Représentations parcimonieuses et apprentissage de dictionnaires pour la compression et la

237 Pages·2017·7.31 MB·French

by  Jérémy Aghaei Mazaheri

Représentations parcimonieuses et apprentissage de
dictionnaires pour la compression et la classification
d’images satellites
Jérémy Aghaei Mazaheri
To cite this version:
Jérémy Aghaei Mazaheri. Représentations parcimonieuses et apprentissage de dictionnaires pour
la compression et la classification d’images satellites. Traitement du signal et de l’image [eess.SP].
Université Rennes 1, 2015. Français. ￿NNT: 2015REN1S028￿. ￿tel-01205490v2￿
HAL Id: tel-01205490
https://hal.science/tel-01205490v2
Submitted on 3 Oct 2015
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est
archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
ANNE´E 2015
THE`SE / UNIVERSITE´ DE RENNES 1
sous le sceau de l’Universite´ Europe´enne de Bretagne
pour le grade de
DOCTEUR DE L’UNIVERSITE´ DE RENNES 1
Mention : Traitement du signal et te´le´communications
E´cole doctorale Matisse
pre´sente´e par
Je´re´my A M
GHAEI AZAHERI
pre´pare´e au centre de recherche INRIA Rennes - Bretagne Atlantique
Institut National de Recherche en Informatique et en Automatique
Repre´sentations The`se soutenue a` Rennes
le 20 Juillet 2015
parcimonieuses et devantlejurycompose´ de:
Jean-Yves TOURNERET
ProfesseurENSEEIHT / Rapporteur
apprentissage de
Jean-Marie NICOLAS
ProfesseurTe´le´comParisTech / Rapporteur
Luce MORIN
dictionnaires pour
ProfesseurINSA / Examinatrice
Pierre-Luc GEORGY
la compression et Inge´nieurAirbusDefence&Space / Examinateur
Claude LABIT
DirecteurderechercheINRIA / Directeurdethe`se
la classification Christine GUILLEMOT
DirecteurderechercheINRIA / Co-directricedethe`se
d’images satellites

Quand tout semble inutile, je vais observer un tailleur de pierre `a l’œuvre. Il peut
marteler une pierre une centaine de fois sans qu’elle ne montre la moindre fissure.
Pourtant au cent et uni`eme coup elle se fend soudain en deux, et je comprend que ce
n’est pas ce dernier coup qui a produit cet effet mais bien tous ceux qui l’ont pr´ec´ed´e.
Jacob Riis

A mes parents, pour leur inconditionnel soutien
A mon grand fr`ere, qui a toujours ´et´e un mod`ele pour moi
A ma petite sœur, pour tous les fous rires qu’on a pu partager

Remerciements
J’adresse tout d’abord mes plus sinc`eres remerciements `a mes deux directeurs de
th`ese. Merci `a Claude Labit pour ses pr´ecieux conseils et pour avoir toujours su me
conforterdansladirection`asuivre.Merci`aChristineGuillemotpoursonencadrement,
ses remarques et son exp´erience ont ´et´e d’une grande aide dans la r´ealisation de cette
th`ese.
Je remercie ensuite mes encadrants au sein d’Airbus Defence & Space, Pierre-Luc
Georgy et Mathias Ortner, pour leur suivi tout au long de cette th`ese. Merci pour les
nombreuses donn´ees qu’ils m’ont fournies et qui m’ont permis de r´ealiser ces travaux,
ainsi que pour leur expertise dans le domaine de l’imagerie satellite.
Je souhaite remercier tout particuli`erement mon jury de th`ese : Jean-Yves Tour-
neret, Jean-Marie Nicolas, Luce Morin et Pierre-Luc Georgy, d’avoir accept´e de lire et
de juger mon travail de th`ese. Merci pour le temps accord´e a` mon manuscrit et a` ma
soutenance et pour les remarques apport´ees.
Je ne peux ensuite pas oublier de remercier les membres, pass´es et pr´esents, de
l’´equipe SIROCCO (et pr´ec´edemment TEMICS) pour leur accueil, les discussions et
les nombreuses heures pass´ees ensemble ayant contribu´e `a rendre agr´eables ces ann´ees
pass´ees au sein de l’INRIA.
Je remercie tout particuli`erement Aline Roumy pour les discussions int´eressantes
autour des algorithmes de poursuite utilis´es au sein du sch´ema de codage.
Enfin, un immense merci a` Elif Vural pour les heures pass´ees a` discuter autour du
chapitre 6 de classification. Merci pour son ´ecoute, ses conseils et ses contributions,
sans lesquels ce dernier chapitre n’aurait pas ´et´e le mˆeme.
1

Table des mati`eres
Remerciements 1
Table des mati`eres 3
Introduction 7
1 Repr´esentations parcimonieuses et apprentissage de dictionnaire 15
1.1 Repr´esentations parcimonieuses . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.1 Formulation du probl`eme . . . . . . . . . . . . . . . . . . . . . . 16
1.1.2 Algorithmes de d´ecomposition parcimonieuse . . . . . . . . . . . 17
1.1.2.1 Matching Pursuit . . . . . . . . . . . . . . . . . . . . . 17
1.1.2.2 Orthogonal Matching Pursuit . . . . . . . . . . . . . . . 18
1.1.2.3 Basis Pursuit . . . . . . . . . . . . . . . . . . . . . . . 18
1.1.2.4 Autres m´ethodes de d´ecomposition parcimonieuse . . . 19
1.1.3 La parcimonie structur´ee . . . . . . . . . . . . . . . . . . . . . . 19
1.2 Apprentissage de dictionnaire . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2.1 Formulation du probl`eme . . . . . . . . . . . . . . . . . . . . . . 22
1.2.2 M´ethode des Directions Optimales (MOD) . . . . . . . . . . . . 23
1.2.3 Algorithme K-SVD . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.2.4 Dictionnaire parcimonieux . . . . . . . . . . . . . . . . . . . . . . 25
1.2.5 Apprentissage avec contrainte de non-n´egativit´e . . . . . . . . . . 26
1.2.5.1 Sparse Non-negative Matrix Factorization . . . . . . . . 26
1.2.5.2 Non-Negative K-SVD . . . . . . . . . . . . . . . . . . . 27
1.2.6 Apprentissage de dictionnaire en ligne . . . . . . . . . . . . . . . 28
1.2.7 Image Signature Dictionary (ISD) . . . . . . . . . . . . . . . . . 29
1.2.8 Dictionnaires structur´es . . . . . . . . . . . . . . . . . . . . . . . 31
1.2.8.1 Structures en arbre . . . . . . . . . . . . . . . . . . . . 31
1.2.8.2 Iteration-Tuned Dictionaries (ITD) . . . . . . . . . . . 32
1.3 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.3.1 D´ebruitage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.3.2 Compression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.3.2.1 M´ethodes apprenant plusieurs dictionnaires . . . . . . . 37
1.3.2.2 M´ethodes apprenant un unique dictionnaire . . . . . . . 38
1.3.2.3 Le codeur ITAD . . . . . . . . . . . . . . . . . . . . . . 41
3