Détection et analyse des évènements rares par approche sémantique dans une image naturelle - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2016

Detection and analysis of rare events by semantic approach in a natural imag

Détection et analyse des évènements rares par approche sémantique dans une image naturelle

Résumé

The detection of rare objects plays an important role in different disciplines. In literature, the term "rare item" or "rare event" is differently appreciated depending overall on the events encountered, the initial state, user intention and the working environment. Searches interested to the development of rare object general detection algorithms, shared by different fields of application, are extremely limited. This thesis proposes a new semantic approach for automatic detection of rare objects in a natural image. Contrary to the work concerned with a feature set of a rare item, the proposed approach can differentiate two main categories of objects "aberrant object¿ and "rare object". By rare object, we mean extremely different objects from usual components of a given image whose characteristics make them highly valuable. A rare object is for us an unusual event with a low probability of occurrence. Aberrant objects are also objects of a lower frequency. However, these objects do not require much interest as the rare items. The proposed detection approach is performed in two critical steps. In the first step, we developed a new segmentation approach based on a qualitative measure of the amount of information to locate objects of interest in the image. In the next step, we developed a semantic data mining method based on a hypothetical reasoning. We aim to exploit continuously the information in these data and to extract reliable common semantics to characterize rare items. The final detection of the rare objects is based on learning methods and unsupervised classification. A salience detection approach is used to decide the differentiation between the rare and the aberrant object. In this work, a new approach to pre-process image and a case-based reasoning system are used to improve the performance of the process. Our approach does not require any prior knowledge about the nature of objects nor external intervention. The process is tested on the special case of real and synthesized images. Results of evaluation show the efficiency of the proposed method.
La détection des objets rares joue un rôle important dans différentes disciplines. Dans la littérature, le terme " objet rare " ou " événement rare " est différemment apprécié en fonction des événements rencontrés, de l'état initial, de l'intention de l'utilisateur et du domaine d'application. Les recherches s'intéressant au développement des algorithmes permettant la détection générale des objets rares, et pouvant être partagés par différents domaines d'applications, sont extrêmement limitées. Cette thèse propose une nouvelle approche sémantique pour la détection automatique des objets rares dans une image naturelle. Contrairement aux travaux s'intéressant à une particularité définie d'un objet rare, l'approche proposée permet de différencier deux catégories principales d'objets : " objet marquant " et " objet rare ". Nous désignons par le terme " objet rare " tout objet peu fréquent qui s'écarte significativement de la majorité des objets fréquemment rencontrés dans l'image. Les objets marquants sont aussi des objets d'une fréquence faible. Cependant, ces objets ne nécessitent pas autant d'intérêt que les objets rares. L'approche de détection proposée est réalisée en deux étapes décisives. Dans une première étape, nous développons une nouvelle approche de segmentation basée sur une mesure de la quantité d'information permettant de localiser les objets d'intérêt dans l'image. Dans l'étape suivante, nous développons une méthode sémantique de fouille des données fondée sur un raisonnement hypothétique. Nous visons à exploiter l'information en continu dans ces données et d'en extraire une sémantique fiable pour la caractérisation commune d'objets rares. La détection finale de l'objet rare est basée sur les méthodes d'apprentissage et la classification non supervisée. Un système de détection de la saillance visuelle est utilisé pour décider de la différenciation entre l'objet marquant et l'objet rare. Dans ce travail, nous avons défini une nouvelle approche de pré-traitement des images et un système de raisonnement à base de cas pour améliorer les performances du travail réalisé. L'approche que nous avons proposée ne nécessite aucune connaissance préalable sur la nature des objets ni une intervention extérieure. Les résultats d'évaluation de notre approche sur des images réelles et synthétisées ont montré l'efficacité du modèle proposé.
Fichier principal
Vignette du fichier
2016telb0392_Mandhouj Imen.pdf (51.51 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-01404941 , version 1 (29-11-2016)

Identifiants

  • HAL Id : tel-01404941 , version 1

Citer

Imen Mandhouj. Détection et analyse des évènements rares par approche sémantique dans une image naturelle. Traitement des images [eess.IV]. Télécom Bretagne; Université de Bretagne Occidentale, 2016. Français. ⟨NNT : ⟩. ⟨tel-01404941⟩
284 Consultations
77 Téléchargements

Partager

Gmail Facebook X LinkedIn More