Analyse d'images et apprentissage machine pour la détection des altérations des pierres des monuments historiques

Image processing and machine learning for stone alterations detection in historical monuments

• Auteur / Autrice : Koubouratou Idjaton
• Direction : Sylvie Treuillet
• Type : Thèse de doctorat
• Discipline(s) : Sciences et techniques de l'ingénieur / Mathématiques et informatique (STI-MI)
• Date : Soutenance le 26/09/2022
• Etablissement(s) : Orléans
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....)
• Jury : Président / Présidente : Catherine Achard
• Jury : Examinateurs / Examinatrices : Catherine Achard, Abderrahim Elmoataz, Xavier Desquesnes, Xavier Brunetaud, Laure Tougne, Frédéric Bosché, Rachid Harba
• Jury : Rapporteurs / Rapporteuses : Catherine Achard, Abderrahim Elmoataz

Mots clés

Mots clés contrôlés

Chaumont-sur-Loire (Loir-et-Cher) -- Château

Chambord (Loir-et-Cher) -- Château

Photogrammétrie en architecture

Acquisition automatique des données

Monuments historiques -- Conservation et restauration

Innovation

Mots clés libres

Analyse d'images couleur

Vision 3D

Intelligence du patrimoine

Détection d'altération

Segmentation de pierre

Apprentissage machine

Image processing

3D models

Cultural Heritage

Alteration detection

Stone segmentation

Machine learning

Résumé

La préservation des monuments historiques exige une surveillance de leur état pour assurer la sécurité des visiteurs et planifier au mieux les opérations de restauration.Cette surveillance repose essentiellement sur une observation visuelle réalisée par des experts sur site et sur un lourd et fastidieux travail d’inventaire et d’annotations manuelles sur des photos. Cette thèse propose de nouveaux outils d’aide au diagnostic assisté par ordinateur, basés sur l’intelligence artificielle pour réaliser une détection automatique des altérations des pierres dans des images couleurs. Une plateforme Web opérationnelle permet aux experts d’appliquer les algorithmes proposés et de visualiser les résultats de segmentation pierre-à-pierre et de détecter les altérations des pierres via une interface conviviale, pour faciliter leur diagnostic sur les façades des châteaux. Ces contributions ouvrent la voie au développement d’un outil convivial multi acteurs pour un diagnostic plus précis des grands monuments.

The preservation of historical monuments requires monitoring their condition to ensure the safety of visitors and to plan restoration operations as well as possible. This monitoring relies mainly on visual observation by experts on site and a heavy and tedious work of inventory and manual annotations on photos. This thesis proposes new computer-assisted diagnostic tools based on artificial intelligence to perform automatic detection of stone alterations in color images. An operational web platform allows experts to apply the proposed algorithms and to visualize the results of stone-to-stone segmentation and stone alteration detection via a user-friendly interface, to facilitate their diagnosis on castle facades. These contributions pave the way for the development of a user-friendly multi-actor tool for a more accurate diagnosis of large monuments.