Browsing by Author "CHERIBET, Mohamed"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Approches cognitives en vision robotique
    (Université Badji Mokhtar Annaba, 2026-06-04) CHERIBET, Mohamed
    Peu de travaux de recherche ont opté pour la détection de contours dans les images de profondeur, comme méthodes préalable à la segmentation d’images. Il a été noté dans la littérature que la détection de contours dans ce type d’images est fortement problématique. Ceci est dû à deux raisons principales : Le haut niveau de bruit et de déformations dans les images de profondeur ; et l’Inclinaison des surfaces géométriques par rapport à l’angle de vue. Cependant, la détection de contours demeure avantageuse, notamment pour sa performance en temps de calcul, comparée aux autres approches de segmentation, basées régions. Dans le cadre de cette thèse, et dans l’objectif de contribuer aux méthodes et techniques en vision robotique, nous avons proposé une nouvelle formulation de détection de contours dans les images de profondeur, support d’excellence en vision robotique. Nous avons aussi proposé une méthode de régularisation bayésienne des contours détectés. La combinaison des deux méthodes permet d’améliorer significativement la détection de contours et par conséquent la segmentation des images en surfaces composant les objets géométriques qui figurent dans ces images. Ainsi, un nouveau détecteur de Canny, adapté aux images de profondeur, est proposé. Il est basé sur une nouvelle formulation du calcul du gradient de l’image, utilisant les vecteurs normaux aux surfaces, au lieu de la profondeur brute de l’image. Les contours détectés sont ensuite régularisés par une formulation markovienne bayésienne, impliquant une définition bien appropriée des cliques et des potentiels, utilisés dans le Framework MAP-MRF. Les résultats de détection obtenus, ont pu montrer le fort potentiel des méthodes proposées pour une extraction fiable des cartes de contours dans les images de profondeur.