La supervision automatique des processus industriels permet d'accroître la productivité et de diminuer le coût d'entretien. Le diagnostic est une composante principale d'un module de supervision. Il existe plusieurs approches pour réaliser le diagnostic. Les performances de chaque approche dépendent du problème posé. Nous cherchons une méthode de diagnostic capable de résoudre les problèmes suivants :<br />- dans une base de connaissance incomplète, tous les modes de fonctionnement ne sont pas représentés. En conséquence, un module de diagnostic doit être adaptatif afin d'inclure à sa base de connaissance les nouveaux modes dés qu'ils apparaissent,<br />- lorsque le système évolue vers un mode anormal ou non désiré, il est nécessaire d'anticiper cette évolution plutôt que d'attendre d'arriver à ce mode afin d'éviter ses conséquences surtout s'il est dangereux. Le module de diagnostic doit donc être prédictif,<br />- dans le cas d'un système évolutif, la base de connaissance doit être enrichie grâce à l'information apportée par les nouvelles observations. Cet enrichissement doit être réalisé en temps réel,<br />- les données sont à la fois incertaines et imprécises.<br />L'objectif principal de ma thèse consistait à mettre au point un module de diagnostic en temps réel adaptatif et prédictif pour des systèmes évolutifs, en utilisant les techniques de Reconnaissance des Formes, la théorie des ensembles flous et la théorie des possibilités. Ce module a été appliqué sur plusieurs applications industrielles.

Les graphes sont des modèles de représentation qui permettent de modéliser un grand nombre de type de documents. Dans cette thèse, nous nous intéressons à leur utilisation pour la recherche dans des bases de données multimédia. Nous commençons par présenter la théorie autour des graphes ainsi qu'un aperçu des méthodes qui ont été proposées pour leur mise en correspondance. Puis, nous nous intéressons plus particulièrement à leur utilisation pour la reconnaissance des formes et l'indexation multimédia. Dans le but de répondre de la manière la plus générique possible aux différents problèmes de recherche, nous proposons de travailler dans le cadre des fonctions noyaux. Ce cadre permet de séparer les problèmes liées à la nature des documents de ceux apportés par les différents types de recherche. Ainsi, toute notre énergie est consacrée à la conception de fonctions de mise en correspondance, mais en gardant à l'esprit qu'elles doivent respecter un certain nombre de propriétés mathématiques. Dans ce cadre, nous proposons de nouvelles solutions qui permettent de mieux répondre aux caractéristiques particulières des graphes issus de primitives et descripteurs visuels. Nous présentons aussi les algorithmes qui permettent d'évaluer rapidement ces fonctions. Enfin, nous présentons des expériences qui mettent en lumière ces différentes caractéristiques, ainsi que des expériences qui montrent les avantages qu'offrent nos modèles vis à vis de la littérature.

La reconnaissance de formes s'intéresse à la détection automatique de motifs dans des données d'entrée, afin de pouvoir, par exemple, les classer en catégories. La matière première de ces techniques est bien souvent l'image numérique. Cette dernière, dans sa forme la plus courante, est codée sous la forme d'une matrice de pixels. Néanmoins, la question du développement de représentations plus riches se pose. Ainsi, la structuration de l'information contenue dans l'image devrait permettre la mise en évidence des différents objets représentés, et des liens les unissant. C'est pourquoi nous proposons de modéliser les images numériques sous forme de graphes, pour leur richesse et expressivité d'une part, et pour exploiter les résultats de la théorie des graphes en reconnaissance de formes d'autre part. Nous développons pour cela une méthode d'extraction de graphes plans à partir d'images, basée sur le respect de la sémantique. Nous montrons que nous pouvons, étant donné un graphe, reconstruire avec perte limitée l'image d'origine. Par la suite, nous introduisons les graphes plans à trous, graphes dont les faces peuvent être visibles ou invisibles. Leur justification trouve sa place dans la recherche de motifs notamment, pour laquelle les éléments constituant l'arrière plan d'une image ne doivent pas être retrouvés. En dirigeant notre attention sur la planarité de ces graphes, nous proposons des algorithmes polynomiaux d'isomorphisme de graphes plans et de motifs ; nous traitons également leur équivalence, qui se trouve être un isomorphisme aux faces invisibles près.

Les travaux présentés dans ce mémoire de thèse abordent sous différents angles très intéressants, un sujet vaste et ambitieux : l'interprétation de plans cadastraux couleurs.Dans ce contexte, notre approche se trouve à la confluence de différentes thématiques de recherche telles que le traitement du signal et des images, la reconnaissance de formes, l'intelligence artificielle et l'ingénierie des connaissances. En effet, si ces domaines scientifiques diffèrent dans leurs fondements, ils sont complémentaires et leurs apports respectifs sont indispensables pour la conception d'un système d'interprétation. Le centre du travail est le traitement automatique de documents cadastraux du 19e siècle. La problématique est traitée dans le cadre d'un projet réunissant des historiens, des géomaticiens et des informaticiens. D'une part nous avons considéré le problème sous un angle systémique, s'intéressant à toutes les étapes de la chaîne de traitements mais aussi avec un souci évident de développer des méthodologies applicables dans d'autres contextes. Les documents cadastraux ont été l'objet de nombreuses études mais nous avons su faire preuve d'une originalité certaine, mettant l'accent sur l'interprétation des documents et basant notre étude sur des modèles à base de graphes. Des propositions de traitements appropriés et de méthodologies ont été formulées. Le souci de comblé le gap sémantique entre l'image et l'interprétation a reçu dans le cas des plans cadastraux étudiés une réponse.

De nombreux systèmes actuels sont évolutifs, i.e. leur comportement est dynamique et il entraîne des changements dans leurs caractéristiques de fonctionnement. Le suivi des modes de fonctionnement des systèmes évolutifs est un problème majeur pour les méthodes de diagnostic. En effet, dans ces conditions il est nécessaire d'utiliser ou de développer des méthodes tenant compte des nouvelles informations caractéristiques du comportement actuel d'un système et permettant l'adaptation des modes de fonctionnement connus. Nous avons choisi de travailler avec les méthodes de reconnaissance des formes pour leur capacité à fonctionner sur des applications pour lesquelles seules des observations sont connues. Plusieurs méthodes de classification dynamique ont été proposées afin de tenir compte des changements de caractéristiques des formes et des classes au cours du temps. D'une part la méthode Fuzzy Pattern Matching Dynamique (FPMD) a été développée pour tenir compte du changement graduel des caractéristiques des classes après la classification de chaque nouvelle forme. La méthode intègre plusieurs mécanismes tels que des indices de représentativité des données, un résidu permettant de suivre les évolutions des classes, et des procédures de scission et de fusion permettant d'adapter les classes dynamiques. D'autre part, une version Supervisée et une version Semi-Supervisée des K-Plus Proches Voisins Flous Dynamique (KPPVFD) ont également été proposées : KPPVFD-S et KPPVFD-SS. Ces méthodes KPPVFD utilisent des procédures de détection et de confirmation des évolutions de classes puis elles réalisent l'adaptation de ces dernières en utilisant les formes les plus caractéristiques de la tendance actuelle du système. Les méthodes proposées permettent de détecter en ligne l'évolution du comportement d'un système, de valider cette évolution et de procéder à l'adaptation d'une classe lorsque ses caractéristiques ont changées. Deux approches de reconnaissance des formes (structurelle et mixte) ont également été proposées. L'approche structurelle repose sur une méthode de segmentation ne nécessitant pas la définition d'un seuil d'erreur d'approximation et sur un nombre adaptatif de primitives défini par rapport à chaque phase caractéristique d'une forme dynamique. Une fois la segmentation des formes dynamiques réalisée, la méthode estime leur tendance à l'aide des primitives sélectionnées puis la phase de classification peut avoir lieu en utilisant une mesure de similarité. La méthode mixte repose sur l'utilisation de données statistiques et structurelles pour réaliser la classification des données dynamiques. Une signature mixte est obtenue pour chaque forme dynamique traitée. Cette signature mixte permet d'obtenir une information caractéristique interprétable. Une mesure de similarité mixte, basée à la fois sur la similarité entre caractéristiques structurelles et statistiques, est ensuite calculée à partir de cette signature mixte pour mesurer l'appartenance d'une forme à une classe. Cette mesure permet également de quantifier l'évolution que peut réaliser une forme suite à un changement de caractéristiques d'un système. L'ensemble des méthodes proposées a été utilisé sur plusieurs applications simulées et réelles. Ces applications concernaient le milieu industriel (détection de soudures de mauvaise qualité, détection d'une fuite dans un générateur de vapeur) et le milieu médical (caractérisation de la coordination inter-segmentaire des patrons de marche des patients hémiparétiques).

Une approche variationnelle robuste est proposée pour le recalage de signaux 1D puis appliquée au calcul des géodésiques de formes pour la classification. L'approche est ensuite étendue au recalage d'images de séquences de formes. Cette approche de recalage, basé-géométrie, est particulièrement bien adaptée aux images peu contrastées, pour lesquelles le recalage basé-intensité manque d'efficacité. Une étude de validation est menée sur des signaux et des images issus de la biologie et du milieu médical. La reconnaissance de formes (classification et recherche) a aussi été validée sur la base d'images MPEG-7 largement utilisée dans la littérature scientifique. L'application principale visée concerne le traitement des signaux et des images issus d'archives biologiques marines (otolithes de poissons et coquilles Saint-Jacques), qui présentent une grande variabilité inter-individuelle et où les approches de recalage sont d'un intérêt tout particulier. Les méthodes proposées ont été appliquées avec succès à l'identification de l'espèce et/ou du stock du poisson et de la coquille Saint-Jacques, à l'estimation de l'âge et de la croissance du poisson, comme aide à l'interprétation des marques de croissance et à l'établissement de modèles statistiques de formes.

La classification sur ombre de mines marines peut être effectuée à partir d'images sonar haute résolution. Cependant, la classification mono-vue admet des limites du fait de leur forme géométrique parfois complexe. Une manière de s'affranchir des ambiguïtés consiste à effectuer une classification multi-vues. Dans un premier temps, il convient d'assimiler les spécificités de l'imagerie sonar. D'un côté, les propriétés statistiques des pixels et le principe d'acquisition des images sont des connaissances avantageusement prises en compte lors de l'étape de segmentation. D'un autre côté, les distorsions géométriques qui affectent l'ombre portée du fait des performances du sonar et de la prise de vue doivent être considérées. En matière de reconnaissance de formes, les données sonar segmentées peuvent être diversement résumées suivant qu'on s'attache à définir des grandeurs indépendantes des positions relatives objet-sonar et/ou de la résolution du sonar ou bien, autorisant une reconstruction du contour et la conservation de l'orientation de la forme associée. Ces considérations du problème mono-vue ont préparé l'élaboration de processus plus complexes de classification multi-vues. D'une part, on manipule les attributs issus d'un traitement image par image. Deux cas se présentent : en exploitant l'évolution de la forme de l'ombre en fonction du trajet du sonar ou, au contraire, en s'affranchissant des transformations du plan. Dans le premier cas, on caractérise de manière globale l'ensemble des valeurs successives prises par des attributs sensibles aux diverses formes de l'ombre. Dans le second cas, sans connaissance précise des conditions d'acquisition, les attributs extraits sont fusionnés et présentés à l'opérateur sous forme de mesures pour l'aide à la décision. Par la logique floue d'autre part, les outils de reconnaissance de formes calculés sur des données binaires ont été étendus au cas de données en niveaux de gris d'une nouvelle image pour sa caractérisation.

Automatic verification of personal identity using facial images is the central topic of the thesis. This problem can be stated as follows. Given two face images, it must be determined automatically whether they are images of the same person or of different persons. Due to many factors such as variability of facial appearance, sensitivity to noise, template aging, etc., the problem is difficult. We can overcome some of these difficulties by combining different information sources for the classification/recognition task. In this thesis we propose strategies on how to combine the different information sources, i.e. fusion strategies, in order to improve the verification accuracy. We have designed and thoroughly optimised a number of face verification algorithms. Their individual properties such as how their accuracy depends on algorithm parameters, image size, or sensitivity to mis-registrations have been studied. We have also studied how to combine the outputs of the different algorithms in order to reduce the verification error rates. Another decision fusion aspect considered in this thesis is the fusion of confidences obtained sequentially on several video frames of the same person's face. Finally multimodal fusion has been studied. In this case, the speech and face of the same subject are recorded and processed by different algorithms which output separate opinions. These two opinions are then conciliated at the fusion stage. It is shown that in all cases, information fusion allows a considerable performance improvement if the fusion stage is carefully designed.

Ce travail a été réalisé dans le cadre d'une convention CIFRE entre le LAAS-CNRS et la société ACTIA qui développe des outils d'aide au diagnostic de pannes automobiles. Le but était l'utilisation des réseaux de neurones artificiels pour la conception d'une nouvelle méthode de diagnostic de pannes automobiles sans modèle, ni information symbolique mais avec seulement des observations du système en bon et en mauvais fonctionnement. C'est donc une approche du diagnostic de système complexe par reconnaissance de formes. Après avoir mis au point le système d'acquisition, nous avons conçu une première maquette qui a démontré la faisabilité d'un tel système et l'intérêt des réseaux de neurones, mais qui a soulevé de nombreux problèmes. L'utilisation particulière des réseaux de neurones dans cette application a nécessité l'usage d'algorithmes de construction. Après une étude théorique des structures de l'hypercube qui n'a pas abouti à un algorithme de construction mais qui a fourni plusieurs résultats, nous avons développé une famille d'algorithmes pour la construction des réseaux de neurones binaires. La base de ces outils est une nouvelle méthode d'apprentissage d'unités à seuil très performante dénommée Barycentric Correction Procedure (BCP). L'aboutissement est un algorithme novateur car très général (entrées quelconques et sorties multiples), rapide et avec un bon pouvoir de généralisation. Nous avons finalement mis au point une nouvelle méthodologie de diagnostic, dans laquelle l'utilisation de méthodes statistiques et d'analyse de données en collaboration avec les réseaux neuronaux paru nécessaire. Cette méthodologie utilise donc des techniques très diverses : analyse en composantes principales, estimation de densité de probabilité, classification automatique, calcul d'enveloppes convexes, génération géométrique de bases d'apprentissage, construction de réseaux de neurones binaires, réseaux de neurones gaussiens et méthodes de diagnostic simples. Cette méthodologie a été appliquée avec succès au problème de la détection de pannes automobiles et a aussi montré des potentialités pour le diagnostic préventif. Elle est de plus assez générique pour avoir de nombreuses applications potentielles.

Dans cette thèse, nous élaborons, dans le cadre méthodologique de la physique quantique, un cadre variationnel générique en traitement d'images bas niveau, fondé sur le principe de l'Information Physique Extrême. Nous utilisons cet outil, récemment développé, pour dériver, entre autres, la théorie des espaces d'échelles, et retrouver des diffusions linéaires et non linéaires classiques. Cette approche permet d'être optimal au sens d'un compromis entre imprécision des mesures et incertitude sur le phénomène mesuré. A ce nouveau modèle variationnel on associe l'équation de Klein-Gordon avec champs, ou en limite, celle de Schrödinger avec champs.<br />L'application associée concerne la détection et la reconstruction de prothèses coronaires, autrement appelées stents, à partir d'images rayons X. Notre méthode s'apparente à une méthode de reconstruction 2D-3D orientée forme. En effet, nous couplons deux équations de Schrödinger avec champs. Cette écriture nous permet de tirer pleinement parti de l'acquisition tomographique, ainsi que d'une contrainte de ressemblance avec un modèle d'objet à reconstruire. Chacune de ces deux sources d'information est ainsi traduite de manière algorithmique par une équation de Schrödinger. An de déterminer un potentiel d'attraction du modèle 2D vers la projection du stent, nous avons développé un nouveau descripteur multi-local ou de la surface de luminance d'une image, ainsi que deux algorithmes pragmatiques de détection et de localisation de pixels appartenant à la projection du stent.