Cours 58 | Modélisation Statistique de Transformées Multi-résolutions et Application à la Détection de Défauts de Textures

Titre: Modélisation Statistique de Transformées Multi-résolutions et Application à la Détection de Défauts de Textures

Auteurs: Marouene Mejri

Ecole/Université: UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS

Résumé: La détection automatisée de défauts de textiles est un problème important en industrie. Dans le passé, plusieurs travaux ont été proposés dans ce but, à l’aide d’algorithmes basés sur le traitement d’images. En effet, au cours de la production de tissus, un dispositif spécialisé de capture d’images enregistre des images du tissu pour n de traitement par ordinateur. Le but est d’extraire les caractéristiques de la texture du tissu pour détecter des défauts contenus à l’aide de techniques de traitement d’images. Jusqu’à ce jour, il n’existe pas de méthode standard qui assure la détection de défauts de texture dans les tissus avec haute précision. Dans ce mémoire, nous présentons une nouvelle méthode de détection de défauts de texture dans les tissus de textile. Cette méthode se base sur la modélisation statistique utilisant les mélanges finis de Gaussiennes généralisées (MoGG) des sous-bandes de transformées multirésolutions (Ondelettes, Contourlettes) d’une image. Cette modélisation permet d’obtenir des signatures compactes et précises des structures de textures. La comparaison de textures est ainsi effectuée par une mesure de similarité entre MoGGs grâce à une approximation de la divergence de Kullback-Leibler (KL). Notre méthode est capable d’atteindre une détection et localisation très précises de défauts de texture dans les images de la base de données TILDA, tout en assurant un temps de traitement raisonnable.

Extrait du sommaire: Voir le document

Ondelettes et traitement du signal et d’image 58

Télécharger le fichier PDF: Modélisation Statistique de Transformées Multirésolutions et Application à la Détection de Défauts de Textures