introduisant dans les deux axes de recherches les plus délicats en vision dynamique à savoir l’estimation de la matrice fondamentale et le mouvement orienté objet. Nous les appliquons aussi en radiodiagnostic dentaire pour l’évaluation automatique des tissus aussi minimes, résorbés ou néoformés, après un geste thérapeutique. Les résultats obtenus par notre approche génétique dans ce cadre de travail sont très prometteurs et ouvrent de nouveaux champs d’applications des algorithmes génétiques.