Classification des images par fusion multi-algorithmiqu : Applicatin à la reconnaissance des panneaux de signalisation routière

Abstract

La sécurité routière est devenue de plus en plus cruciale dans le monde entier. En effet le nombre de personnes pendant leurs vies dues aux accidents de la route ne cesse d’augmenter. Dans certaines conditions, la perception visuelle humaine peut être influencée par de nombreux facteurs tels que la fatigue, le stress, une mauvaise vision, etc. Pour augmenter la sécurité routière, un système d’aide à la conduite automobile doit comprendre ce langage visuel, et transmettre l’information aux conducteurs à l’aide de différentes approches, y compris la reconnaissance automatique des panneaux de signalisation routière (RPSR). Un système RPSR a pour objectif de détecter, reconnaitre et alerter automatiquement le conducteur de la présence d’un danger potentiel, et de rendre la conduite plus sûre et plus facile. Pour l’identification des panneaux routiers, la plupart des méthodes basées sur le traitement d’image se composent de deux étapes : la détection des panneaux dans la scène routière et la reconnaissance de leur type. Cette thèse se concentre sur l’étape de la reconnaissance. Plusieurs méthodes ont été proposées dans la littérature afin de résoudre ce problème. Chacune d’entre elles possède évidemment ses avantages et ses faiblesses qui, dans la majorité des cas, dépendent de plusieurs facteurs qui contribuent à la complexité de sa tâche à savoir l’occultation, la rotation, les changements d’éclairage, le flou de mouvement, les conditions météorologiques, etc. Dans l’objectif de surmonter ces difficultés, nos travaux de thèse ont pour fin de présenter deux nouvelles approches pour la représentation et la classification des panneaux routiers. Ces techniques doivent naturellement être robustes et fiables. Dans cette optique, deux contributions ont été apportées. En premier lieu, nous avons proposé une approche hybride dédiée à la reconnaissance des panneaux routiers. Cette technique s’appuie sur la fusion de deux méthodes d’extraction de primitives qui permettent de joindre l’aspect global et local : la transformée en cosinus discrète (TCD) et les motifs binaires locaux uniformes (ULBP). Dans le but de réduire la dimensionnalité, l’analyse en composantes principales (ACP) est ensuite utilisée. La classification est basée sur la mesure sur la mesure de distance « city-block ». Nous avons étudié l’impact de la fusion d’information au niveau « primitives » et au niveau « scores » sur les performances globales du système. En second lieu, nous avons introduit une nouvelle et simple approche pour la reconnaissance des panneaux routiers dans les images couleur. Cette méthode est basée sur l’analyse multi-résolution par la transformée en pyramides orientales (TPO) pour l’extraction des primitives et l’algorithme ELM (Extrême Learning machines) pour la classification. La TPO vise à décomposer l’image en des imagettes filtrées à différentes orientation et différentes échelles en garantissant l’invariance en rotation et en translation. Par la suite l’analyse discriminante linéaire (ADL) est utilisée pour la rédaction de dimension. Enfin la classification est assurée par l’algorithme ELM pour gagner en temps de calcul et en performances. La validation des approches proposées est établie par des expérimentations sur deux bases de données publiques de références : GTSRB et BTSC. Les résultats obtenus et leurs comparaisons avec les méthodes existantes dans la littérature, utilisées dans le même contexte exploré dans cette thèse, montrent la robustesse et l’efficacité des méthodes proposées pour la reconnaissance automatique des panneaux routiers.