Sujet de thèse IFSTTAR

English version
Fiche détaillée :

Titre : Restauration de la visibilité dans des images et des vidéos acquises en conditions météorologiques défavorables

Laboratoire principal - Référent principal   -

Directeur du laboratoire principal   -

Spécialité de la thèse Vision par ordinateur-Traitement d'images

Axe 1 - COP2017 - Transporter efficacement et se déplacer en sécurité

Site principal Marne-la-Vallée

Etablissement d'inscription UNIVERSITE PARIS-EST

Ecole doctorale MATHEMATIQUES ET SCIENCES ET TECHNOLOGIES DE L'INFORMATION ET DE LA COMMUNICATION (MSTIC)

Directeur de thèse prévu BREMOND Roland  -  Université Gustave Eiffel  -  COSYS - PICS-L

Type de financement prévu Contrat doctoral  - Ifsttar

Résumé

Certaines conditions météorologiques telles que la pluie et le brouillard contribuent à réduire la visibilité, pouvant causer des accidents de la circulation. Lorsqu’on utilise des systèmes d’aide à la conduite (ADAS), les risques d’accidents sont moindres en raison d’un grand nombre de capteurs embarqués dont les données sont traitées par des processeurs et logiciels spécifiques. Cependant, les technologies embarquées aujourd’hui ne permettent pas encore de disposer de systèmes intégrés et bien accordés ensemble pour faire face de manière efficace à des conditions météorologiques dégradées. Il devient alors indispensable d’intégrer des capteurs et des moyens de traitements afin d’atténuer les artefacts provoqués par ce genre de conditions météorologiques. L’utilisation d’algorithmes de restauration d’images et de vidéos permettrait d’atténuer leurs effets sur l’image restituée par le système pour l’aide à la décision.
L’objectif de cette thèse est de concevoir des algorithmes s’exécutant au plus proche du temps réel pour améliorer la visibilité de la scène en restaurant les images acquises en conditions météorologiques dégradées qui appartiennent à la catégorie des particules fines (brume, brouillard et poussière). Deux approches vont être confrontées : une approche fondée sur des techniques traditionnelles impliquant un modèle physique du brouillard, et une approche fondée sur des techniques de deep learning.
Un ensemble de techniques et de méthodes ont été proposés pour répondre à ces problématiques dont un algorithme d’atténuation du brouillard dans des images basé sur un modèle physique ainsi qu’un algorithme d’atténuation du brouillard dans des vidéos basé sur une technique de deep learning. Le peu de bases de données existantes de vidéos contenant du brouillard pour évaluer ces algorithmes nous ont confortés dans la décision d’en créer une. Des évaluations ont été menées pour chacune des méthodes afin d’évaluer leur efficacité.

Mots-clefs: Restauration,Images,Conditions météorologiques défavorables,Visibilité

Laboratoire principal - Référent principal	-
Directeur du laboratoire principal	-
Spécialité de la thèse	Vision par ordinateur-Traitement d'images
Axe	1 - COP2017 - Transporter efficacement et se déplacer en sécurité
Site principal	Marne-la-Vallée
Etablissement d'inscription	UNIVERSITE PARIS-EST
Ecole doctorale	MATHEMATIQUES ET SCIENCES ET TECHNOLOGIES DE L'INFORMATION ET DE LA COMMUNICATION (MSTIC)
Directeur de thèse prévu	BREMOND Roland - Université Gustave Eiffel - COSYS - PICS-L
Type de financement prévu	Contrat doctoral - Ifsttar
Résumé Certaines conditions météorologiques telles que la pluie et le brouillard contribuent à réduire la visibilité, pouvant causer des accidents de la circulation. Lorsqu’on utilise des systèmes d’aide à la conduite (ADAS), les risques d’accidents sont moindres en raison d’un grand nombre de capteurs embarqués dont les données sont traitées par des processeurs et logiciels spécifiques. Cependant, les technologies embarquées aujourd’hui ne permettent pas encore de disposer de systèmes intégrés et bien accordés ensemble pour faire face de manière efficace à des conditions météorologiques dégradées. Il devient alors indispensable d’intégrer des capteurs et des moyens de traitements afin d’atténuer les artefacts provoqués par ce genre de conditions météorologiques. L’utilisation d’algorithmes de restauration d’images et de vidéos permettrait d’atténuer leurs effets sur l’image restituée par le système pour l’aide à la décision. L’objectif de cette thèse est de concevoir des algorithmes s’exécutant au plus proche du temps réel pour améliorer la visibilité de la scène en restaurant les images acquises en conditions météorologiques dégradées qui appartiennent à la catégorie des particules fines (brume, brouillard et poussière). Deux approches vont être confrontées : une approche fondée sur des techniques traditionnelles impliquant un modèle physique du brouillard, et une approche fondée sur des techniques de deep learning. Un ensemble de techniques et de méthodes ont été proposés pour répondre à ces problématiques dont un algorithme d’atténuation du brouillard dans des images basé sur un modèle physique ainsi qu’un algorithme d’atténuation du brouillard dans des vidéos basé sur une technique de deep learning. Le peu de bases de données existantes de vidéos contenant du brouillard pour évaluer ces algorithmes nous ont confortés dans la décision d’en créer une. Des évaluations ont été menées pour chacune des méthodes afin d’évaluer leur efficacité.
Mots-clefs:	Restauration,Images,Conditions météorologiques défavorables,Visibilité

Liste des sujets

Candidatures fermées