| Titre : | Estimation de mouvement par les techniques métaheuristiques |
| Auteurs : | Abir Betka, Auteur ; Nadjiba Terki, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algerie] : Université Mohamed Kheider, 2019 |
| Langues: | Français |
| Mots-clés: | Estimation de mouvement,Séquence d’images,Optimisation,Métaheuristique. |
| Résumé : |
L’estimation de mouvement est un processus qui consiste à estimer, à partir d’une
séquence d’images, le mouvement apparent des objets composant une scène tridimensionnelle. La méthode de mise en correspondance de blocs : block matching (BM) est la méthode d’estimation de mouvement la plus utilisée. L’aspect important de cette méthode est l’utilisation des stratégies de recherche intelligentes afin d’obtenir une précision d’estimation de mouvement élevée avec une complexité de calcul réduite. Dans cette thèse, nous nous intéressons aux techniques de BM basées sur les métaheuristiques, deux nouveaux algorithmes sont proposés. Dans la première partie de cette thèse, nous proposons un algorithme de BM basé sur la recherche fractale stochastique. Les résultats de simulation obtenus montrent la supériorité de l’algorithme proposé par rapport aux autres techniques BM en termes de précision d’estimation de mouvement et complexité de calcul. Dans une deuxième partie, nous présentons la technique métaheuristique que nous avons développée, nommée optimisation à base de LBP : local binary pattern optimizer (LBPO), elle est inspirée par le concept de base du descripteur LBP. Nous validons la méthode LBPO avec des fonctions de test connues, puis nous appliquons cette méthode au problème de BM. Les résultats expérimentaux montrent l’efficacité de la méthode proposée. |
| Sommaire : |
Table des matières
Introduction générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 I État de l’art sur l’estimation de mouvement . . . . . . . . . . . . . . . . . . . . . . . . . 4 I.1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 I.2. Le principe de l’estimation de mouvement . . . . . . . . . . . . . . . . . . . 5 I.2.1. Le mouvement dans la séquence vidéo . . . . . . . . . . . . . . . . . 5 I.2.2. Formulation mathématique . . . . . . . . . . . . . . . . . . . . . . . 7 I.2.3. Les difficultés de l’estimation de mouvement . . . . . . . . . . . . . 8 I.2.4. Domaines d’applications . . . . . . . . . . . . . . . . . . . . . . . . 10 I.3. Les méthodes d’estimation de mouvement . . . . . . . . . . . . . . . . . . . 11 I.3.1. Les méthodes de flot optique (à base de pixel) . . . . . . . . . . . . . 11 I.3.1.1. Les méthodes locales . . . . . . . . . . . . . . . . . . . . 11 I.3.1.2. Les méthodes globales . . . . . . . . . . . . . . . . . . . . 15 I.3.1.3. Des méthodes récentes . . . . . . . . . . . . . . . . . . . 20 I.3.1.4. Inconvénients des méthodes de flot optique . . . . . . . . 21 I.3.2. Les méthodes de mise en correspondance de blocs (à base de bloc) . . 22 I.3.2.1. Le concept de base de BM . . . . . . . . . . . . . . . . . . 22 I.3.2.2. Les propriétés de BM . . . . . . . . . . . . . . . . . . . . 23 I.3.2.3. Les méthodes BM rapides . . . . . . . . . . . . . . . . . . 25 I.3.2.4. Évaluation des performances des méthodes BM . . . . . . 31 I.4. Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 II État de l’art sur les techniques métaheuristiques . . . . . . . . . . . . . . . . . . . . . . 33 II.1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 II.2. L’optimisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 II.2.1. Classification des problèmes d’optimisation . . . . . . . . . . . . . . 35 II.2.2. Les techniques d’optimisation . . . . . . . . . . . . . . . . . . . . . 37 II.2.2.1. Les techniques exactes . . . . . . . . . . . . . . . . . . . . 37 II.2.2.2. Les techniques approchées . . . . . . . . . . . . . . . . . 38 II.3. Les métaheuristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 II.3.1. Classification des métaheuristiques . . . . . . . . . . . . . . . . . . 42 II.3.2. Quelques techniques métaheuristiques . . . . . . . . . . . . . . . . . 45 II.3.2.1. Recuit simulé . . . . . . . . . . . . . . . . . . . . . . . . 45 viii II.3.2.2. La recherche tabou . . . . . . . . . . . . . . . . . . . . . 46 II.3.2.3. L’algorithme génétique . . . . . . . . . . . . . . . . . . . 46 II.3.2.4. L’optimisation par essaim particulaire . . . . . . . . . . . 47 II.3.2.5. Trou noir . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 II.3.2.6. L’algorithme de la recherche harmonique . . . . . . . . . . 48 II.3.2.7. Filtre Kalman simulé . . . . . . . . . . . . . . . . . . . . 49 II.3.3. Extensions des métaheuristiques . . . . . . . . . . . . . . . . . . . . 50 II.3.4. Conception de nouvelles méthodes métaheuristiques . . . . . . . . . 51 II.3.5. Applications des métaheuristiques . . . . . . . . . . . . . . . . . . . 51 II.3.5.1. Les fonctions de test . . . . . . . . . . . . . . . . . . . . . 51 II.3.5.2. Applications réelles . . . . . . . . . . . . . . . . . . . . . 53 II.4. Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 III Approche de mise en correspondance de blocs par la technique SFS . . . . . . . . . 55 III.1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 III.2. La recherche fractale stochastique . . . . . . . . . . . . . . . . . . . . . . . 57 III.2.1. Le principe de SFS . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 III.2.1.1. Le processus de diffusion . . . . . . . . . . . . . . . . . . 58 III.2.1.2. Le premier processus de mise à jour . . . . . . . . . . . . 59 III.2.1.3. Le deuxième processus de mise à jour . . . . . . . . . . . 60 III.2.2. Implémentation parallèle de SFS . . . . . . . . . . . . . . . . . . . . 61 III.3. L’algorithme SFS-BM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 III.3.1. Initialisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 III.3.2. La fonction de fitness . . . . . . . . . . . . . . . . . . . . . . . . . . 65 III.3.3. Les processus de SFS . . . . . . . . . . . . . . . . . . . . . . . . . . 66 III.3.4. La fenêtre de recherche adaptative . . . . . . . . . . . . . . . . . . . 67 III.3.5. L’approximation de la fonction de fitness modifiée . . . . . . . . . . 67 III.3.6. Réduction de la complexité de calcul . . . . . . . . . . . . . . . . . 69 III.3.6.1. L’exploitation des valeurs de la fonction de fitness . . . . . 69 III.3.6.2. Le pré-jugement du mouvement zéro . . . . . . . . . . . . 70 III.3.7. Critère d’arrêt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 III.4. Résultats et discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 III.4.1. Analyse de l’algorithme . . . . . . . . . . . . . . . . . . . . . . . . 74 III.4.2. Comparaison avec d’autre méthodes BM . . . . . . . . . . . . . . . 76 III.5. Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 IV Conception et validation d’une nouvelle technique métaheuristique : LBPO . . . . 81 ix IV.1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 IV.2. Le descripteur LBP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 IV.3. La technique LBPO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 IV.3.1. Initialisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 IV.3.2. Évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 IV.3.3. Détermination des solutions voisines . . . . . . . . . . . . . . . . . . 86 IV.3.4. Génération des codes . . . . . . . . . . . . . . . . . . . . . . . . . . 87 IV.3.5. Calcul des probabilités . . . . . . . . . . . . . . . . . . . . . . . . . 88 IV.3.6. Mise à jour de la population . . . . . . . . . . . . . . . . . . . . . . 88 IV.4. Analyse de LBPO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 IV.5. Paramétrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 IV.5.1. Influence du paramètre c . . . . . . . . . . . . . . . . . . . . . . . . 94 IV.5.2. Influence de la taille de la population . . . . . . . . . . . . . . . . . 96 IV.5.3. Complexité de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . 96 IV.6. Évaluation de LBPO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 IV.6.1. Expérimentation 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 IV.6.2. Expérimentation 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 IV.6.3. Analyse statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 IV.7. Application de LBPO en BM . . . . . . . . . . . . . . . . . . . . . . . . . . 110 IV.8. Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 Conclusion générale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 Annexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 |
Disponibilité (1)
| Cote | Support | Localisation | Statut | Emplacement | |
|---|---|---|---|---|---|
| TH/0990 | Thèse de doctorat | BIB.FAC.ST. | Empruntable |
Erreur sur le template
