Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

Travaux sur la segmentation des images et des vidéos en vue de leur codage, indexation et interprétation ainsi que sur l'amélioration de la qualité de la restitution de ces images sur les écrans plats.

Une description réaliste des processus physiques du sol, de la végétation, de la couche de neige et de la couche de mélange des lacs et des océans dans les modèles de prévision du temps contribue à l'amélioration des prévisions météorologiques aux échéances allant de l'échelle journalière à l'échelle saisonnière. De plus, les méthodes d'assimilation permettant l'initialisation des variables pronostiques des schémas de surface sont essentielles pour corriger les erreurs accumulées en surface, provenant des forçages et de la modélisation. Je présente dans ce mémoire une synthèse de mes travaux de recherches qui ont porté sur le développement et la validation de schémas de surface pour la prévision numérique du temps ainsi que sur le développement de techniques d'assimilation innovantes pour les surfaces continentales. L'ensemble de ces activités se sont appuyées sur la disponibilité de données d'observations (in-situ et par télédétection) informatives sur les processus modélisés. Je termine en proposant plusieurs pistes à explorer pour la modélisation et l'assimilation des processus de surface pour diverses applications environnementales.

Afin de faciliter la conduite et prévenir les accidents par sortie de voie, ce travail porte sur le développement d'un dispositif d'assistance au contrôle latéral de la trajectoire d'un véhicule automobile. L'état de l'art des travaux portant sur ce thème a mis en évidence la nécessité de mieux prendre en compte l'interaction du conducteur avec l'ensemble véhicule-route. Ceci nous a conduit à développer un mode de contrôle partagé basé sur l'anticipation du risque et sur la prédiction des actions les plus probables du conducteur. Le travail de la thèse a été articulé principalement autour de deux axes : la modélisation cybernétique du conducteur dans sa tâche de contrôle latéral, et la conception du contrôle partagé de la direction sur la base du modèle global CVR (conducteur-véhicule-route). Un modèle du conducteur a été développé en cohérence avec les connaissances actuelles sur la sensorimotricité humaine. Ses paramètres ont été identifiés en utilisant des données expérimentales issues d'un simulateur de conduite SCANeRTM. Ensuite, Deux stratégies du contrôle partagé ont été conçues et évaluées expérimentalement. La première (nommée CoLat1) se repose sur un principe similaire à celui des assistances LKS commercialisées à ce jour. Sa conception repose sur l'utilisation d'un modèle véhicule-route, et ne fait appel à aucun modèle du conducteur. Le partage n'est fait que de la mise en œuvre en appliquant partiellement la commande qu'il produit. La deuxième (nommée CoLat2) repose sur une conception tenant compte des modalités du partage de la conduite avec le conducteur. Sa conception repose sur l'utilisation d'un modèle global (CVR). La commande H2/LQ anticipative (with preview) a été choisie dans les deux cas (CoLat1 & 2) pour ce qu'elle permet la prise en compte de la connaissance anticipée de la courbure de la route et la définition de critères de performance pertinents. Elle a été revisitée pour tenir compte de modèles prédicteur des signaux perturbateurs.

La segmentation et le suivi d'objets sont des domaines de recherche compétitif dans la vision par ordinateur. Une de leurs applications importantes réside dans la robotique où la capacité à segmenter un objet d'intérêt du fond de l'image, d'une manière précise, est cruciale particulièrement dans des images acquises à bord durant le mouvement du robot. Segmenter un objet dans une image est une opération qui consiste à distinguer la région objet du celle du fond suivant un critère défini. Suivre un objet dans une séquence d'images est une opération qui consiste à localiser la région objet au fil du temps dans une vidéo. Plusieurs techniques peuvent être utilisées afin d'assurer ces opérations. Dans cette thèse, nous nous sommes intéressés à segmenter et suivre des objets en utilisant la méthode du contour actif en raison de sa robustesse et son efficacité à pouvoir segmenter et suivre des objets non rigides. Cette méthode consiste à faire évoluer une courbe à partir d'une position initiale, entourant l'objet à détecter, vers la position de convergence qui correspond aux bords de cet objet d'intérêt. Nous proposons d'abord un critère global qui dépend des régions de l'image ce qui peut imposer certaines contraintes sur les caractéristiques de ces régions comme une hypothèse d'homogénéité. Cette hypothèse ne peut pas être toujours vérifiée du fait de l'hétérogénéité souvent présente dans les images. Dans le but de prendre en compte l'hétérogénéité qui peut apparaître soit sur l'objet d'intérêt soit sur le fond dans des images bruitées et avec une initialisation inadéquate du contour actif, nous proposons une technique qui combine des statistiques locales et globales pour définir le critère de segmentation. En utilisant un rayon de taille fixe, un demi-­‐disque est superposé sur chaque point du contour actif afin de définir les régions d'extraction locale. Lorsque l'hétérogénéité se présente à la fois sur l'objet d'intérêt et sur le fond de l'image, nous développons une technique basée sur un rayon flexible déterminant deux demi-­‐disques avec deux rayons de valeurs différentes pour extraire l'information locale. Le choix de la valeur des deux rayons est déterminé en prenant en considération la taille de l'objet à segmenter ainsi que de la distance séparant l'objet d'intérêt de ses voisins. Enfin, pour suivre un objet mobile dans une séquence vidéo en utilisant la méthode des contours actifs, nous développons une approche hybride du suivi d'objet basée sur les caractéristiques de la région et sur le vecteur mouvement des points d'intérêt extraits dans la région objet. En utilisant notre approche, le contour actif initial à chaque image sera ajusté suffisamment d'une façon à ce qu'il soit le plus proche possible au bord réel de l'objet d'intérêt, ainsi l'évolution du contour actif basée sur les caractéristiques de la région ne sera pas piégée par de faux contours. Des résultats de simulations sur des images synthétiques et réelles valident l'efficacité des approches proposées.

Cette thèse traite de la détection et du suivi d'objets mobiles dans un environnement dynamique, en utilisant une caméra embarquée sur un robot mobile. Ce sujet représente encore un défi important car on exploite uniquement la vision mono-caméra pour le résoudre. Nous devons détecter les objets mobiles dans la scène par une analyse de leurs déplacements apparents dans les images, en excluant le mouvement propre de la caméra. Dans une première étape, nous proposons une analyse spatio-temporelle de la séquence d'images, sur la base du flot optique épars. La méthode de clustering a contrario permet le groupement des points dynamiques, sans information a priori sur le nombre de groupes à former et sans réglage de paramètres. La réussite de cette méthode réside dans une accumulation suffisante des données pour bien caractériser la position et la vitesse des points. Nous appelons temps de pistage, le temps nécessaire pour acquérir les images analysées pour bien caractériser les points. Nous avons développé une carte probabiliste afin de trouver les zones dans l'image qui ont les probabilités la plus grandes de contenir un objet mobile. Cette carte permet la sélection active de nouveaux points près des régions détectées précédemment en permettant d'élargir la taille de ces régions. Dans la deuxième étape nous mettons en oeuvre une approche itérative pour exécuter détection, clustering et suivi sur des séquences d'images acquises depuis une caméra fixe en intérieur et en extérieur. Un objet est représenté par un contour actif qui est mis à jour de sorte que le modèle initial reste à l'intérieur du contour. Finalement nous présentons des résultats expérimentaux sur des images acquises depuis une caméra embarquée sur un robot mobile se déplaçant dans un environnement extérieur avec des objets mobiles rigides et nonrigides. Nous montrons que la méthode est utilisable pour détecter des obstacles pendant la navigation dans un environnement inconnu a priori, d'abord pour des faibles vitesses, puis pour des vitesses plus réalistes après compensation du mouvement propre du robot dans les images.

L'étude du transport de particules en solution aux nano-échelles est de vaste intérêt et trouve! des applications dans des domaines aussi éloignés que la biologie ou la conversion d'énergie. Son étude comporte deux facettes, suivant que l'entité transportée est utilisée comme traceur, auquel cas l'intérêt consiste en la révélation d'un micro-environnement, soit elle constitue l'objet de l'étude, et il importe alors de caractériser sa dynamique dans un environnement contrôlé. Dynamique et transport sont intimement liés. Le premier terme est plus naturellement associé à l'objet individuel. Le second fait quant à lui référence à la masse, à une dynamique globale, une dynamique d'ensemble d'objets. Il n'existe a priori aucune frontière entre les deux, tout juste une différence d'échelle. La physique se joue de cette dualité si bien que le transport de plusieurs est aujourd'hui compris à partir de l'objet unique, et le comportement global est appréhendé via des mécanismes moléculaires.! Dans ce travail, nous souhaitons comprendre les propriétés de transport d'objets individuels dilués sous deux formes. La première concerne la dynamique d'objets parfaits pour la caractérisation d'un micro-environnement. La seconde concerne la dynamique d'objets dans un environnement maîtrisé. Nous avons mis en place lors de cette thèse une méthode innovante de caractérisation d'écoulements dans des canalisations sub-micrométriques. Ce travail a impliqué la construction d'un modèle basé sur la densité de probabilité de vitesse de nano-sphères dans des écoulements laminaires. Cette approche a ensuite été validée par dynamique brownienne et mise à l'épreuve pour l'étude d'écoulements dans des nano-fentes fabriquées au laboratoire. Cette comparaison nous a permis de mettre en avant une force de lift géante tendant à faire migrer les particules perpendiculairement aux lignes de champ, un phénomène jusqu'ici non décrit dans la littérature. La poursuite des expérimentations nous a permis de décrire les paramètres influents sur l'amplitude de cette force. Notre attention s'est alors tournée vers l'étude de la dynamique de molécules d'ADN en solution dans des structures confinées, sous un actionnement hybride, à la fois hydrodynamique et électrocinétique. L'utilisation d'un fluide non-newtonien nous a alors permis de mettre en évidence le caractère non linéaire de la superposition des modes d'actionnement. Des stratégies expérimentales ont été spécifiquement développées afin de cartographier des densités de présence inhomogène des molécules dans les canalisations. Cet effet a alors été récupéré pour permettre la séparation de biomolécules par taille sous actionnement hybride. Au demeurant, ce travail expérimental, à la frontière de la physique des fluides, de l'ingénierie de la nano-fabrication, de la physique statistique, nous a permis de construire une méthode innovante de vélocimétrie de particules, la mise en évidence de phénomène de migration transverse d'objets solides et flexibles dans des écoulements aux nano-échelles, et la construction d'un démonstrateur pour la séparation de biomolécules par taille.

Ces dernières années se caractérisent par la prolifération des systèmes de vidéo-surveillance et par l'automatisation des traitements que ceux-ci intègrent. Parallèlement, le problème du suivi d'objets est devenu en quelques années un problème récurrent dans de nombreux domaines et notamment en vidéo-surveillance. Dans le cadre de cette thèse, nous proposons une nouvelle méthode de suivi d'objet, basée sur la méthode Ensemble Tracking et intégrant deux améliorations majeures. La première repose sur une séparation de l'espace hétérogène des caractéristiques en un ensemble de sous-espaces homogènes appelés modules et sur l'application, sur chacun d'eux, d'un algorithme basé Ensemble Tracking. La seconde adresse, quant à elle, l'apport d'une solution à la nouvelle problématique de suivi induite par cette séparation des espaces, à savoir la construction d'un filtre particulaire spécifique exploitant une pondération des différents modules utilisés afin d'estimer à la fois, pour chaque image de la séquence, la position et les dimensions de l'objet suivi, ainsi que la combinaison linéaire des différentes décisions modulaires conduisant à l'observation la plus discriminante. Les différents résultats que nous présentons illustrent le bon fonctionnement global et individuel de l'ensemble des propriétés spécifiques de la méthode et permettent de comparer son efficacité à celle de plusieurs algorithmes de suivi de référence. De plus, l'ensemble des travaux a fait l'objet d'un développement industriel sur les consoles de traitement de la société partenaire. En conclusion de ces travaux, nous présentons les perspectives que laissent entrevoir ces développements originaux, notamment en exploitant les possibilités offertes par la modularité de l'algorithme ou encore en rendant dynamique le choix des modules utilisés en fonction de l'efficacité de chacun dans une situation donnée.