Méthode d'optimisation mixte bio-inspirée : application à l'imagerie multi-spectrale et à la mesure d'audience

par Benoit Martin

Thèse de doctorat en Optique, Photonique et Traitement d'Image

Sous la direction de Salah Bourennane et de Julien Marot.

Soutenue le 26-10-2018

à l'Ecole centrale de Marseille , dans le cadre de Ecole Doctorale Physique et Sciences de la Matière (Marseille) , en partenariat avec Institut Fresnel (Marseille, France) (laboratoire) .

Le jury était composé de Caroline Fossati, Ahmed Bouridane.

Les rapporteurs étaient Pascal Chargé, Camel Tanougast.


  • Résumé

    Cette thèse propose une nouvelle méthode d’optimisation bio-inspirée basée sur le GWO avec pour but de pouvoir résoudre des problèmes d’optimisation dits mixtes, c’est-à-dire des problèmes composés de variables continues et discrètes. Cette nouvelle méthode baptisée mixed GWO est ensuite appliquée à 2 problématiques distincts.Tout d’abord, le mixed GWO pourra permettre d’améliorer la qualité de la classification d’image par SVM. En effet, la fiabilité d’un SVM va dépendre de ses paramètres d’entraînement, et il n’existe pas de méthode non empirique et non exhaustive permettant de définir ces paramètres pour un problème de classification donné. Le mixed GWO se propose comme une solution à ce problème de paramétrage. La classification doit permettre à l’entreprise IntuiSense d’ajouter une brique de reconnaissance de genre à son outil de mesure d’audience ISAM.Ensuite, le mixedGWO est employé pour faire du débruitage et du démêlage de spectres en simultanée sur des images multi-spectrales ou hyper-spectrales. En effet, la qualité du démêlage des spectres va être particulièrement dépendant de la qualité du débruitage de l’image : faire ces 2 étapes simultanément permet donc un gain de temps et une fiabilité des résultats bien plus intéressants que les faire l’une après l’autre.

  • Titre traduit

    Mixed bio-inspired optimization method : Application to multispectral image processing and audience measurement


  • Résumé

    This thesis proposes a novel bio-inspired optimization method based on the GWOalgorithm, with the purpose of solving mixed optimization problems, i.e. problems with bothcontinuous and discrete variables. This novel method is named mixedGWO and is applied to2 distinct problematics.Firstly, the mixedGWO should permit to improve the quality of image classification bySVM. Indeed, a SVM accuracy will depend of its training parameters, and there is nonempirical and non exhaustive method to define these parameters for a given classificationproblem. Therefore, the mixedGWO can be used as a solution to this parametring problem.The improve classification should allow the company IntuiSense to add the gender recognition feature to its audience measurement tool ISAM.Secondly, the mixedGWO is used for joint denoising and unmixing of spectra in multispectral and hyper-spectral image processing. Indeed, the unmixing’s quality is stronglydependent of the denoising quality : doing these 2 steps simultaneously permits a gain oftime and a results’ accuracy way better than if they are done one after the other.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Ecole centrale de Marseille.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.