Centre de documentation
scientifique

Extraction de caractéristiques sur des images acquises en contexte mobile / Yannick Faula (2020)  

Public Titre : Extraction de caractéristiques sur des images acquises en contexte mobile : application à la reconnaissance de défauts sur ouvrages d’art Type de document : Thèse/HDR Auteurs : Yannick Faula, Auteur ; Véronique Eglin, Directeur de thèse Editeur : Lyon : Institut National des Sciences Appliquées INSA Lyon Année de publication : 2020 Importance : 168 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse de Doctorat de l'Université de Lyon opérée au sein de l’INSA de Lyon, Spécialité Informatique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] appariement d'images [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] détection de changement [Termes IGN] détection de flou [Termes IGN] état de l'art [Termes IGN] extraction de traits caractéristiques [Termes IGN] image captée par drone [Termes IGN] qualité d'image [Termes IGN] seuillage d'image [Termes IGN] surveillance d'ouvrage [Termes IGN] temps réel [Termes IGN] voie ferrée Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Le réseau ferroviaire français dispose d’une infrastructure de grande ampleur qui se compose de nombreux ouvrages d’art. Ces derniers subissent les dégradations du temps et du trafic et font donc l’objet d’une surveillance périodique pour détecter l’apparition de défauts. Aujourd’hui, cette inspection se fait en grande partie, visuellement par des opérateurs experts. Plusieurs entreprises testent de nouveaux vecteurs d’acquisition photo comme le drone, destinés à la surveillance des ouvrages de génie civil. Dans cette thèse, l’objectif principal est de développer un système capable de détecter, localiser et enregistrer d’éventuels défauts de l’ouvrage. Un grand défi est de détecter des défauts sous-pixels comme les fissures en temps réel pour améliorer l’acquisition. Pour cela, une analyse par seuillage local a été conçue pour traiter de grandes images. Cette analyse permet d’extraire des points d’intérêts (Points FLASH : Fast Local Analysis by threSHolding) où une ligne droite peut se faufiler. La mise en relation intelligente de ces points permet de détecter et localiser les fissures fines. Les résultats de détection de fissures de surfaces altérées issues d’images d’ouvrages d’art démontrent de meilleures performances en temps de calcul et robustesse que les algorithmes existants. En amont de l’étape de détection, il est également nécessaire de s’assurer que les images acquises soient de bonne qualité pour réaliser le traitement. Une mauvaise mise au point ou un flou de bougé sont à bannir. Nous avons développé une méthode réutilisant les calculs de la détection en extrayant des mesures de LocalBinaryPatterns(LBP) afin de vérifier la qualité en temps réel. Enfin, pour réaliser une acquisition permettant une reconstruction photogrammétrique, les images doivent avoir un recouvrement suffisant. Notre algorithme, réutilisant les points d’intérêts de la détection, permet un appariement simple entre deux images sans passer par des algorithmes de type RANSAC. Notre méthode est invariante en rotation, translation et à une certaine plage de changements d’échelle. Après l’acquisition, sur les images de qualité optimale, il est possible d’employer des méthodes plus coûteuses en temps comme les réseaux de neurones à convolution. Ces derniers bien qu’incapables d’assurer une détection de fissures en temps réel peuvent être utilisés pour détecter certains types d’avaries. Cependant, le manque de données impose la constitution de notre propre jeu de données. A l’aide d’approches de classification indépendante (classifieurs SVM one-class), nous avons développé un système flexible capable d’évoluer dans le temps, de détecter puis de classifier les différents types de défauts. Aucun système de ce type n’apparaît dans la littérature pour la détection de défauts sur ouvrages d’art. Les travaux réalisés sur l’extraction de caractéristiques sur des images pour la détection de défauts pourront être utiles dans d’autres applications telles que la navigation de véhicules intelligents ou le word-spotting. Note de contenu : 1. Contexte et motivations 1.1 Introduction 1.2 Contexte industriel : Inspection des ouvrages d’art 1.3 Autres domaines d’application des travaux de thèse 1.4 Contributions 1.5 Organisation du mémoire 2. Détection de défauts : les fissures 2.1 Introduction 2.2 Etat de l’art 2.3 Pré-traitement : super-résolution 2.4 Notre contribution : Les points FLASH 3. Détermination de la qualité de l’acquisition 3.1 Introduction 3.2 Etat de l’art 3.3 Détection du flou en temps réel 3.4 Evaluation pour la détection de fissures 3.5 Conclusion 4. Appariement d’images selon FLASH 4.1 Introduction 4.2 État de l’art 4.3 Contribution 4.4 Évaluation 4.5 Conclusion 5. Détection de défauts : les défauts surfaciques 87 5.1 Introduction 5.2 État de l’art sur la caractérisation de texture et la détection de défauts 5.3 Architecture proposée 5.4 Expérimentations 5.5 Spécialisation sur les éclatements de béton 5.6 Conclusion 6. Autres contributions 6.1 Introduction 6.2 Word Spotting 6.3 Détection de lignes droites et de segments orientés 6.4 Conclusion 7. Conclusion et Perspectives Numéro de notice : 26519 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Université de Lyon : 2020 Organisme de stage : LIRIS nature-HAL : Thèse En ligne : http://theses.insa-lyon.fr/publication/2020LYSEI077/these.pdf Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97359