Le Bureau des Études Doctorales a le plaisir de vous informer que
Monsieur Amine BOHI
Doctorant au laboratoire LSIS, rattaché à l’école doctorale 548 « Mer et Sciences », sous la direction de Monsieur Frédéric BOUCHARA, Maître de Conférences-HDR, Université de Toulon (France) Et Monsieur Jean-Paul GAUTHIER, Professeur des Universités, Université de Toulon (France) soutiendra publiquement sa thèse préparée en cotutelle en vue de l’obtention du Doctorat d’informatique sur le thème suivant :

Le lundi 22 mai 2017 à 14h00, à l’Université de Toulon – Campus de La Garde – Bâtiment K – Amphi K018

devant un jury composé de :

• Johel MITERAN, Professeur Faculté Mirande, Dijon, (Rapporteur)
• William PUECH, Professeur, Université de Montpellier, (Rapporteur)
• Yuliya TARABALK, Chargée de recherche, INRIA Sophia Antipolis, (Examinateur)
• Nicole VINCENT, Professeur, Université Paris Descartes, (Examinateur)
• Vincente GUIS, Ingénieur de recherche, Université de Toulon, (Co-Encadrant)
• Dario PRANDI, Chargé de recherche CNRS CentraleSupelec, (Co-Encadrant)
• Frédéric BOUCHARA, Maître de conférences, HDR, Université de Toulon, Directeur de thèse
• Jean-Paul GAUTHIER, Professeur, Université de Toulon, Co-Directeur de thèse

résumé

Descripteurs de Fourier inspirés de la structure du cortex visuel primaire humain.
Application à la reconnaissance de navires dans le cadre de la surveillance maritime

Dans cette thèse, nous développons une approche supervisée de reconnaissance d’objets basée sur l’utilisation de nouveaux descripteurs d’images globaux inspirés du modèle du cortex visuel humain primaire V1 en tant que groupe de roto-translations semi-discrètes (produit semi-direct entre et.
La méthode proposée est basée sur des descripteurs de Fourier généralisés et rotationnels définis sur le groupe, qui sont invariants aux transformations géométriques (translations, et rotations). De plus, nous montrons que ces descripteur de Fourier sont faiblement complets, dans le sens qu’ils permettent de discriminer sur un ensemble ouvert et dense de fonctions à support compact, donc distinguer entre des images réelles.
Ces descripteurs sont ensuite utilisés pour alimenter un classifieur de type SVM dans le cadre de la reconnaissance d’objets. Nous avons mené une séries d’expérimentations dans le but d’évaluer notre méthode sur les bases de visages RL, CVL et ORL et sur la base d’images d’objets variés COIL-100, et de comparer ses performances à celles des méthodes basées sur des descripteurs globaux et locaux. Les résultats obtenus ont montré que notre approche est en mesure de concurrencer de nombreuses techniques de reconnaissance d’objets existantes et de surpasser de nombreuse autres. Ces résultats ont également montré que notre méthode est robuste aux bruits.
Enfin, nous avons employé la technique proposée pour reconnaître des navires dans un contexte de surveillance maritime.

Mot clés : Reconnaissance d’objets, Descripteurs de Fourier, Reconnaissance de navires, Cortex visuel primaire V1

Fourier descriptors inspired by the structure of the human primary visual cortex.

Application to vessels recognition in the framework of maritime surveillance

In this thesis, we develop a supervised object recognition method using new global image descriptors inspired by the model of the human primary visual cortex V1. Mathematically speaking, the latter is modeled as the semi-discrete roto-translation group (semi-direct product between and.
Therefore, our technique is based on generalized and rotational Fourier descriptors defined in, and which are invariant to natural geometric transformations (translations, and rotations). Furthermore, we show that such Fourier descriptors are weakly complete, in the sense that they allow to distinguish over an open and dense set of compactly supported functions in, hence between real-world images.
These descriptors are later used in order to feed a Support Vector Machine (SVM) classifier for object recognition purposes. We have conducted a series of experiments aiming both at evaluating and comparing the performances of our method against existing both local - and global - descriptor based state of the art techniques, using COIL-100 image database (containing various types of objects), and the RL, the CVL, and the ORL face databases. The obtained results have demonstrated that our approach was able to compete with many existing state of the art object recognition techniques, and to outperform many others. These results have also shown that our method is robust to noise.
Finally, we have applied the proposed method on vessels recognition in the framework of maritime surveillance.

Keywords : Object recognition, Fourier descriptors, Vessels recognition, Primary visual cortex V1.