Xử lý hình ảnh đo thủy triều cho thấy mực nước biển trong 250 đến 300 năm qua

Le travail à réaliser durant notre stage est à la fois d’ordre théorique et pratique.Sur le plan théorique : Dans un cadre théorique, notre travail consiste à une recherche plus profondi

Trang 2

Attestation d’honneur

J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs La source des informations citées dans ce mémoire a été bien

précisée

Barry Mamadou Dian

Trang 3

Table des matières

2.1 Présentation des organismes d’accueil 2

2.1.1 LE SHOM 2

2.1.2 LE LABORATOIRE L3i, Université de La Rochelle 3

2.2 Domaine d’application 4

2.3 Objectif du Stage 5

2.4 Travaux a réaliser 5

2.5 Planification des tâches 5

2.6 organisation du manuscrit 6

3 ANALYSE DU SUJET 8 3.1 Pourquoi mesurer t-on le niveau de la mer ? 8

3.2 Comment Observe-t-on les marées ? 9

3.2.1 observations ponctuelles : 9

3.2.2 observations enregistrées en continu : 9

3.3 Qui Observe la marée ? 10

3.4 LES DIFFÉRENTS TYPES DE MARÉE 10

3.4.1 Type semi-diurne (zone bleue) : 10

3.4.2 Type diurne (zone rouge) : 10

3.4.3 Type semi-diurne à inégalité diurne (zone verte) : 10

3.4.4 Type mixte (zone jaune) : 11

3.5 Évolution des techniques de mesures 11

3.5.1 Échelle de marée : 11

3.5.2 Marégraphe : 11

4 PROBLÉMATIQUE ET ANALYSE DE L’EXISTANT 15 4.1 Existant 15

4.2 PROBLÉMATIQUE 17

5 ÉTAT DE L’ART 19 5.1 Classification des travaux selon les axes d’intervention 19

5.1.1 Détection d’élément (lignes, courbes, voies routières, rivières ) dans les images 19

5.1.2 Suivi et extraction d’éléments(lignes, courbes, voies routières, rivières )

dans les images 20

5.1.3 Détection-suivi et le suivi-extraction d’éléments(lignes, courbes, voies rou-tières, rivières ) dans les images 20

5.2 Quelques Travaux de références 21

Trang 4

5.3 Récapitulatif des Travaux Connexes 24

6 SOLUTION PROPOSÉE 26 6.1 Méthode de Travail 26

6.2 Environnement de Travail 26

6.2.1 Environnement Matériel 26

6.2.2 Environnement logiciel 27

6.3 Présentation de la solution proposée 28

6.3.1 Architecture de la Solution proposée 28

6.4 Les Étapes de Mise en Oeuvre 29

6.5 Le Pré-traitement des Images 29

6.5.1 Étape de Mise en Niveau de Gris 29

6.5.2 Le Seuillage (Threshold) 29

6.5.3 La morphologie Mathématique 30

6.6 La Detection des courbes dans les Images 33

6.7 Le suivi des Courbes 35

6.7.1 Approche pour le Suivi Globale des Courbes 35

6.7.2 Suivi individuel des courbes 36

7 EXPÉRIMENTATIONS ET RÉSULTATS 39 7.1 Base des données et pourcentage de validation pour chaque étape de traitement 39 7.2 Résultats et Discussion 41

7.2.1 Mise en Niveau de Gris 41

7.2.2 Le Thresholding 42

7.3 Étapes de la Morphologie 46

7.3.1 l’Érosion 46

7.3.2 La Dilatation 46

7.3.3 L’ouverture 47

7.3.4 La Fermeture 47

7.3.5 Suivi des Courbes 48

7.4 Cas Particuliers 52

7.4.1 Extraction des Informations 53

8 CONCLUSION, LIMITES ET PERSPECTIVES 55 8.1 Conclusion 55

8.2 Limites 56

8.3 Perspectives 57

Trang 5

10 ANNEXES 62

10.1 DÉFINITION DES EXPRESSIONS : 62

10.2 La Marée : 62

10.3 Un marégraphe : 62

10.4 Marégramme : 62

10.5 Traitement d’image : 62

Trang 6

Table des figures

1 Shom-Brest 3

2 Travaileurs du shom 3

3 Couloir entrée 4

4 logoL3i 4

5 (Échelle de marée src : Shom) 11

6 (Observation de l’échelle src : Shom) 11

7 Puits de Tranquilisation (src : Shom) 12

8 Puits de tranquilisation (src : Shom) 12

9 Marégraphe flotteur (src : Shom) 12

10 Description Marégraphe a flotteur (src : Shom) 12

11 Marégraphe a capteur de pression(src : Shom) 13

14 Exemple de traitement actuel avec NUNIEAU 15

15 Pourcentage de déchargement de NUNIEAU par pays 16

16 Pourcentage de déchargement de NUNIEAU par secteur d’activité 17

17 Pourcentage de déchargement de NUNIEAU thématique 17

18 Perception humaine des lignes dans une image 18

19 Perception de la machine pour la même image 18

20 Exemple d’image a traiter 18

21 Images satellites a traitées 21

22 Résultats obtenus sur les 3 tapes 21

23 Types de courbes des images 21

24 Résultats des 3 algorithmes utilisés 21

25 Exemple de résultats pour le tracé et l’extraction des courbes 22

26 Résultats de l’extraction 22

27 Comparaison sur les résultats des algorithmes 22

28 Résultats de la détection 22

29 Détection des lignes 23

30 Détection des lignes sur les images aériennes 23

31 Logo Python 27

32 Logo OpenCV 27

33 Autres Librairies 27

34 Architecture de la Solution proposée 28

35 Pseudo Code 30

36 Architecture d’un élément structurant 31

37 Élément structurant carré à 8 connexités 31

Trang 7

40 Traçage des lignes verticales 33

41 Amélioration de la détection 34

42 Approche de détection des courbe 35

43 Approche de détection des courbe 36

44 Intervalle de recherche des points voisins 36

45 Critère de choix des pixels 37

46 Calcul du point adéquat 37

47 Pseudo Code 38

48 Amélioration du suivi 39

49 Image initiale 41

50 Image convertie en niveau de gris 41

51 Image initiale 41

52 Image convertie en niveau de gris 41

53 Image en niveau de gris 42

54 Image obtenue après seuillage de Otsu 42

56 Image obtenue après seuillage de Otsu 42

58 Image obtenue après seuillage 43

68 résultat du seuillage 44

75 Image binaire 46

76 Image Obtenue après Erosion 46

77 Image binaire 46

78 Image Obtenue après Dilatation 46

79 Image binaire 47

Trang 8

80 Image Obtenue après ouverture 47

81 Image Originale 47

82 Image Obtenue après fermeture 47

83 Exemple 1 de suivi global des courbes 48

87 Résultat du suivi avant amélioration exemple1 49

89 Résultat du suivi après amélioration exemple1 50

95 Exemple1 d’images particulières 52

96 Exemple2 d’images particulières 52

Trang 9

Liste des tableaux

1 Diagramme de Gantt de la planification des tâches 6

2 Tableau de synthèse des articles étudiés 24

3 Tableau de validation des étapes de traitement 40

4 Tableau des valeurs des courbes 53

Trang 10

Ce travail de mémoire de Master 2 est le résultat de l’engagement de plusieurs personnes qui ontdécidé de m’accompagner résolument dans cet exaltant parcours Je voudrais profiter de cetteoccasion pour leur exprimer toute ma gratitude et ma reconnaissance

Je souhaite tout d’abord remercier mes encadrants M.Mickael Coustaty et M.Michel Menardpour avoir accepté de diriger ce stage Ils ont su m’accueillir chaleureusement au sein du labo-ratoire L3i, et également de me partager leur expérience scientifique dans un domaine qui étaitpour moi presque étranger Merci également à toute la direction dudit laboratoire

Je veux également remercier tous les membres de la direction de l’IFI pour leur encadrement

au cours de ma formation au Vietnam particulièrement docteur Ho Tuong Vinh pour sa bonnecollaboration et ces interventions pour la résolution des certaines difficultés rencontrées Merci àmon ami doctorant Salah pour son écoute attentive, sa disponibilité incroyable, également pourses qualités humaines et pour sa bonne humeur envers ma personne Je remercie Docteur Lion-nel pour ses suggestions, conseils et discussions enrichissantes Merci également à M.Yann duSHOM pour tous les éclaircissements apportés notamment sur les caractéristiques des images,

le fonctionnement de NUNIEAU

Enfin, je souhaite adresser mes remerciements à ma très chère Famille en générale à ma Maman,

ma femme Aicha et à ma petite fille Diamila en particulier qui me redonnait le sourire mêmequand c’était tendu

Trang 11

Pour déterminer l’évolution du niveau des océans pendant les trois derniers millénaires, lesscientifiques ont eu recours à de nouvelles données géologiques, comme les marées, les récifscoralliens, et des sites archéologiques Au cours des 300 dernières années, les chercheurs ontutilisé des relevés sur les marées sur plus de 66 endroits du globe Selon Andrew Kemp, professeurdes sciences océaniques et de la Terre à l’université Tufts, ces nouvelles données offrent desprojections plus exactes et une meilleure estimation sur l’évolution du niveau des eaux dans lepassé

Il s’avère donc important de revisiter les longues séries marégraphiques afin d’utiliser au mieux

ce patrimoine scientifique devenu incontournable aujourd’hui dans l’étude et la compréhensiondes processus participant au changement climatique

Dans ce travail, une nouvelle approche est proposée pour extraire des lignes à partir d’images

de marégraphes Les principales nouveautés sont surtout la prise en compte de la nature desimages, le suivi des courbes par l’analyse systématique de leur comportement notamment auniveau de leurs jonctions mais également la résistance au bruit

En outre, des techniques sont également utilisée pour relier des points de ligne individuels enune structure de données de lignes et de jonctions cohérente Il est à noter que les informations

de jonction extraites sont souvent incomplètes

Les différentes expériences et les résultats obtenus sur les images réelles montrent l’efficacité denotre algorithme propose

Mots clés : Marée , Marégraphe, Marégramme, Traitement d’image, extraction tomatique de courbe

au-Abstract

To determine changes in ocean levels over the last three millennia, scientists have used newgeological data, such as tides, coral reefs, and archaeological sites Over the past 300 years,researchers have used tidal surveys in more than 66 locations around the world According

to Andrew Kemp, Professor of Ocean Sciences and Earth at Tufts University, this new dataprovides more accurate projections and a better estimate of how water levels have changed inthe past It is therefore important to revisit the long tidal series in order to make the best use

of this scientific heritage that has become essential today in the study and understanding ofthe processes involved in climate change In this work, a new approach is proposed to extractlines from tide gauge images The main novelties are especially the taking into account of thenature of the images, the follow-up of the curves by the systematic analysis of their behavior

in particular at the level of their junctions but also the resistance to the noise In addition,techniques are also used to link individual line points into a coherent line and junction datastructure It should be noted that junctioextracts information is often incomplete The differentexperiments and the results obtained on the real images show the effectiveness of our proposedalgorithm

Keywords : tide, tide gauge, tygram, image processing, automatic curve extraction

Trang 12

1 INTRODUCTION

L’extraction d’informations du niveau de la mer, à partir d’images marégraphes a fait l’objet denombreuses recherches et des progrès importants sont obtenus notamment par le développementd’applications à extraction semi-automatique des courbes dans les images (NINIEAU, MAS parexemple) En effet, l’enjeu est important puisque la qualité est très variée et la quantité exis-tante des images sont immenses Cependant, malgré toute l’attention portée à ces données, leurnumérisation reste aujourd’hui un challenge en raison non seulement de la grande variabilitédes images concernés mais aussi des courbes à extraire, et en conséquence, de la difficulté à lesextraire surtout de façon automatique

Actuellement, le travail effectuer pour la numérisation de ces marégraphes est très fastidieux ets’effectue de manière quasi manuelle d’ó l’objectif de notre travail

Dans ce travail, le résultat souhaité est l’extraction automatique des cordonnées de chaque pixelsur chaque courbe individuellement sur l’image, correspondant aux niveau de l’eau Ceci imposecertaines contraintes à la méthode et a l’algorithme utilisés Elle doit être robuste aux variationslocales du contexte Elle doit être générique pour s’adapter aux diverses géométries des courbes(allure et courbures en particulier) D’un point de vue opérationnel, nous visons l’automatisation

de l’algorithme Ainsi l’intervention d’un opérateur extérieur pour contrơler, corriger ou ser l’extraction, est réduite, et la plupart des données nécessaires au processus d’extraction sontdirectement passées en paramètres de l’algorithme Nous exigeons du résultat de l’extraction, despropriétés importantes : la fiabilité du suivi et de l’extraction Nous préférons ainsi un résultatincomplet mais sûr, qui ne nécessitera pas de phase manuelle de contrơle, plutơt qu’un résultatcomplet mais plein d’erreurs qu’il faudra superviser

initiali-La numérisation de ces maregrammes permet de connaỵtre le niveau moyen de la mer, qui même est d’une importance capitale pour multiples raisons En France c’est le cas notamment :

lui-la sécurité de lui-la navigation à l’entrée des ports, l’élui-laboration des cartes marines, tion des prédictions de marée et des modèles hydrodynamiques, la surveillance de la montée

l’améliora-du niveau moyen de la mer en soutien au Plan national d’adaptation au changement tique (PNACC), la calibration des satellites altimétriques, la connaissance et la gestion intégrée

clima-du littoral, l’étude statistiques et historiques des niveaux extrêmes et surcotes, la prévision enocéanographie cơtière, le soutien au centre national d’alerte aux tsunamis en Méditerranée etAtlantique nord-est En plus de cela la connaissance du niveau de la mer est un indicateur in-direct, mais important, des changements climatiques et de leurs processus associés, tels que lafonte des glaces (glaciers terrestres et calottes glaciaires), l’expansion thermique des océans etles modifications des gradients relatifs à la surface de la mer Mais nous conviendrons que sicette numérisation s’effectue toujours avec les méthodes classiques (numérisation manuelle ousemi-automatique) cela rendrais encore les chose de plus en plus complexe en terme de temps etd’effort

Trang 13

2 CONTEXTE ET CADRE DU TRAVAIL

La grande majorité des mesures du niveau marin étudiées étaient archivées sous la forme deregistre de marée papier, mais de nombreuses mesures sont aussi disponibles sous la forme demarégrammes Conserver les mesures expérimentales s’impose Cette préservation systématiqueest à la base des découvertes de demain Tout cela amène à s’interroger sur la préservationdes données recueillies de nos jours Dans le contexte actuel du changement climatique, l’étudedes tendances et d’accélération du niveau de la mer contribue à mieux comprendre et prédirel’évolution du niveau de la mer dans les 10, 50 ou 100 prochaines années Ce processus deprédiction ne peut pas être entrepris si les observations sur lesquelles il s’appuie ne sont pas fiablesc’est-à-dire si nous n’avons pas une idée précise de leur qualité (incertitudes) (Woodworth, 2006).Notre travail s’inscrit dans un contexte de reconstruction et de sauvegarde des observations de

la série historique des hauteurs d’eau observées dans différents ports de la France au cours des

250 à 300 dernières années

2.1 Présentation des organismes d’accueil

Ce stage a été proposé par le shom et les travaux se sont déroulés au laboratoire L3I de versité de La Rochelle sous la direction de M Mickặl Coustaty et M Michel Menard

l’Uni-Nous présentons brièvement ici ces deux organismes

2.1.1 LE SHOM

Héritier du premier service hydrographique officiel au monde (1720), est un établissement publicadministratif (EPA) sous tutelle du ministère des Armées

Il est l’opérateur public pour l’information géographique maritime et littorale de référence Il

a pour mission de connaỵtre et décrire l’environnement physique marin dans ses relations avecl’atmosphère, avec les fonds marins et les zones littorales, d’en prévoir l’évolution et d’assurer

la diffusion des informations correspondantes L’exercice de cette mission se traduit par troisactivités primordiales :

• l’hydrographie nationale, pour satisfaire les besoins de la navigation de surface, dans les eauxsous juridiction française et dans les zones placées sous la responsabilité cartographique de laFrance ;

• le soutien de la défense, caractérisé par l’expertise apportée par le Shom dans les domaineshydro-océanographiques à la direction générale de l’armement et par ses capacités de soutienopérationnel des forces ;

• le soutien aux politiques publiques de la mer et du littoral, par lequel le Shom valorise sesdonnées patrimoniales et son expertise en les mettant à la disposition des pouvoirs publics, etplus généralement de tous les acteurs de la mer et du littoral

Ses domaines d’expertises sont notamment : la bathymétrie, la sédimentologie, mique cơtière, l’océanographie, l’ingénierie des systèmes d’acquisition à la mer, l’information

Trang 14

l’hydrodyna-géographique maritime et littorale Le Shom collecte et diffuse des données de référence dansces domaines et fournit des services d’« intelligence de la donnée», qui aident les acteurs de lamer et du littoral à utiliser de manière optimale les données.

Quelques chiffres importants

- 500 personnes, hors équipages des bâtiments spécialisés

- Budget annuel : 58 M

- 888 cartes

- 535 ENC (cartes électroniques de navigation)

- 65 ouvrages

- Implantations : Brest (siège social), Toulouse, Saint-Mandé, Nouméa, Papeete

- Certification «ISO 9001 » pour l’ensemble de ses activités

- 5 navires spécialisés, dont 2 employés conjointement avec l’Ifremer

- une zone nationale de responsabilité de 11 millions de km et des frontières maritimes avec 30pays,

- soutien de la défense nationale et de la marine en particulier en hydrographie, océanographie

et météorologie (HOM) dans une zone couvrant 40 millions de km

Figure 1 – Shom-Brest Figure 2 – Travaileurs du shom

2.1.2 LE LABORATOIRE L3i, Université de La Rochelle

Créé en 1993, le Laboratoire Informatique, Image, Interaction (L3i) est le laboratoire de cherche du domaine des sciences du numérique de l’Université de La Rochelle Il est Équiped’Accueil (EA 2118) du Ministère de la Recherche depuis 1997 et dispose par ailleurs du labeld’Équipe de Recherche Technologique (ERT) avec ses partenaires, label attribué par le Ministère

re-de la Recherche Près re-de 100 membres travaillent au sein du L3i dans les domaines re-de matique, l’Image et l’Interaction Le laboratoire associe les chercheurs en informatique de l’IUT

l’Infor-et du Pôle Sciences de l’Université de La Rochelle

Trang 15

Figure 3 – Couloir entrée Figure 4 – logo L 3i

2.2 Domaine d’application

Le domaine dans lequel nous travaillons est un domaine interdisciplinaire qui touche à la fois,

du traitement d’images, traitement du signal, analyse de mouvement d’objets dans les images.L’extraction des courbes dans des images numériques est une opération importante de bas niveaudans le traitement d’images et la vision par ordinateur qui trouve de nombreuses applications,

en particulier dans les tâches de photogrammétrie et de télédétection Là, il peut être utilisépour extraire des entités linéaires, telles que des routes, des chemins de fer ou des rives, à partird’images satellites ou d’images aériennes à basse résolution il faut le dire qu’a l’heure actuelle,nous vivons une révolution à tous les niveaux dans le domaine de plus en plus vaste de l’imagenumérique Elles donnent, aussi bien aux professionnels qu’au grand public, la possibilité demodifier en post-traitement le rendu et le contenu des images De nombreuses applications ontcomme besoin générique d’extraire les objets dans les images L’extraction d’objets permet nonseulement un suivi des objets mais aussi et surtout une localisation précise de leurs limites oucontours dans l’images

Trang 16

Le travail à réaliser durant notre stage est à la fois d’ordre théorique et pratique.

Sur le plan théorique : Dans un cadre théorique, notre travail consiste à une recherche plus profondies du sujet en question, nous avons mené une étude bibliographique des travaux récentsmais aussi anciens sur tous les axes liés au sujet notamment en traitement d’images, extractiond’objets dans les images mais également dans le domaine de la marégraphie particulièrement surcelle des côtes françaises Cette étude nous a permis d’être plus aiguillé sur notre sujet et en finproposer une solution nous permettant de trouver les résultats ainsi attendus

ap-Sur le plan pratique : Comme mentionné plus haut notre travail pratique se divise en desétapes qui sont interdépendantes Le travail à réaliser dans cette étape consiste à l’implémen-tation des solutions proposées conformément à l’objectif visé par le stage Toutefois, il s’avèreimportant de mentionner que cette partie pratique nécessite obligatoirement la mise en place del’environnement de travail La mise en place de cet environnement consiste à l’installation detous les outils nécessaires qui permettront la réussite de ce travail : OpenCV 3 et Python3 plustoutes les dépendances (Numpy, Matplotlib, Scipy, Skimage) Cette partie sera plus développéedans la section environnement de travail

2.5 Planification des tâches

Le projet a été réalisé dans le cadre d’un stage qui s’est officiellement déroulé dans les locaux

du laboratoire L3i de l’Université de La Roche du 01 Septembre 2018 au 28 Février 2019 soit

6 mois de travail Le tableau [1] montre le planning effectif des phases qu’a suivi le projet sousforme de diagramme de Gantt Par ailleurs, les principales phases du projet sont :

- Analyse du sujet et État de l’art : cette partie est dédiée à la compréhension du sujet et à

la recherche bibliographique sur les travaux existant et qui traitent le problème de détection,

de suivi et d’extraction des d’objets dans les images De plus, dresser une analyse critiques desdifférentes approches proposées par les auteurs de ces travaux

- Mise en place de l’environnement et Prétraitement des images : Cette étape consiste à la mise

en place de notre environnement de travail par l’installation des outils nécessaires et le tement des images pour l’extraction du background Également nous apprenons plus de notionssur les algorithmes utilisés

Trang 17

prétrai Détection et suivi des courbes : cette phase consiste à l’implémentation des algorithmes dedétection et de suivi des courbes dans les images.

- Rédaction du rapport : la rédaction du rapport s’est étalée sur deux grandes parties La mière, celle concernant l’état de l’art a été entamée avant même de commencer les travauxpratiques du stage car elle était un prérequis pour la compréhension du sujet La deuxième acommencé à partir de février quand nous avons obtenu déjà quelques résultats validés par lesencadrants

pre-Table 1 – Diagramme de Gantt de la planification des tâches

Dans le troisième chapitre intitulé analyse du sujet, nous présentons d’abord la notion demesure du niveau de la mer, des raisons et de la nécessite des mesures du niveau de la mer, decomment mesure-t-on le niveau de la mer, qui peut mesurer la marée, des techniques et matérielsexistants pour le mesure de niveau de la mer, des différents types de marée

Trang 18

En chapitre quatre, Problématique et Analyse de l’existant, nous faisons une analyse del’existant par la présentation de l’application NUNIEAU et nous terminons par la problématique

de notre sujet

Le cinquième chapitre qui parle de,État de l’art, présente les principaux travaux recensés lors

de l’étude bibliographique, c’est le lieu pour nous après une longue lecture des travaux connexesréaliser dans les différents domaines du sujet de présenter les travaux qui nous ont servis de ré-férences pour l’attente de nos objectifs Il est important de mentionné ici que, parmi ces travauxnous n’avons presque pas trouver des cas qui traitent spécifiquement le type des images qui fontobjet dans notre sujet Ces travaux sont d’abord présentés individuellement avant de faire unrécapitulatif comparatif des dits travaux

Le sixième chapitre intitulé Solution proposée, présente notre solution pour atteindre les jectifs de ce stage, les techniques mises en place pour l’implémentation de cette solution et lesoutils ou environnement de travail choisie pour son implémentation

ob-Le Septième et avant-dernier chapitre de notre manuscrit intitulé Expérimentation et sultats, présente les résultats obtenus de notre travail et les commentaires sur ceux-ci

Ré-Et enfin le Chapitre conclusion générale et perspectives

Trang 19

3 ANALYSE DU SUJET

Parmi tous les moyens d’observation de l’océan, la mesure marégraphique est l’une des niques majeures de l’océanographie Quel que soit son principe de mesure, un marégraphe estsusceptible de fournir à tout instant une information locale sur la hauteur de la surface de lamer par rapport à une référence

tech-L’enregistrement des niveaux d’eau en mer a débuté il y a plusieurs siècles pour diverses raisons(POUVREAU, 2008)[33] comme l’analyse de la marée, les levés bathymétriques, la connaissancedes conditions hydrodynamiques devant des ouvrages projetés Ces dernières décennies, la pro-blématique de risques et de remontée du niveau marin est venue s’ajouter aux raisons initiales.Tout cela a fait que depuis quelques décennies la marégraphie a fait un regain d’intérêt à lafois dans l’océanographie mais également dans différents domaines de la recherche scientifique.Aujourd’hui avec les nouvelles générations de marégraphes numériques, qui sont plus autonomes

et moins dépendants des contrôles quasi-journaliers, nous assistons à des qualités des mesures

du niveau de la mer plus importantes et nettement supérieures à ce qu’elles étaient durant "l’âged’or" De plus, l’ère numérique à l’autre avantage de récupérer rapidement les données (tempsréel), de les valider puis de les diffuser de manière simple et pratique via Internet (exemple deSONEL, http ://www.sonel.org/)

3.1 Pourquoi mesurer t-on le niveau de la mer ?

L’un des buts principaux de l’étude des marées est la recherche des relations existant entre lemouvement des astres et la réponse des océans à l’action de ces forces gravitationnelles afind’établir des formules de prédiction Le niveau de la mer est une grandeur observée depuisplusieurs siècles déjà Les raisons de cette observation sont diverses et variées [Simon, 2007a],rappel que parmi les premières demandes d’information sur la hauteur de la mer sont venues desbesoins de la navigation côtière et de l’accès dans les ports à fort marnage Ensuite, [Chazallon,1839], parmi les principales applications, nous retrouvons, pêle-mêle, l’élaboration des cartesmarines (correction de la marée sur les sondages bathymétriques), la prédiction de la maréepour la réalisation des annuaires de marée (besoin de mesures de qualité sur au moins un an)ainsi que d’autres applications plus récentes, telles que l’amélioration des modèles de marée dansles zones côtières complexes (par exemple, par petits fonds [Nicolle Karpytchev, 2007]), la mise

en place de réseaux de prévision, de vigilance et d’alerte pour les évènements extrêmes naturels(ondes de tempêtes et tsunamis [Courteau, 2007], ou mise en place de la nouvelle vigilance «vagues submersion » fin octobre 2011), le contrôle et la validation des mesures des altimètresradars embarqués sur satellite [Chambers et al., 1998 ; Leuliette et al., 2004] De même, les étudesportant sur l’aménagement des infrastructures portuaires, des ouvrages côtiers, des plates-formespétrolières ou encore l’établissement de Plans de Prévention des Risques naturels prévisibles(PPR) ont en commun le besoin de connaître les niveaux maximum et/ou minimum susceptiblesd’être atteints par la mer sur de très longues périodes (le siècle si possible) [Simon, 2008] Lamesure du niveau marin permet également d’étudier les effets météo-océaniques et climatiques

Trang 20

[Tomasin Pirazzoli, 2008] Enfin, le niveau moyen de la mer est un indicateur indirect, maisimportant, des changements climatiques et de leurs processus associés, tels que la fonte des glaces(glaciers terrestres et calottes glaciaires), l’expansion thermique des océans et les modificationsdes gradients relatifs à la surface de la mer, en fonction des variations des courants résultant

de l’équilibre géostrophique [Church et al., 2008] Cette importance est renforcée par l’impactdirect de tels changements climatiques sur les populations côtières [Nicholls Cazenave, 2010]

La mesure du niveau marin peut donc apporter une contribution à l’étude de chacun de cesprocessus C’est pourquoi, aujourd’hui encore, il est très important de continuer à mesurer leniveau de la mer

3.2 Comment Observe-t-on les marées ?

Pour observer la marée, la hauteur du niveau de la mer est mesurée en fonction du temps parrapport à un niveau de référence Ce niveau peut être, par exemple, le plan horizontal passantpar la graduation 0 d’une échelle de marée(shom) De nos jours les marées peuvent être observéesparticulièrement de deux maniérés qui sont :

3.2.2 observations enregistrées en continu :

• marégraphes analogiques (les variations de hauteur d’eau subies par un flotteur sont transmisesvia un système de câbles et de poulies, et transformées en déplacement vertical d’un stylet sur

un marégramme enroulé sur un tambour tournant entraîné par un système d’horlogerie),

• marégraphes numériques (on distingue les marégraphes à capteurs de pression et les MCN,marégraphes à capteur ultrasonore),

• GPS

• altimétrie satellitaire

Trang 21

3.3 Qui Observe la marée ?

Aujourd’hui chaque pays dispose d’une structure chargée de l’observation du niveau de la mer EnFrance, malgré que le SHOM a été désigné, depuis 2010, comme référent national sur l’observation

de la marée pour coordonner les différent producteurs de données de hauteurs d’eau, il ne restetout de même pas le seul organisme a faire ce travaille, les différentes entités qui observent lamarée sont :

• le SHOM, par l’intermédiaire d’un réseau d’observatoires permanents et occasionnels Ces nées sont disponibles à l’ensemble de la communauté scientifique ;

don-• l’ensemble des services hydrographiques étrangers ;

• les Ports Autonomes( Dunkerque, Le Havre , Rouen, Nantes-Saint-Nazaire, Bordeaux ) ;

• les services maritimes de la DDE ;

• divers organismes privés ou publics (l’EDF, l’IFRTP, les compagnies pétrolières, les tés )

universi-3.4 LES DIFFÉRENTS TYPES DE MARÉE

On distingue quatre grands types de marée selon les importances relatives des composantessemi-diurnes et diurnes Ces quatre types de marée ont été observés dans le monde entier

3.4.1 Type semi-diurne (zone bleue) :

Les composantes diurnes sont négligeables devant les composantes semi-diurnes Il y a alorsdeux pleines mers et deux basses mers d’importances sensiblement égales par jour Ce type demarée est prépondérant 5 en Atlantique En France, on associe à l’amplitude de l’oscillation de

la marée semi-diurne, un coefficient dit coefficient de marée

3.4.2 Type diurne (zone rouge) :

Les composantes semi-diurnes sont négligeables devant les composantes diurnes Il y a une pleinemer et une basse mer par jour

3.4.3 Type semi-diurne à inégalité diurne (zone verte) :

C’est un cas intermédiaire entre les deux marées précédentes Les composantes diurnes ne sontpas négligeables La marée présente toujours deux pleines mers et deux basses mers par jour,mais les hauteurs des pleines mers ou des basses mers consécutives peuvent être très différentes

Trang 22

3.4.4 Type mixte (zone jaune) :

Autre cas intermédiaire, mais cette fois, les composantes diurnes sont très importantes Il y atantôt deux pleines mers et deux basses mers par jour (lorsque la Lune est à l’équateur) et tantôtune pleine mer et une basse mer par jour (lorsque la déclinaison de la Lune est proche de sonmaximum)

3.5 Évolution des techniques de mesures

3.5.1 Échelle de marée :

L’échelle de marée est l’outil le plus ancien utilisé pour mesurer le niveau de la mer Les mières mesures à l’aide d’une échelle de marée graduée ont en effet été publiées dans la deuxièmemoitié du 17e siècle [Cartwright, 1999]

pre-Figure 5 – (Échelle de marée src : Shom) Figure 6 – (Observation de l’échelle src : Shom)

3.5.2 Marégraphe :

1- Puits de Tranquillisation

Un puits de tranquillisation consiste en un puits ou un tube placé verticalement dans l’eau etdont la longueur est suffisante pour couvrir l’étendue du plus grand marnage observable sur le sited’installation Le fond du puits est fermé à l’exception d’une petite ouverture qui permet à l’eaud’entrer et de sortir, tandis que le sommet du puits est ouvert Il existe deux types principauxtypes de puits : avec une petite ouverture directement sur la mer (par exemple : fort Boyard),

ou avec un long tube d’admission reliant le puits à la mer Dans tous les cas, le rôle du puits estd’amortir les perturbations de haute fréquence, telles que la houle, le clapot ou les seiches (oscil-lations de niveaux des bassins portuaires ou des baies) Cependant, le filtrage des signaux hautefréquence réalisé par le puits n’est pas linéaire et introduit donc certaines erreurs [Lennon, 1993]

Trang 23

Figure 7 – Puits de Tranquilisation (src : Shom) Figure 8 – Puits de tranquilisation (src : Shom)

2- Marégraphe à flotteur : L’implantation de ces premiers marégraphes sur le littoral françaiscontribua à la réalisation du premier réseau d’observation systématique du niveau marin En

1859, il en existait une dizaine sur le littoral français Le principe de mesure est simple : unstylet assure le tracé du niveau marin sur une feuille quadrillée (appelée marégramme), qui estenroulée sur un tambour enregistreur dont la rotation est régulée par une horloge Les varia-tions du niveau marin sont alors transmises par un fil reliant le flotteur situé dans le puits detranquillisation au tambour enregistreur Dans un environnement semi-diurne, tel que le littoralcharentais, les marégrammes peuvent enregistrer jusqu’à 15 jours de mesure, en conservant unebonne lisibilité, en raison du décalage de la marée d’environ 50 minutes par jour Afin de protéger

le marégraphe des conditions météorologiques extrêmes, l’appareil est généralement situé dans

un bâtiment ou un abri

Figure 9 – Marégraphe flotteur (src : Shom) Figure 10 – Description Marégraphe a flotteur(src : Shom)

3- Marégraphe à capteur de Pression : Le premier appareil permettant d’enregistrer les tions de pression en eau profonde fut mis au point à la fin du 19e siècle [Cartwright, 1999],mais il fallut attendre 1964 pour que ce type d’appareil fournisse des résultats fiables [Eyries,1968] La principale motivation de la construction de ce type de marégraphe était la possibilité

varia-de pouvoir mesurer les variations du niveau marin au large, contrairement aux marégraphes

Trang 24

à flotteur, limités à la côte Il existe différents types de marégraphes à capteur de pression :marégraphe pneumatique (phare de Cordouan, par exemple), à jauges de contrainte et à quartzpiézoélectrique ; tous sont immergés Ce type de marégraphe est particulièrement adapté auxsites dépourvus d’infrastructures importantes, ou encore, aux observatoires qui sont soumis àdes conditions environnementales difficiles Le principe de fonctionnement est simple : le ma-régraphe utilise la relation entre la hauteur d’eau et la pression hydrostatique correspondante.

Il mesure la pression exercée par la colonne d’eau et par l’atmosphère au-dessus du point demesure immergé, et on obtient ensuite la valeur de la hauteur d’eau H au dessus de la référenceinterne du marégraphe, à l’aide de l’équation :

Figure 11 – Marégraphe a capteur de

pres-sion(src : Shom)

4- Marégraphes à sonde aérienne : Les marégraphes à sonde aérienne sont de deux types : sonique (ou acoustique) et radar (ou électromagnétique) Ce type d’appareil est aussi appeler desMarégraphes Côtiers Numériques (MCN) Le principe de mesure de ces marégraphes est fondésur la mesure du temps de parcours aller-retour d’une onde (acoustique ou électromagnétique)émise par un transducteur au-dessus de la surface de l’eau et réfléchie par cette dernière Laconnaissance de la vitesse de propagation de l’onde dans l’atmosphère permet alors de convertir

ultra-la mesure de temps en mesure de distance

Trang 25

5- Marégraphes à ultrasons : Le fonctionnement des marégraphes à ultrasons (transducteursultrasonores) est simple : le tirant d’air entre le marégraphe et la surface de la mer est mesuréegrâce à l’émission réception d’ondes à ultrasons émise dans l’air à 41,5 kHz Après calcul, le ti-rant d’air mesuré permet d’aboutir à la hauteur d’eau Cette célérité acoustique dans l’air varie

et dépend de 3 paramètres : - la pression ; l’humidité et la température En raison de la sourced’erreur importante que constitue le gradient de température dans le puits de tranquillisationdes sites à forts marnages, la technologie des marégraphes à ultrasons est écartée au début desannées 2000 au profit des marégraphes radar

Trang 26

4 PROBLÉMATIQUE ET ANALYSE DE L’EXISTANT

4.1 Existant

Les données historiques récupérées sous forme de marégrammes ont été digitalisées, numérisées

et validées grâce au développement d’un programme informatique au CETE Méditerranée appeléNUNIEAU (« Numérisation des Niveaux d’EAU ») développé sous environnement MATLAB

Le principe de fonctionnement de NUNIEAU part d’un constat simple : les courbes de hauteursd’eau sont souvent tracées sur une feuille quadrillée blanche (ou du papier millimétré de couleurorangée) avec un crayon d’une couleur différente de la feuille Par exemple, une courbe bleue sur

un papier blanc, ou une courbe rouge sur un papier millimétré orangé Par conséquent, en sebasant sur un algorithme de reconnaissance des couleurs, on peut extraire le signal de la courbe

du reste de la feuille Une fois ce signal extrait, il ne reste plus qu’à définir les origines ainsi queles échelles de temps et de hauteur pour convertir ce signal papier en une donnée numérique.NUNEAU (Numérisation des Niveaux d’EAU), propose de numériser les hauteurs d’eau selon unpas de temps défini par l’utilisateur (à partir de 1 minute) Ce principe simple est relativementrapide à utiliser, cependant il nécessite certaines conditions à savoir :

- le marégramme ne doit contenir qu’une seule courbe de niveau d’eau

- la courbe de niveau d’eau doit être d’une couleur différente du quadrillage - il faut trouver unscanner assez grand pour des marégrammes

- le marégramme doit être scanné en mode « couleur RVB »

Or, ces conditions sont rarement respectées pour des marégrammes du niveau marin En effet,

un marégramme contient généralement au moins sept jours de mesures, voire plus, et doncautant de courbes Les couleurs utilisées pour tracer les courbes sont généralement le bleu, lerouge mais aussi le noir, tandis que le quadrillage est quasiment systématiquement en noir Deplus, les marégrammes historiques conservés dans les archives du SHOM ont tous une dimensionsupérieure au format A3, ce qui oblige à trouver un scanner assez grand et cỏteux Enfin, iln’est pas toujours possible de scanner les marégrammes en mode couleur RVB Ce mode decodage attribue une valeur comprise entre 0 et 255 à chacune des composantes (Rouge, Vert,Bleu) permettant ainsi de définir une couleur par la combinaison de ces trois composantes (parexemple, le bleu est codé R : 0, V : 0, B : 255)

Figure 14 – Exemple de traitement actuel avec NUNIEAU

Trang 27

niveau marin Dans certain des cas, les marégrammes sont numérisés en mode couleurs indexées,c’est-à-dire que chaque pixel de l’image est défini, non pas par une combinaison de valeurs RVB,mais par une valeur 1 pour un pixel noir et une valeur 0 pour un pixel blanc Par conséquent,

le fond blanc du marégramme est codé 0 et tout le reste (courbes du niveau marin, quadrillage,annotations, etc.) était coté 1

Après transformation en mode RVB, le problème reste toujours le même et le principe de base

de NUNIEAU ne peut s’appliquer dans ces cas Heureusement, le logiciel laisse la possibilité

à l’utilisateur de sélectionner lui-même le signal qui l’intéresse en cliquant successivement surl’ensemble de la courbe, comme on pourrait le faire avec une table à numériser comme le cas de

la figure précédente Le gain de temps est donc moindre que dans le cas d’une reconnaissance

du signal par la couleur D’ó la problématique de notre sujet toutefois il est important derappeler que de nos jours d’après les statistiques en place, le NUNIEAU reste encore très utiliser

de partout dans le monde pour ne pas dire le plus utiliser dans la mesure du niveau marin.Cela se confirme par une étude réalisée par le CETE-Méditerranée(Centres d’Études Techniques

de l’Équipement Méditerranée) sous le ministère de l’Écologie, de l’Énergie, du Développementdurable et de la Mer

Figure 15 – Pourcentage de déchargement de NUNIEAU par pays

Trang 28

Figure 16 – Pourcentage de déchargement de NUNIEAU par secteur d’activité

Figure 17 – Pourcentage de déchargement de NUNIEAU thématique

4.2 PROBLÉMATIQUE

En effet, dans le domaine du traitement d’image, la perception d’un humain par rapport à laperception d’un ordinateur sont différentes pour une image donné Dans les exemples précédentsdes figures 18 et 19, nous avons dans les deux cas une image de 20 x 20 pixels Du point

de vue humain, une image est un objet composé de couleurs et de formes, comme illustré à

la figure (18) Du point de vue de l’ordinateur, une image est une matrice ou un tableau denombres rectangulaire à deux dimensions, comme illustré à la figure (19) Chaque valeur à unemplacement spécifique de la matrice représente la valeur de pixel de l’image à cet emplacement.Dans notre travail, nous devons pourvoir fournir des algorithmes qui se baserons sur les cespixels afin de résoudre la problématique présentée plus bas Pour ce faire, nous devons décrire

Trang 29

Figure 18 – Perception humaine des lignes dans

Figure 20 – Exemple d’image a traiter

Nous disons ainsi que, notre sujet de stage présente différentes problématiques dont les pales sont entres autres :

princi-• Comment faire le suivis des courbes dans les cas de marégrammes aux courbes multiples

et qui se croisent plusieurs fois dans l’image ?

• Que faire pour ajuster l’épaisseur du signal à extraire pour une même courbe afin de senter clairement la variabilité haute-fréquence observée par moment ?

pré-• Comment extraire automatiquement une courbe dont la couleur est confondue au drillage de l’image, ou alors qui est peu distinguable de arrière-plan de l’image ?

Trang 30

qua-5 ÉTAT DE L’ART

Face à cette problématique, une recherche bibliographique a initialement été effectuée

Toutefois il est important de le dire qu’aujourd’hui, la détection et l’extraction de voie, deligne ou encore d’objets dans les images devient un problème d’actualité dans le domaine de lacherche À l’heure actuelle, de nombreux algorithmes pour ces problèmes ont été proposés parles chercheurs [27], tels que la machine à vecteurs de support SVM [8,42], le réseau de neurones,

la transformation de Hough [18], l’algorithme de Carten Steger [9], la Transformée de Radon[9], la Transformée de Fourrier [38] etc Cependant, ces méthodes restent difficiles à appliquerdans toutes les situations particulièrement dans notre cadre de figure Au terme de cette étudebibliographique, nous retenons que les travaux dans ce domaine‘ au cours de ces derniers années,sont axés autour de trois (3) dimensions principales : quelques soient les approches proposéespar les auteurs

5.1 Classification des travaux selon les axes d’intervention

• Détection d’éléments(lignes, courbes, voies routières, rivières ) dans les images

• Suivi et extraction d’éléments (lignes, courbes, voies routières, rivières ) dans les images

• Détection, suivi et l’extraction d’éléments(lignes, courbes, voies routières, rivières ) dansles images

5.1.1 Détection d’élément (lignes, courbes, voies routières, rivières ) dans les

images

La détection de courbes dans les images est une opération importante dans le traitement desimages et la vision par ordinateur qui a de nombreuses applications Il existe de nombreux ou-vrages traitant des méthodes de détection des courbes Par exemple, les algorithmes de détection

de contour entrent également dans la catégorie des algorithmes de détection de courbe, mais cesméthodes ne fonctionnent pas bien en présence de bruit Ce sont des travaux dont l’objectifspécifique est de faire la détection Les approches existantes sont soit basées sur les valeurs degris, c’est à dire qu’elles utilisent uniquement les valeurs de gris des images d’origine ou unesorte de différence locale extraire des points de ligne Soit basées sur les propriétés géométriquesdifférentielles, ainsi, elles considèrent l’image comme une surface dans un espace tridimensionnel

ou quadridimensionnel et tentent d’extraire des lignes sous forme d’arêtes à l’aide de diversescaractéristiques géométriques différentielles Dans une troisième catégorie, les filtres spéciauxaméliorent les structures linéaires, de sorte que les lignes peuvent être facilement obtenues parseuillage Enfin, les approches utilisant les modèles de ligne explicite pour détecter les lignes etleur largeur Ces approches sont discutées de façon plus détaillée dans le livre de Docteur Carten

Trang 31

5.1.2 Suivi et extraction d’éléments(lignes, courbes, voies routières, rivières )

dans les images

Dans l’extraction de courbes, l’accent est mis sur l’extraction et non sur l’identification ou quetage d’une courbe De nombreux algorithmes multi-résolutions [9] développés récemment,tels que les curvelets et les Beamlets, sont des algorithmes d’extraction de courbes très effi-caces et sont utilisés pour compresser des images avec des courbes car ils préservent les courbesdans une image compressée Les algorithmes de machine Learning [8] sont également présentsdans la littérature et fournissent bien des résultats selon les objectifs fixés Ces méthodes fonc-tionnent mieux que les algorithmes de détection des contours lorsqu’il s’agit d’images bruitées

l’éti-La transformation de Hough et sa version plus générale, la transformation de radon [9,11] sontdes approches bien connues pour la détection de lignes, même dans des images extrêmementbruitées Ces méthodes transforment les images avec des lignes en un domaine de paramètres deligne possibles, chaque ligne de l’image donnant un pic positionné sur les paramètres de lignecorrespondants Ainsi, la transformation du radon convertit un problème de détection de lignedans le domaine de l’image en un problème de détection de pic plus simple dans le domaine desparamètres

5.1.3 Détection-suivi et le suivi-extraction d’éléments(lignes, courbes, voies

rou-tières, rivières ) dans les images

Il est important de mentionner que dans la littérature que nous avons parcourue, très peu detravaux se sont focalisés sur les deux aspects Les quelques travaux existants sont basés sur unecombinaison des approches des deux précédents cas Dans ces travaux, ils exploitent pleinementles caractéristiques linéaires des images selon les types d’images en input et construisent unebase de connaissances géométriques de ces images

Dans l’un ou les autres des cas présentés plus haut, l’une des étapes la plus importante est lesuivi L’objectif principal de cette étape est d’éliminer les pixels de type faux positif qui ne setrouvent pas sur de vraies lignes Certains algorithmes [1] relient des pixels individuels de typeligne pour former des segments de ligne Par exemple, dans Baumgartner et al [1], un segment

de route dans une image haute résolution est représenté par l’agrégation de parties de routeadjacentes La première étape du suivi des lignes consiste à sélectionner des points situés sur devraies ligne et à choisir une direction de recherche De nombreux systèmes utilisent la sélectionmanuelle [4] Dans les systèmes automatiques, des sources de connaissances telles que les SIG

ou des bases de données géographiques, des méthodes heuristiques et stochastiques sont utiliséespour initialiser le suivi

Dans cette partie de notre rapport, nous présentons quelques travaux réalisés dans ce domaine,les méthodes utilisées et les types d’images utilisés

Trang 32

5.2 Quelques Travaux de références

Dans leurs article intitulé « Curve Extraction in images »[38] Zoraida et al ont sentés une méthode pour extraire les courbes dans les images, en utilisant les statistiques desinformations directionnelles donné par les mesures des emplacements des courbures et des di-rections associées aux pixels qui composent chaque courbe Dans leur travail, ils ont utilisé 4types d’images satellitaires et leur objectif était d’extraire les sections des rivières contenuesdans ces images En utilisant des critères tels que : le nombre de canaux significatifs adjacents,

pré-le nombre de canal central et pré-le nombre maximal d’étiquette, ils ont pu décrire la localisation,

la courbe et la direction de chaque pixel à partir de la courbe dans l’image dans l’image Ilsutilisent ensuite une technique de réduction de la courbe extraite basée sur l’énergie du canal etl’énergie maximum des canaux Ils ont au final suivre parfaitement la trajectoire de la rivière

Figure 21 – Images satellites a traitées Figure 22 – Résultats obtenus sur les 3 tapes

Dans son article Curve structure Extraction for cartoon Images,[11] le chinoi Ming Cheng de l’TNLIST Tsinghua University Propose une méthodologie de d’extractiondes courbes sur les images des dessins animés Il présente une particularité dans ce type d’images

Ming-en tMing-enant compte de deux type de courbes, les courbes de contours et les courbes décoratives.Basée sur l’approche de Carten Steger, sa méthode se présente en deux étapes : En premier, ilapplique une méthode de suppression moyenne de la dérivée seconde pour calculer les points de

la courbe, en suite en deuxième étape, il fait la liaison des points pour la formation de la bonnecourbe et la suppression des courbes non fiables

Trang 33

En 2004, Karthik Raghupathy [9] pour sa thèse doctorale a présenté des nouvelles approchesbasées sur l’algorithme de Steger et de la Transformée de Radon simple et Généralisée pour lesuivi et la détection des courbes dans les images Dans son travail il prend en compte beaucoup

de paramètres notamment l’épaisseur des courbes à extraire, les courbes qui se disparaissent etréapparaissent Des différentes approches sont présentées, pour la détection, le suivi mais aussil’extraction des courbes

Figure 25 – Exemple de résultats pour le tracé et

l’extraction des courbes Figure 26 – Résultats de l’extraction

Basée sur des techniques de machine Learning, un classificateur formé par le Haar-like featureextraction et du boosting FAN Chao*, XU Jing-bo, DI Shua on proposé une méthode pour

la détection des lignes dans les images intitulé « Lane Detection Based on Machine ning Algorithm »[11] L’objectif était de faire un suivi efficace des lignes sur les voies routièresdans les conditions complexes telles que les ombres et le changement d’éclairage Vérifiés par denombreuses expériences, les résultats montrent que leur algorithme peut détecter correctement

Lear-la ligne droite ou Lear-la courbe dans des conditions complexes

Figure 27 – Comparaison sur les résultats des

al-gorithmes Figure 28 – Résultats de la détection

Pr Carten Steger à proposer un algorithme de suivi et d’extraction des lignes et des courbesdans les images, son algorithme reste aujourd’hui l’une des meilleurs approches les plus utilisées

Trang 34

dans le domaine d’extraction des entités linéaires, telles que des routes, des chemins de fer ou desrives, à partir d’images satellites, d’images numériques ou d’images aériennes à basse résolution.Dans son article Extraction of Curved Lines from Images[8], il présente cette méthodequi principalement est basée sur les propriétés géométrique différentielles des images et décritégalement une meilleur technique pour déterminer la largeur des courbes dans les images qui,est un facteur influent dans le cadre de la détection Les types d’images utilisées sont des imagesaériennes.

Figure 29 – Détection des lignes Figure 30 – Détection des lignes sur les imagesaériennes

Trang 35

5.3 Récapitulatif des Travaux Connexes

Dans cette section de notre rapport, nous présentons dans ce tableau récapitulatif une analysecritique et synthétique des différents travaux lus dans la littérature Nous montrons, les ap-proches utilisées, les avantages et les limites de ces travaux par rapport au nôtre

Table 2 – Tableau de synthèse des articles étudiés

De nombreuses techniques sont disponibles dans la littérature Certaines de ces techniques lisent uniquement l’histogramme de niveaux de gris, certaines utilisent des détails spatiaux tandisque d’autres utilisent des approches théoriques sur les ensembles flous La plupart de ces tech-niques ne conviennent pas aux environnements bruités Certains travaux ont été réalisés à l’aidedes modèles de Markov, de Steger, qui résiste au bruit, mais qui nécessitent beaucoup de calculs.Les architectures réseaux de neurones permettent d’obtenir la sortie en temps réel en raison deleur capacité de traitement parallèle, ont également été utilisées dans d’autres travaux et fonc-tionnent parfaitement mais pas lorsque le niveau de bruit est très élevé Ces différents travaux

Trang 36

uti-ici présentés sont très pertinent mais malheureusement leurs grandes majorités ne pourraients’appliquer dans le types d’images que nous avons à traités surtout a cause du niveau du bruit

et a la nature des courbes a extraire D’abord, aucun de ces algorithmes n’a été implémenté avec

le type d’image que nous avons Ensuite, la majorité de ces algorithmes ne s’applique que dans

le cas des lignes droites et non des courbes D’ó la complexité de notre travail, le fait de partirsur une base presque vide

Toutefois nous avions essayer de mettre en place une approche basée sur le machine Learning,mais après une étude et vu le temps de travail qui nous restait, il allait être pratiquement impos-sible pour nous d’arriver au bout du projet a la fin du stage Par contre, certain de ces approchesnous ont bien aidés à mettre nos solutions en place notamment celles basées sur les propriétésgéométriques

Định dạng
Số trang	73
Dung lượng	39,4 MB