CRTI Library

Ce projet se focalise sur la segmentation hybride des images dans un cadre bayésien pour différentes applications. Le premier modèle proposé combine le processus de Dirichlet (DP) et le model level set basé sur Mumford shah. Pour une image, elle est divisée en régions homogènes et les régions similaires entre images sont regroupées en classes. D’une part, grâce au DP, il n’est pas nécessaire de définir a priori le nombre de régions par image et le nombre de classes, communes ou non. D’autre part, le level set assure une homogénéité spatiale. Bien que favorisant la création de classes, le processus de Dirichlet seul ne convient pas à la segmentation d’images. En effet, les interactions spatiales inhérentes à une image ne sont pas prises en compte. Ilconvient alors de le combiner à un autre modèle, par exemple level set, pour l’homogénéité spatiale dans l’image segmentée. Pour faire une étude comparative entre les méthodes de segmentation, nous nous intéressons à d’autres techniques de segmentation, qui sont utiles dans différentes applications. Par exemple, en agronomie ou dans la détection des incendies des forêts. Pour répondre à ces enjeux lors de ce projet nous nous focaliserons sur trois types de traitement et segmentation des images :1. Hybridation entre les méthodes variationnelle et bayésiennes.2. Des algorithmes combinent le traitement des images suivant les indices des couleurs et la forme avec une comparaison par rapport au deep learning.3. Techniques de segmentations supervisées et non supervisées. Application 1 :La détection des feux de forêt joue un rôle important pour éviter les dégâts engendrés par leurs propagations. L'analyse de l'information vidéo est une option intéressante et très prometteusepour la surveillance et la détection des feux de forêts en temps réel. Les algorithmes de traitement d’images sont le cœur dans un système de détection. La segmentation est l’étape cruciale et déterminante dans la chaine de traitement. L’objectif de cette application est la conception d’un système de surveillance et détection incendies pour la minimisation des dégâts par une intervention à temps des éléments de la protection civile.Application 2 :L’idée de base de cette application est d’avoir des informations issues de la segmentation des images agronomiques afin d’aider les agriculteurs à prendre des décisions qui leur permettront d’augmenter leur productivité. L’application que nous envisageons de réaliser sera simple à utiliser. Cette application regroupera les fonctions de segmentation d’images en utilisant les différentes techniques. On déterminera ainsi les informations utiles afin d’aider les agriculteurs à prendre des décisions qui leur permettront d’augmenter et suivi leur productivité.