19/09/2023 - 10H00 - l'amphithéâtre 7 - Bâtiment second cycle - Faculté des Sciences et Technologies, Vandoeuvre-lès-Nanc 
"Conception d'une chaîne de traitements pour la segmentation texture d'images multimodales de pièces de bois en chêne. Application à la détection des singularités et la discrimination du grain du bois."
(Thèse Radouan DAHBI)
Résumé :
Les travaux présentés dans cette thèse CIFRE, liant le CRAN et le CRITT Bois d'Epinal dans le cadre du projet ANR-OPTIFIN, contribuent au développement d'une chaîne de traitements pour la segmentation texture des images multimodales de pièces de bois en chêne. L'idée est de combiner des techniques d'acquisition multimodale dans le visible et le proche infrarouge (NIR) à des méthodes d'analyse de texture par matrices de covariance et de segmentation texture dans la variété Riemannienne, pour la détection des singularités et la discrimination du grain du bois.
Dans le premier chapitre, nous dressons un état de l'art sur l'inspection automatisée des pièces de bois ; en portant une attention particulière aux essences de bois feuillus (e.g. chêne) dont l'inspection demeure encore un problème non résolu. Le deuxième chapitre porte sur la mise en place de la plate-forme d'imagerie multimodale (PIM) et la calibration des images couleur, niveaux de gris, directe et scatter dans le visible et des cartes d'abondance, obtenues à partir des images hyperspectrales NIR. Nous proposons une méthodologie originale pour les images scatter en optimisant les paramètres d'acquisition sur les pièces de bois en chêne.
Le troisième chapitre concerne l'étude du recalage des images monomodales et multimodales et l'application d'une méthode pour la suppression de leur fond. Dans le quatrième chapitre, nous proposons une méthodologie d'analyse texture basée sur la fusion par matrices de covariance des images multimodales et/ou de leurs images texturales (LBP, nriLBP, GLCM et Gradient). Nous exploitons les matrices de covariance par des méthodes de clustering par K-moyennes et de classification supervisée par k-ppv, étendues au cas Riemannien, pour la segmentation.
Dans le dernier chapitre sont présentés les résultats garantissant une segmentation pertinente et rapide des matrices de covariance. Ils sont obtenus après avoir déterminé les meilleurs paramètres de réglages des K-moyennes. Les résultats du clustering laissent apparaître que l'utilisation des images multimodales seules conduit à une segmentation optimale des singularités compactes. Ils montrent aussi l'importance de l'intégration des images texturales dans les jeux de modalités pour obtenir une meilleure segmentation des singularités de type région. Pour le grain du bois, une segmentation efficace est obtenue en utilisant les images texturales seules. Enfin, nous proposons d'appliquer les k-ppv dans la variété Riemannienne sur les modalités sélectionnées pour obtenir une segmentation plus précise.
Mots-clés : Traitements d'images, segmentation, images multimodales, visible et proche infrarouge, analyse de texture, matrices de covariance, K-moyennes, k-ppv, variété Riemannienne, pièces de bois en chêne.
| Jury : | |
| - Rapporteurs : | Régis LENGELLÉ (Université de Technologie de Troyes) |
| Saïd MOUSSAOUI ( École Centrale de Nantes) | |
| - Autres membres : | Hind BRIL-HAOUZI (Université de Lorraine) - examinatrice Céline MEILLIER (Université de Strasbourg) - examinatrice David BRIE (Université de Lorraine) - directeur de thèse Vincent BOMBARDIER (Université de Lorraine) - co-directeur de thèse Eric MASSON (CRITT Bois) - invité |
