Back to search

École de technologie supérieure

Application de la vision artificielle à l'identification de groupes benthiques dans une optique de suivi environnemental des récifs coralliens

Abstract

dc:description

La composition des récifs coralliens est un excellent indicateur de la santé de la faune marine. Pour cette raison, les biologistes de l’Australian Institute of Marine Science (AIMS) en effectuent un suivi constant par l’analyse de photos acquises chaque année à travers la Grande Barrière de corail. Pour accélérer l’identification de leur contenu, on développe des algorithmes automatisés de reconnaissance de forme qui sont basés sur l’intelligence et la vision artificielles. Nous avons optimisé chaque étape d’un de ces algorithmes pour les caractéristiques de la base de données de l’AIMS. Pour débuter, nous avons évalué divers prétraitements pour compenser l’effet de l’imagerie sous-marine. Ensuite, nous avons itéré sur la taille de la fenêtre d’analyse pour former une segmentation simple et facile d’application. Puis, nous avons extrait des descripteurs à plusieurs échelles et sur plusieurs canaux de couleur de manière à exploiter adéquatement la richesse en information visuelle des images de coraux et nous avons réduit la dimensionnalité de l’espace de descripteurs. Enfin, nous avons défini une plage de valeurs idéales pour les paramètres des classificateurs. Pour compléter le tout, nous avons comparé la performance des étapes optimisées à celle d’algorithmes correspondant à la fine pointe de la technologie. Postérieurement, nous avons généralisé l’application à toute la base de données par des validations croisées qui ont permis de définir les limites de performance du système. Nous avons aussi développé des stratégies réalistes d’exploitation de la base de données. Pour ce faire, nous avons évalué la compatibilité de divers groupes d’entrainement et de test, appartenant à la même période temporelle, mais à des emplacements spatiaux distincts et vice-versa, puis à des groupes petits, grands, homogènes et diversifiés. La stratégie ainsi développée a permis d’atteindre les objectifs fixés et de compléter un outil efficient pour les biologistes marins de l’AIMS.

Degree

thesis:*
Name thesis:degree_name
Mémoire de maîtrise électronique
Level thesis:degree_level
masters
Grantor dc:publisher
École de technologie supérieure
Year dc:date
2015

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Prévost, Isabelle

Subjects

dc:subject × 1

Rights

Language dc:language
fr

Identifiers

dc:identifier.*
Identifier
INSERT-YOUR-LIBRARY-ID-HERE1568

Chain of custody

source
Harvested from
ETS (Quebec)
Base URL
espace.etsmtl.ca/cgi/oai2
Last updated
2026-11-18
Source record
OAI-PMH GetRecord
citation

Prévost, Isabelle. Application de la vision artificielle à l'identification de groupes benthiques dans une optique de suivi environnemental des récifs coralliens. masters thesis, École de technologie supérieure, 2015.