Les mines sous marines sont très utilisées dans les conflits. Pour contrer cette menace, les marines s'équipent de moyens de lutte anti-mine autonomes afin d'éviter l'intervention humaine. Une mission de guerre des mines se découpe en quatre étapes distinctes : la détection des objets, la classification et l'identification puis la neutralisation. Cette thèse propose des solutions algorithmiques pour l'étape d'identification par caméra vidéo. Le drone d'identification connaît la position approximative de l'objet à identifier. La première mission de ce drone est de re-détecter l'objet avant de le classifier et de l'identifier. Le milieu sous-marin perturbe les images acquises par la caméra (absorption, diffusion). Pour faciliter la détection et la reconnaissance (classification et identification), nous avons prétraité les images. Nous avons proposé deux méthodes de détection des objets. Tout d'abord nous modifions le spectre de l'image afin d'obtenir une image dans laquelle il est possible de détecter les contours des objets. Une seconde méthode a été développée à partir de la soustraction du fond, appris en début de séquence vidéo. Les résultats obtenus avec cette seconde méthode ont été comparés à une méthode existante. Lorsqu'il y a une détection, nous cherchons à reconnaître l'objet. Pour cela, nous utilisons la corrélation. Les images de référence ont été obtenues à partir d'images de synthèse 3D des mines. Pour les différentes méthodes utilisées, nous avons optimisés les résultats en utilisant les informations de navigation. En effet, selon les déplacements du drone, nous pouvons fixer des contraintes qui vont améliorer la détection et réduire le temps de calcul nécessaire à l'identification. / To avoid the underwater mine threat and to limit human interventions, navies use autonomous underwater vehicles. An underwater mine warfare mission is divided into four steps : object detection, classification, identification and neutralization. This PhD thesis proposes algorithmic solutions for the identification step done with a video camera. Thanks to the detection step, the identification vehicle knows approximately the object position. First, the vehicle has to detect and position this object exactly. Then it will be classified and identified. The underwater medium affects the images acquired with a video camera through absorption and scattering. The first step of our algorithm is to preprocess the images to help the detection and recognition (classification and identification) steps.We have proposed two detection methods. The first one consists in modifying image spectrum in order to obtain an image in which we will be able to detect edges of objects. The second method, based on region segmentation, has been developed from background subtraction methods. The background image has been learned at the beginning of the video when there is no object. The results of the latter have been compared to those obtained with a state-of-art method, on data acquired at sea. Once we have detected an object, we want to recognize it. For that, we use the correlation technique. The reference images have been obtained from 3D computer generated images of mines. This novel approach gives promising results. For each developed method, we have optimized the results through the use of navigational information. Indeed, depending on vehicle's motion, we can set constraints to improve the detection step and reduce processing time.
| Identifer | oai:union.ndltd.org:theses.fr/2012BRES0019 |
| Date | 28 September 2012 |
| Creators | Léonard, Isabelle |
| Contributors | Brest, Alfalou, Ayman, Benkelfat, Badr-Eddine |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0031 seconds