Nouvelles méthodes basées sur les ondelettes pour l’analyse des images numériques : Applications à la détection des panneaux routiers de signalisation et à la mise en correspondance stéréoscopique

Abstract

Ce mémoire présente nos travaux de recherche relatifs à l’utilisation de l’imagerie numérique, pour implémenter certaines fonctionnalités de la vision artificielle d’un système embarqué dans l’automobile. Nous nous intéressons principalement aux fonctionnalités de détection des panneaux routiers de signalisation et à la vision 3D. Dans ce but, nous avons mis au point une approche originale de détection basée sur la couleur des objets présents dans la scène. Nous supposons que les panneaux routiers de signalisation et les objets dans les images capturées constituent des régions homogènes dont les pixels ont des couleurs proches. Nous avons travaillé aussi sous l’hypothèse que les couleurs des panneaux routiers de signalisation sont bien distinctes. Dans notre approche, la détection et l’identification de la couleur sont basées sur l’histogramme de l’image qui est une structure probabiliste représentant la distribution des couleurs dans l’image. De ce fait, l’idée avancée est que les régions homogènes de l’image créent des domaines de valeurs dans l’histogramme, domaines que nous identifierons par une analyse multi-échelle en ondelettes. Nous avons opté pour l’utilisation des ondelettes car elles constituent un outil mathématique qui s’est montré très puissant et très adapté au traitement des images numériques. En effet, les ondelettes permettent de mettre l’accent sur différentes structures de l’image par une analyse multi-échelle. Cette analyse donne des approximations tout en préservant des informations sur les détails qui sont utiles pour caractériser les pixels isolés ou les pixels de transitions. Nous avons utilisé les ondelettes pour extraire et caractériser les singularités significatives rencontrées dans les images. Le comportement des singularités est étudié à partir des lignes maximas multi-échelles. Nous avons exploité les résultats précédents pour l’adapter à la vision 3D en concevant une méthode de mise en correspondance dans le cadre de cette vision. Ainsi, nous avons pu évaluer la dimension profondeur dans l’image à partir de calculs de cartes de disparité. Ces cartes sont générées à partir des primitives de deux images stéréoscopiques après avoir réalisé un appariement multi-échelle des points singuliers des deux images.