Activités
Actualité
2009
Alice Porebski, Enseignant-chercheur à l'EIPC, a présenté ses travaux de thèse de doctorat le vendredi 20 novembre 2009. Le jury lui a décerné le titre de docteur de l'Université de Lille 1 en automatique et informatique industrielle avec la mention très honorable.
Laurent Busin, responsable des relations internationales, s'est rendu à une conférence internationale tenue en malaisie pour y présenter ses travaux de recherche sur la segmentation d'images couleur par classification spectrale ainsi que ceux d'Alice Porebski sur la sélection d'attributs de texture pour la classification d'images couleur.
2008
Cette année, les travaux de recherche d’Alice Porebski sur la classification de textures couleur, ont été présentés dans deux conférences internationales. La première a eut lieu au mois de juin 2008 en Espagne, à Terrassa tandis que la seconde s’est déroulée au mois de novembre 2008 à Sousse en Tunisie. Alice est en troisième année de thèse de doctorat à l’EIPC et soutiendra sa thèse d’ici la fin 2009.
De même, les travaux de recherche de Yann Ducrocq ont été présentés lors de conférences internationales à Las Vegas (Etat-Unis) en décembre 2008 ainsi qu’à Marseille en octobre 2008. Yann est actuellement en deuxième année de thèse de doctorat sous la codirection de Shahram Bahrami.
En janvier 2009, Nicolas Vandenbroucke qui codirige les travaux de thèse d’Alice Porebski, s’est rendu à Toulon pour participer à l’Ecole d’Hiver sur l’Imagerie Numérique Couleur. Cette manifestation propose de former des jeunes chercheurs et des industriels sous la forme de conférences animées par des spécialistes du domaine de l’imagerie numérique couleur. Dans ce contexte ; Nicolas Vandenbroucke a été sollicité pour présenter deux conférences d’une heure intitulées respectivement « attributs de texture couleur » et « représentation numérique des couleurs ». Il a également présenté les travaux d’Alice sous la forme d’un poster.
Cette année, Nicolas Vandenbroucke et Laurent Busin ont publié leurs travaux de recherche avec leur collègue du LAGIS, Ludovic Macaire, Professeur à l’Université des Sciences et Technologues de Lille. Ils ont tout d’abord publié un article sur l’influence des espaces couleur dans les problèmes de segmentation d’images dans la revue internationale « Advances in Imaging and Electron Physics », puis ont coécrit un article sur le contrôle d’aspect par vision linéaire couleur dans une revue destinée aux ingénieurs, « Techniques de l’Ingénieur ».
Analyse d'images couleur
La capacité de voir l'environnement permet à l'homme d'accomplir un grand nombre d'activités. L'idée de remplacer l'observateur humain par une machine ayant la possibilité de voir permet l'automatisation de nombreuses tâches quotidiennes fastidieuses ou dangereuses. Les progrès techniques, tant au niveau des caméras que des systèmes informatiques de traitement des images numériques, ont permis un élargissement considérable du champ d'application de la vision artificielle (industrie, santé, transport, multimédia, environnement, communication, militaire, spatial, culture, sport, ...). Ainsi, le traitement des images couleur se généralise alors qu'il y a quelques années, la plupart des traitements s'appliquaient aux images à niveaux de gris.
L'imagerie couleur offre donc aujourd'hui la possibilité de répondre à de nouvelles et nombreuses applications dans des disciplines très variées. La recherche menée dans ce domaine à l'EIPC porte sur la représentation de la couleur dans les images numériques et sur la segmentation d'images couleur, première phase d'analyse des images qui consiste à les partitionner en un ensemble de régions ayant des propriétés colorimétriques communes. Ces travaux sont dirigés, à l'EIPC, par Nicolas Vandenbroucke et concernent plus particulièrement l'influence des espaces de représentation de la couleur (RGB, HSI, CIELAB, YIQ, ...) sur les résultats d'une segmentation.
Le contrôle qualité industriel, tout secteur confondu, est particulièrement concerné par l'analyse d'images couleur et constitue donc un champs d'application privilégié par les enseignants-chercheurs de l'EIPC. La détection de défauts d'aspect sur les motifs des décors imprimés par sérigraphie sur les verres fabriqués par le groupe Arc International en est un exemple concret.
Un exemple d'application : le contrôle de la qualité des décors imprimés sur verres par sérigraphie
La sérigraphie sur verre est une application d'émail de teintes différentes sur un support en verre creux et cylindrique. Le principe consiste à faire tourner le support en verre neutre sous 1 à 8 écrans de soie qui dépose chacun un émail de couleur. Cuits à environ 650°C, les émaux se vitrifient sur la première peau du verre. Le décor prend alors son éclat et devient indélébile. Cependant, plusieurs types de défauts liés à cette technologie peuvent apparaître :
Principaux défauts de sérigraphie sur verre
Actuellement un contrôle de la qualité des décors est effectué visuellement par des opérateurs humains. Le contrôle qualité par une inspection visuelle d'articles tels que les verres est une tâche éprouvante pour l'opérateur qui ne peut garantir la répétabilité du contrôle. De plus, les résultats de ce contrôle peuvent être très différents car ils dépendent de plusieurs paramètres tels que la fatigue, l'état de stress, le rythme de production, la complexité des contrôles à effectuer... Enfin, le travail effectué par l'opérateur est un contrôle qualité qui n'apporte aucune valeur ajoutée au produit. C'est pourquoi il est préférable d'automatiser cette phase de contrôle. Dans ce but, il a été proposé à Laurent Busin de mettre en place un système de vision industrielle permettant le contrôle automatique des décors couleur imprimés sur du verre. Ce travail consiste à mettre au point la chaîne d'acquisition des images couleur et à appliquer les méthodes de segmentation d'images couleur afin de détecter les différents types de défauts.
L'acquisition d'images couleur numériques
L'analyse des images couleur acquises par ce type de dispositif permet alors de détecter les défauts présents et d'assurer le contrôle qualité des produits manufacturés. Les travaux de recherche menés à l'EIPC en analyse d'images couleur consiste à mettre en ouvre des méthodes innovantes permettant ce type de contrôle.
La représentation de la couleur dans les images numériques
La représentation de la couleur dans les problèmes d'analyse d'images constitue un axe fondamental de la recherche menée à l'EIPC en analyse d'images couleur. Plusieurs travaux de thèses sont donc en rapport direct avec cet axe de recherche et plusieurs publications scientifiques sont dédiées à ce thème.
La couleur des pixels d'une image acquise par une caméra couleur est codée dans l'espace de représentation (R,G,B) (red, green, blue) et ainsi associée à trois composantes couleur :
La couleur est une notion très complexe car elle fait intervenir des phénomènes physiques (propriétés de la lumière et des matériaux), physiologiques (structure et fonctionnement de l’œil humain) et psychologiques (interprétation par le cerveau). Différentes théories ont donc été proposées et plusieurs études ont été et sont encore menées pour tenter de modéliser cette information aussi riche que complexe. Elles ont donné naissance à de nombreux modèles (RGB, LTS, YIQ, YUV, AC1C2, XYZ, CIELAB, CIELUV, I1I2I3, ...) basés sur des propriétés spécifiques.
Il existe donc de nombreux espaces de représentation de la couleur qui ont été construits en se basant sur ces propriétés physiques, physiologiques ou psychologiques de la perception de la couleur. Compte tenu de ces propriétés, ces espaces peuvent être regroupés par famille et doivent être codés de sorte que leurs gamuts ne soient pas modifiés.
Espaces couleur :
Les rectangles grisés correspondent aux quatre familles d'espaces couleur et les flèches indiquent les transformations qui relient directement ou indirectement ces espaces à l'espace (R,G,B).
Au sein de chaque famille se distinguent des sous-familles qui sont représentées par des rectangles aux contours discontinus.
De nombreux auteurs ont comparé les résultats de méthodes d'analyse appliquées à des images dont la couleur est codée selon différents espaces couleur. Ils en ont conclu qu'il n'existe pas d'espace couleur adapté à tous les problèmes d'analyse d'images couleur et que les résultats dépendent du choix de cet espace.
L'originalité de notre approche consiste à regrouper dans un même espace de représentation de la couleur, des composantes couleur qui peuvent être issues de différents espaces couleur et qui sont les mieux adaptées à la discrimination des classes de pixels en présence. Cet espace appelé l'espace couleur hybride a largement été présenté dans différentes publications. La sélection des composantes constituant cet espace couleur hybride est effectuée grâce à une procédure de sélection pas à pas associée à l'évaluation de critères de dispersion et de compacité de classes. Cette procédure classique d'analyse discriminante a également été enrichie par une phase de rejet des composantes corrélées et un critère d'arrêt permettant de fournir la dimension adaptée de l'espace couleur hybride. Cet espace est construit grâce à un apprentissage supervisé, au cours duquel sont sélectionnées interactivement les observations formant l'échantillon d'apprentissage et permettant de définir les classes de pixels.
Cette approche est généralisée en considérant qu’un pixel est représenté par des attributs colorimétriques évalués à son voisinage. Il est ainsi possible de proposer une liste d’attributs calculés pour chacune des composantes couleur des espaces de représentation. Le voisinage dans lequel sont calculés ces attributs colorimétriques permet de définir une texture couleur et de restituer ainsi les relations de connexité entre les pixels voisins. Les attributs colorimétriques les plus discriminants sont regroupés au sein d’un espace d’attributs colorimétriques adapté à la classification.
L'espace couleur hybride a été principalement appliqué à la segmentation de séquences d'images couleur de matchs de football afin de suivre automatiquement des footballeurs en mouvement. Cette application est présentée dans plusieurs publications. Des démonstrations de cette application ont été effectuées pour différents groupements de recherche, mettant en évidence l'efficacité de l'approche pour le suivi de personnes en mouvement mais aussi pour des applications industrielles de tri.
La segmentation d'images couleur
La segmentation d'images est un traitement bas niveau qui consiste à créer une partition de l'image en sous ensembles afin d'y extraire les informations utiles en regard de l'application considérée avant de les interpréter. Il existe une multitude de techniques de segmentation d'images. Le choix d'une technique dépend de la nature de l'image, des opérations situées en aval, des primitives à extraire ou des contraintes d'exploitation.
L'inconvénient majeur de l'espace couleur hybride est qu'il nécessite une phase d'apprentissage supervisé. De plus, il ne possède pas de signification physique, physiologique ou psychologique. C'est pourquoi l'idée de déterminer automatiquement l'espace couleur adapté à une segmentation non supervisée d'image couleur a été poursuivie dans le cadre du DEA puis de la thèse de Laurent Busin.
Ces travaux de recherche ont permis de développer une méthode de segmentation d'images couleur en région par analyse récursive d'histogrammes couleur monodimensionnels. Une région est un ensemble de pixels connexes dans l'image ayant des propriétés communes (couleur, texture, ...) qui les différencient des pixels des autres régions. L'histogramme d'une image représente la répartition des valeurs des composantes couleur des pixels dans l'image. Ainsi, des régions ayant des caractéristiques communes dans l'image couleur font apparaître des modes délimités par des seuils dans les histogrammes couleur. La segmentation par l'analyse de ces histogrammes consiste à détecter les modes représentatifs de ces régions et déterminer les seuils à appliquer afin d'extraire ces régions de l'image. L'originalité de la méthode est qu'elle sélectionne automatiquement pour chaque région à extraire l'espace couleur pour lequel les histogrammes possèdent des modes qui soient le plus représentatifs possible du contenu de l'image. Pour cela, des critères spécifiques, qui tiennent compte du nombre de modes détectés dans les histogrammes, des distances entre ces modes et également de la connexité des pixels, sont utilisés.
La classification d'images couleur
Un autre volet des activités de recherche à l'EIPC en analyse d'images couleur concerne la sélection d'attributs de texture pour la classification et la segmentation d'images couleur texturées. Cette thématique a été abordée par Alice Porebski dans le cadre d'un Master recherche et d'une thèse de Doctorat.
L’objectif de ces travaux est de caractériser les textures couleur présentes dans des images numériques en utilisant des attributs de texture. Les attributs d’Haralick extraits de matrices de cooccurrences chromatiques sont ainsi des attributs pertinents pour cette caractérisation. Il s’agit plus particulièrement de déterminer automatiquement dans quels espaces couleur ces indices sont les plus discriminants vis à vis des textures en présence dans les images.
Une procédure de classification automatique d’images couleur texturées qui est basée sur un apprentissage supervisé a ainsi été appliquée. Afin de sélectionner les attributs les plus discriminants vis à vis des classes en présence et réduire la dimension de l’espace de décision, cet apprentissage utilise une méthode de sélection itérative des attributs qui consiste à choisir les meilleurs indices d’Haralick, chacun d’entre eux étant issu d’une matrice de cooccurrences chromatique particulière, elle même issue d’un espace couleur particulier. La sélection se fait donc sur 2352 attributs (28 espaces x 6 matrices chromatiques x 14 indices d’Haralick). La règle de décision choisie pour la classification est d’assigner l’image à la classe dont le barycentre des points qui la caractérise est le plus proche.
La méthode de classification d’images couleur texturées mise en place a été appliquée sur la base d’images de texture couleur VisTex et a donné des résultats très encourageants. Ces travaux sont donc poursuivis par Alice Porebski dans le cadre d'une thèse de Doctorat et ont été appliqués avec succès sur des bases d'images couleur texturées plus complexes, comme la base Barktex.
Le sujet de cette thèse de Doctorat est également appliqué au contrôle qualité de verres sérigraphiés où la modification permanente des motifs sérigraphiés sur les verres nécessite la mise en place d'une procédure non supervisée de segmentation d'images numériques couleur s'exécutant en temps réel. Ces travaux se déroulent dans le cadre du Pôle de Compétitivité MAUD (Matériaux et Applications pour une Utilisation Durable) avec comme partenaire industriel le Groupe Arc International. Dans ce cadre, le pôle MAUD a pour objectif de répondre à la demande de nouveaux produits sur le marché des arts de la table. Cependant, ces nouveaux produits ne peuvent être fabriqués en série car il apparaît difficile, voire impossible, de contrôler leur qualité avec les dispositifs actuels. Un des objectifs du travail de thèse est donc de mettre au point un système de contrôle qualité de verres sérigraphiés par analyse d'images qui soit capable de contrôler les verres produits actuellement et qui puisse s'adapter facilement aux nouvelles gammes de produits demandés par les consommateurs.
Analyse de scènes dynamiques
Les travaux de recherche en analyse de scènes dynamiques s'articulent autour de la vision artificielle et sont dirigés, à l'EIPC, par Shahram Bahrami. Ils se déroulent donc également au sein de l'équipe Vision et Image du laboratoire LAGIS. Ces travaux comprennent l'étude et le réglage de matériels dédiés à la perception de la scène à l'avant de véhicules et la modélisation de celle-ci. L'objectif est de repérer et d'identifier d'éventuels obstacles sur la route et fournir à l'utilisateur des informations pertinentes.
Lorsqu'on regarde une scène à partir d'une seule vue on perd l'information de profondeur à cause de la projection perspective. Par contre si on l'observe à partir de deux vues différentes il devient possible de retrouver cette information de profondeur (sauf cas particulier, par exemple si les deux caméras sont positionnées dans deux sens opposés) et de reconstituer la scène dans un repère 3D. Cette opération n'est possible que si l'on maîtrise les conditions de prise de vue et de matériel utilisé.
Actuellement, ce travail de recherche s'oriente plus particulièrement sur le réglage d'un capteur stéréoscopique constitué d'une caméra et d'un jeu de plusieurs miroirs. Les images fournies par ce capteur constituent l'entrée d'autres modules d'analyse de décision. Pour obtenir des images exploitables, il est important de bien connaître et régler les éléments du stéréoscope. Il s'agit de réglage d'éléments optiques dont les positions et orientations permettent d'obtenir un capteur équivalent à un stéréoscope classique (à deux caméras) avec des caractéristiques de champs de vision et d'entraxe choisies.
Stéréoscope monoculaire orientable
Une méthodologie qui permet les premiers réglages a ainsi été développée. Elle consiste à modifier la position et l'orientation des éléments du stéréoscope, jusqu'à ce que l'image acquise par le capteur vienne se superposer à une image virtuelle de la scène calculée pour la configuration désirée du stéréoscope. L'ensemble des tâches a été programmé et testé sur un prototype de laboratoire.
Le thème de recherche abordé s’inscrit dans un projet ambitieux qui a pour finalité l’amélioration de la sécurité de la conduite sur route. Le stéréoscope ainsi développé doit équiper l'avant d'un véhicule et permettre une perception longue distance (environ 100 mètres) dans le but de détecter les obstacles avant qu’ils ne deviennent potentiellement dangereux. Cette perception doit être possible quelque soit la trajectoire du véhicule ou celle de la route. C'est pourquoi, dans le cadre d'un Master recherche, Yann Ducrocq a étudié l'asservissement de ce stéréoscope afin que le centre de la voie de circulation apparaisse toujours au milieu des images.
