| Popis: |
La vision artificielle et, a travers elle, le traitement d’images ont connu ces dernieres annees une tres forte expansion dans des domaines et pour des applications aussi diversifiees que l’industrie, la robotique, l’espace, le medical et les systemes de defense. Cela peut s’expliquer par la part preponderante que represente la vision dans l’activite humaine et par le besoin d’ameliorer cette perception dans des conditions d’observation delicates, voire de l’automatiser pour permettre l’execution autonome de certaines tâches. Les premieres bases du traitement d’images sont directement issues du traitement du signal, phenomene normal puisque toute image, qu’elle soit continue ou numerique, peut etre consideree comme un signal a 2 dimensions. Aussi les techniques de filtrage, d’estimation et de prise de decision ont-elles ete appliquees avec succes a partir des annees 50. Cependant, le contenu informationnel d’une image echappe quelque peu aux demarches de modelisation qui sous-tendent la definition d’operateurs de traitement du signal. En effet, ces derniers font largement appel a des modeles statistiques (d’ordres plus ou moins eleves) et lineaires, ce qui facilite grandement la manipulation et le developpement mathematiques. Certes, le traitement d’images peut etre aborde en suivant cette meme voie, mais l’insuffisance des modeles vis‐a‐vis de la nature intrinseque des images apparait rapidement a tout ingenieur ayant a definir et developper une fonction bien precise de vision par ordinateur. En tentant d’analyser le processus de formation d’une image, on constate que celui‐ci est extraordinairement complexe et fait intervenir, en interaction etroite, un grand nombre de caracteristiques et de phenomenes physiques : la forme et la radiometrie des objets presents (albedo, couleur, emissivite en infrarouge), les sources d’eclairement (directes ou diffuses), la propagation dans l’atmosphere (en lui‐meme un milieu tres complexe qui est le siege de nombreux processus physiques) et enfin le capteur (œil ou senseur optronique) qui recoit les signaux lumineux, forme, traite et interprete l’image. Les scenes representent des objets dont la composition et l’agencement determinent des relations structurelles entre les parties de l’image et dont l’aspect de surface determine des proprietes statistiques. En generalisant, on peut interpreter toute l’image en utilisant deux types d’analyse : l’analyse statistique et l’analyse structurelle. La richesse des cas de figure que l’on pourra rencontrer rendra frequemment utopique l’esperance d’une solution algorithmique unique et homogene pour remplir une tâche un tant soit peu « intelligente ». Le concepteur d’un algorithme de traitement d’images devra certes s’appuyer sur la panoplie des techniques offertes par les theories du signal et de la decision, mais il devra pour finir etre capable de les assembler pour constituer un systeme repondant le plus completement possible aux exigences initiales. C’est peut-etre dans cette derniere etape que reside la specificite du traitement d’images ; une discipline qui repose pour une part non negligeable sur un savoir-faire et des heuristiques dont la formalisation se poursuit. Un modele particulierement performant nous est offert par le systeme visuel humain. Aussi les recherches physiologiques dans le domaine sont-elles importantes pour alimenter notre comprehension des mecanismes impliques et nous suggerer de nouveaux modes d’association des techniques de base, voire de nouveaux modeles. |
