Détection de structures fines par traitement d'images et apprentissage statistique (Record no. 160880)

003 - Identifiant pérenne de la notice
Identifiant pérenne de la notice http://www.sudoc.fr/175635196
005 - numéro d'identification de la version
identification de la version 20190527220848.0
009 - PPN
PPN 175635196
033 ## -
-- http://www.theses.fr/2012ENMP0101
035 ## -
-- STAR38565
035 ## -
-- (OCoLC)868304837
035 ## -
-- STAR38565
035 ## -
-- (OCoLC)868304837
035 ## -
-- (OCoLC)868304837
035 ## -
-- STAR38565
035 ## -
-- (OCoLC)868304837
035 ## -
-- STAR38565
099 ## - Informations locales
date creation notice (koha) 2014-01-20
date modification notice (koha) 2019-05-27
100 ## - données générales de traitement
données générales de traitement 20140117d2012 k y0frey50 ba
135 ## -
-- dr|||||||||||
181 ## - Forme du contenu
Données de lien entre zones z01
Source du code non-ISO rdacontent
181 #1 - Forme du contenu
Données de lien entre zones z01
Code de la forme de contenu en ISBD
Code du qualificatif de contenu en ISBD xxxe##
182 ## - Type de médiation
Données de lien entre zones z01
Source du code non-ISO rdamedia
182 #1 - Type de médiation
Données de lien entre zones z01
Code du Type de médiation en ISBD Electronique
183 #1 - Type de support matériel
données de lien entre zones z01
source du code rdacarrier
200 1# - titre
Titre propre Détection de structures fines par traitement d'images et apprentissage statistique
Complément du titre application au contrôle non destructif
Auteur principal Vincent Morard
Auteur(s) secondaire(s) sous la direction de Etienne Decencière et de Petr Dokladal
210 #1 - éditeur
Date de publication 2012
230 ## -
-- Données textuelles
304 ## - Note sur le titre et la mention de responsabilité
texte de la note Titre provenant de l'écran-titre
328 #0 - note
Détails sur la thèse ou le mémoire dont le type de diplôme Thèse de doctorat
Discipline Morphologie mathématique
Organisme délivrant le diplôme Paris, ENMP
Date du diplôme 2012
330 ## - résumé
texte de la note Dans cette thèse, nous présentons de nouvelles méthodes de traitement d’images pourextraire ou rehausser les éléments fins d’une image. Pour ces opérateurs, issus de la morphologie mathématique,l’accent a été mis principalement sur la précision de détection et sur le temps de calcul,qui doivent être optimisés pour pouvoir répondre aux contraintes de temps imposées par différentesapplications industrielles. La première partie de ce mémoire présente ces méthodes, organisées enfonction de la tortuosité des objets à détecter. Nous commençons par proposer un algorithme rapidepour le calcul des ouvertures 1-D afin d’extraire des structures rectilignes des images. Puis, nous étudionsune nouvelle classe d’opérateurs rapides avec les ouvertures parcimonieuses par chemins, permettantd’analyser des structures ayant une tortuosité modérée. Enfin, nous proposons de nouveauxéléments structurants adaptatifs et des filtres connexes construits avec des attributs géodésiques etgéométriques pour extraire des structures filiformes ayant une tortuosité quelconque.Dans un second temps, nous avons développé une méthode d’analyse statistique en introduisantune nouvelle pénalisation adaptative. L’objectif consiste à créer un modèle prédictif précis, quiminimise en même temps une fonction de coût, indépendante des données. Lorsque cette fonctionde coût est liée au temps de calcul de chaque descripteur, il est alors possible de créer un modèleparcimonieux précis et qui minimise les temps de calcul. Cette méthode est une généralisation desrégressions linéaires et logistiques Ridge, Forward stagewise, Lar, ou Lasso.Les algorithmes développés dans cette thèse ont été utilisés pour trois applications industrielles,très différentes les unes des autres, mais toutes faisant intervenir une approche multidisciplinaire : letraitement d’images et l’analyse statistique. L’association de ces deux disciplines permet d’améliorerla généricité des stratégies proposées puisque les opérateurs de traitement d’images alliés à un apprentissagesupervisé ou non supervisé, permettent d’adapter le traitement à chaque application.Mots clés : Traitement d’images, morphologie mathématique, analyse statistique, caractérisation deformes, contrôles non destructifs, ouvertures parcimonieuses par chemins, region growing structuringelements, amincissements par attributs géodésiques et topologiques, adaptive coefficient shrinkage.
330 ## - résumé
texte de la note This PhD is dedicated to new image processing methods to extract or enhance thinobjects from an image. These methods stem from mathematical morphology, and they mainly focuson the accuracy of the detection and on the computation time. This second constraint is imposed bythe fact that we are dealing with high-throughput applications. The first part of this thesis presentsthese methods, organized according to the tortuosity of the objects to detect. We first propose afast algorithm for the computation of 1-D openings, used to extract thin and straight structures in theimages. Then, we study a new class of fast operators, parsimonious path openings, which can extractthin structures with moderate tortuosities. Finally, we propose new adaptive structuring elementsand new thinnings with geodesic and geometric attributes to filter out the noise and to enhance thinstructures of any tortuosity.Besides, we have developed a machine learning method by introducing a new adaptive penalization.We aim at creating a predictive model that minimizes a cost function (independent of the data)while preserving a good accuracy. When this cost function is linked to the computation time of eachfeature, the resulting models will optimize the timings, while preserving a good accuracy. This methodis a generalization of linear and logistic regressions with Ridge, Forward stagewise, Lar or Lassopenalization.The algorithms developed in this thesis have been used for three industrial applications. While theirobjectives are very different, the framework is the same (non-destructive testing) and they all involvea multidisciplinary approach (images processing and statistical analysis). The combination of thesetwo fields yields a higher flexibility in comparison with classical methods. Generic strategies are used,since image processing operators are associated to statistical learning (supervised or unsupervised)to make a specific treatment for each application.Keywords: Image processing, mathematical morphology, statistical analysis, pattern recognition,non destructive testing, parsimonious path openings, region growing structuring elements, geodesicand topologic attributes thinnings, adaptive coefficient shrinkage.
337 ## - configuration requise
texte de la note Configuration requise : un logiciel capable de lire un fichier au format : PDF
541 ## - titre traduit ajouté par le catalogueur
titre traduit Thin structures detection by means of image processing and statistical learning
complément du titre application to non-destructive testing
langue du titre traduit eng
606 ## - Mot Matière
Numéro de notice d'autorité 027234657
Element d'entrée Traitement d'images
Numéro de notice d'autorité 027253139
Subdivision de sujet Thèses et écrits académiques
Code du système d'indexation rameau
606 ## - Mot Matière
Numéro de notice d'autorité 027673340
Element d'entrée Contrôle non destructif
Numéro de notice d'autorité 027253139
Subdivision de sujet Thèses et écrits académiques
Code du système d'indexation rameau
700 #1 - auteur
numéro de la notice d'autorité 175634017
Nom de l'auteur Morard
Prénom Vincent
dates 1985-...
702 #1 - nom de personne - mention de responsabilité secondaire
numéro de la notice d'autorité 087172941
élément d'entrée Decencière
partie du nom autre que l'élément d'entrée Etienne
code de fonction Directeur de thèse
-- Membre du jury
702 #1 - nom de personne - mention de responsabilité secondaire
numéro de la notice d'autorité 080465056
élément d'entrée Dokladal
partie du nom autre que l'élément d'entrée Petr
dates 1971-....
code de fonction Directeur de thèse
-- Membre du jury
712 02 - collectivité - mention de responsabilité secondaire
Numéro de la notice autorité 026375249
Elément d'entrée École nationale supérieure des mines
Elément ajouté au nom ou qualificatif Paris
Code de fonction Organisme de soutenance
712 02 - collectivité - mention de responsabilité secondaire
Numéro de la notice autorité 150495099
Elément d'entrée Ecole doctorale Sciences des métiers de l'ingénieur
Elément ajouté au nom ou qualificatif Paris
Code de fonction Ecole doctorale associée à la thèse
712 02 - collectivité - mention de responsabilité secondaire
Numéro de la notice autorité 15213493X
Elément d'entrée Centre de morphologie mathématique
Elément ajouté au nom ou qualificatif Fontainebleau, Seine et Marne
Code de fonction Laboratoire associé à la thèse
801 #3 - source de catalogage
Date de la transaction 20170718
856 4# - accès
-- PDF
-- 27929585
Version en ligne <a href="http://www.theses.fr/2012ENMP0101/document">http://www.theses.fr/2012ENMP0101/document</a>
-- Accès au texte intégral
856 4# - accès
Version en ligne <a href="http://www.theses.fr/2012ENMP0101/abes">http://www.theses.fr/2012ENMP0101/abes</a>
856 4# - accès
Version en ligne <a href="https://pastel.archives-ouvertes.fr/pastel-00932727">https://pastel.archives-ouvertes.fr/pastel-00932727</a>
930 ## -
-- 751069904:587256036
-- 751069904
-- g
991 ## -
-- 751069904:587256036
-- exemplaire créé automatiquement par STAR
Holdings
Perdu Origine geographique du document Localisation cote Statut de l'exemplaire note sur l'exemplaire Propri
Présent En ligne En ligne http://pastel.archives-ouvertes.fr/pastel-00932727 En ligne Thèse en ligne Publications de l'Ecole

Powered by Koha