Optimisation des techniques de compression d'images fixes et de vidéo en vue de la caractérisation des matériaux : applications à la mécanique (Document en Anglais)
Accéder au(x) document(s) : Droits d'auteur : Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Modalités de diffusion de la thèse :
Modalités de diffusion de la thèse :
Auteur : Eseholi Tarek Saad Omar
Date de soutenance : 17-12-2018
Directeur(s) de thèse : Corlay Patrick
- Coudoux François-Xavier
Président du jury : Pousset Yannis
Membres du jury : Corlay Patrick
- Coudoux François-Xavier
- Bigerelle Maxence
- Descamps Anne-Sophie
- Mazeran Pierre-Emmanuel
- Notta Delphine
Rapporteurs : Mazeran Pierre-Emmanuel
Laboratoire : Département Opto-Acousto-Electronique de l'IEMN - IEMN-DOAE
Ecole doctorale : Sciences pour l'ingénieur (SPI)
Eseholi, Tarek Saad Omar
Nom
Eseholi
Prénom
Tarek Saad Omar
Nationalité
LY
Date de soutenance : 17-12-2018
Directeur(s) de thèse : Corlay Patrick
Corlay, Patrick
Nom
Corlay
Prénom
Patrick
Coudoux, François-Xavier
Nom
Coudoux
Prénom
François-Xavier
Président du jury : Pousset Yannis
Pousset, Yannis
Nom
Pousset
Prénom
Yannis
Membres du jury : Corlay Patrick
Corlay, Patrick
Nom
Corlay
Prénom
Patrick
Coudoux, François-Xavier
Nom
Coudoux
Prénom
François-Xavier
Bigerelle, Maxence
Nom
Bigerelle
Prénom
Maxence
Descamps, Anne-Sophie
Nom
Descamps
Prénom
Anne-Sophie
Mazeran, Pierre-Emmanuel
Nom
Mazeran
Prénom
Pierre-Emmanuel
Notta, Delphine
Nom
Notta
Prénom
Delphine
Rapporteurs : Mazeran Pierre-Emmanuel
Mazeran, Pierre-Emmanuel
Nom
Mazeran
Prénom
Pierre-Emmanuel
Laboratoire : Département Opto-Acousto-Electronique de l'IEMN - IEMN-DOAE
Ecole doctorale : Sciences pour l'ingénieur (SPI)
Discipline : Électronique. Acoustique et télécommunications
Classification : Sciences de l'ingénieur
Mots-clés : Big dataMécaniqueScience des matériauxCompression et analyse des donnéesTraitement de l'informationCodage vidéo à haute efficacité (HEVC)
Compression vidéo -- Thèses et écrits académiquesMachines à vecteurs de support -- Thèses et écrits académiquesDéformations (mécanique) -- Thèses et écrits académiques
Résumé : Cette thèse porte sur l’optimisation des techniques de compression d'images fixes et de vidéos en vue de la caractérisation des matériaux pour des applications dans le domaine de la mécanique, et s’inscrit dans le cadre du projet de recherche MEgABIt (MEchAnic Big Images Technology) soutenu par l’Université Polytechnique Hauts-de-France. L’objectif scientifique du projet MEgABIt est d’investiguer dans l’aptitude à compresser de gros volumes de flux de données issues d’instrumentation mécanique de déformations à grands volumes tant spatiaux que fréquentiels. Nous proposons de concevoir des algorithmes originaux de traitement dans l’espace compressé afin de rendre possible au niveau calculatoire l’évaluation des paramètres mécaniques, tout en préservant le maximum d’informations fournis par les systèmes d’acquisitions (imagerie à grande vitesse, tomographie 3D). La compression pertinente de la mesure de déformation des matériaux en haute définition et en grande dynamique doit permettre le calcul optimal de paramètres morpho-mécaniques sans entraîner la perte des caractéristiques essentielles du contenu des images de surface mécaniques, ce qui pourrait conduire à une analyse ou une classification erronée. Dans cette thèse, nous utilisons le standard HEVC (High Efficiency Video Coding) à la pointe des technologies de compression actuelles avant l'analyse, la classification ou le traitement permettant l'évaluation des paramètres mécaniques. Nous avons tout d’abord quantifié l’impact de la compression des séquences vidéos issues d’une caméra ultra-rapide. Les résultats expérimentaux obtenus ont montré que des taux de compression allant jusque 100 :1 pouvaient être appliqués sans dégradation significative de la réponse mécanique de surface du matériau mesurée par l’outil d’analyse VIC-2D. Finalement, nous avons développé une méthode de classification originale dans le domaine compressé d’une base d’images de topographie de surface. Le descripteur d'image topographique est obtenu à partir des modes de prédiction calculés par la prédiction intra-image appliquée lors de la compression sans pertes HEVC des images. La machine à vecteurs de support (SVM) a également été introduite pour renforcer les performances du système proposé. Les résultats expérimentaux montrent que le classificateur dans le domaine compressé est robuste pour la classification de nos six catégories de topographies mécaniques différentes basées sur des méthodologies d'analyse simples ou multi-échelles, pour des taux de compression sans perte obtenus allant jusque 6: 1 en fonction de la complexité de l'image. Nous avons également évalué les effets des types de filtrage de surface (filtres passe-haut, passe-bas et passe-bande) et de l'échelle d'analyse sur l'efficacité du classifieur proposé. La grande échelle des composantes haute fréquence du profil de surface est la mieux appropriée pour classer notre base d’images topographiques avec une précision atteignant 96%.
Classification : Sciences de l'ingénieur
Mots-clés : Big dataMécaniqueScience des matériauxCompression et analyse des donnéesTraitement de l'informationCodage vidéo à haute efficacité (HEVC)
Compression vidéo -- Thèses et écrits académiquesMachines à vecteurs de support -- Thèses et écrits académiquesDéformations (mécanique) -- Thèses et écrits académiques
Résumé : Cette thèse porte sur l’optimisation des techniques de compression d'images fixes et de vidéos en vue de la caractérisation des matériaux pour des applications dans le domaine de la mécanique, et s’inscrit dans le cadre du projet de recherche MEgABIt (MEchAnic Big Images Technology) soutenu par l’Université Polytechnique Hauts-de-France. L’objectif scientifique du projet MEgABIt est d’investiguer dans l’aptitude à compresser de gros volumes de flux de données issues d’instrumentation mécanique de déformations à grands volumes tant spatiaux que fréquentiels. Nous proposons de concevoir des algorithmes originaux de traitement dans l’espace compressé afin de rendre possible au niveau calculatoire l’évaluation des paramètres mécaniques, tout en préservant le maximum d’informations fournis par les systèmes d’acquisitions (imagerie à grande vitesse, tomographie 3D). La compression pertinente de la mesure de déformation des matériaux en haute définition et en grande dynamique doit permettre le calcul optimal de paramètres morpho-mécaniques sans entraîner la perte des caractéristiques essentielles du contenu des images de surface mécaniques, ce qui pourrait conduire à une analyse ou une classification erronée. Dans cette thèse, nous utilisons le standard HEVC (High Efficiency Video Coding) à la pointe des technologies de compression actuelles avant l'analyse, la classification ou le traitement permettant l'évaluation des paramètres mécaniques. Nous avons tout d’abord quantifié l’impact de la compression des séquences vidéos issues d’une caméra ultra-rapide. Les résultats expérimentaux obtenus ont montré que des taux de compression allant jusque 100 :1 pouvaient être appliqués sans dégradation significative de la réponse mécanique de surface du matériau mesurée par l’outil d’analyse VIC-2D. Finalement, nous avons développé une méthode de classification originale dans le domaine compressé d’une base d’images de topographie de surface. Le descripteur d'image topographique est obtenu à partir des modes de prédiction calculés par la prédiction intra-image appliquée lors de la compression sans pertes HEVC des images. La machine à vecteurs de support (SVM) a également été introduite pour renforcer les performances du système proposé. Les résultats expérimentaux montrent que le classificateur dans le domaine compressé est robuste pour la classification de nos six catégories de topographies mécaniques différentes basées sur des méthodologies d'analyse simples ou multi-échelles, pour des taux de compression sans perte obtenus allant jusque 6: 1 en fonction de la complexité de l'image. Nous avons également évalué les effets des types de filtrage de surface (filtres passe-haut, passe-bas et passe-bande) et de l'échelle d'analyse sur l'efficacité du classifieur proposé. La grande échelle des composantes haute fréquence du profil de surface est la mieux appropriée pour classer notre base d’images topographiques avec une précision atteignant 96%.
Type de contenu : Texte
Format : PDF
Format : PDF
Identifiant : uvhc-ori-oai-wf-1-2595
Type de ressource : Thèse
Type de ressource : Thèse