Méthodes Statistiques de Reconnaissance des Formes. Application à la Caractérisation des Défauts Soudure dans le Contrôle par Radiographie.

Type : Projet du centre CRTI
Organisme : Centre de Recherche en Technologies Industrielles (CRTI)
Unité : Centre de recherche en technologie industrielles CRTI, Ex - CSC
Division : Division de Traitement du Signal et Imagerie
Equipe résponsable : Equipe N°11 « Reconnaissance de forme »
Période : 2010 - 2012
Version PDF : (.pdf)
Mots Clés : Radiographie de soudure, Compression d’image, Evaluation de segmentation, Descripteur, Sélection de caractéristique, modèle de mélange, algorithmes génétiques, SVM.
Description
Dès le début des années 80, l’analyse d’images et reconnaissance des formes par approche statistique ont connu un essor remarquable. Ses frontières ont été élargies dans plusieurs directions simultanément. Cette expansion rapide est en grande partie menée par les raisons suivantes :1. Interaction et collaboration croissantes parmi différentes disciplines, incluant l’apprentissage, les statistiques, les mathématiques, l'informatique, et la biologie. Ces efforts pluridisciplinaires ont stimulé de nouvelles idées, méthodologies, et techniques qui enrichissent le paradigme de la reconnaissance des formes statistique traditionnelle.2. La prédominance des processeurs rapides, de l'Internet, des mémoires de stockage grandes et peu coûteuses. La technologie avancée des ordinateurs a rendu possible l’exécution d’algorithmes complexes d’apprentissage, de recherche et d'optimisation, qui n'étaient pas faisables, il y a quelques décennies. Dans ce travail, nous projetons de développer et d’implémenter des méthodes de reconnaissance des formes basée sur l’approche statistique (Modèles de mélanges de lois de probabilité, SVM, Réseau Bayésien, Algorithme génétique) pour la classification des défauts de soudure. Avant cela la même approche est utilisée pour les étapes l’extraction et la sélection de caractéristiques. En outre, quelques méthodes d’évaluations de la segmentation seront exécutées pour pouvoir comparer et retenir les méthodes de segmentation les plus performantes parmi celles déjà réalisées dans le projet précédent ou en cours de réalisation. A cet effet, une étude comparative des différentes méthodes de classification nous montrera les avantages et les inconvénients des unes par rapport aux autres et nous guidera vers les combinaisons les plus optimales.