Ar el azami ikram Champs Disciplinaire

Résumé:

Les travaux de cette thèse s’articulent autour de deux axes : les systèmes d’indexation et de recherche d’images par le contenu et la fusion d’images multifocales.

Dans le premier axe, nous nous intéressons aux problématiques d'extraction de signatures des images, en particulier les bases de données d’images texturées. Nous proposons, dans ce cadre, des méthodes d’extraction des caractéristiques de l’image basées sur des modèles de décompositions adaptatives, multi-échelles et multi-directionnelles. Plus précisément, nous décomposions l’image en plusieurs composantes à l’aide des modèles de décompositions adaptaives, dites respectivement la FABEMD (Fast and Adaptive Bidimensionnal Empirical Mode Decomposition) et le modèle variationnel de décomposition d’image en Objet/Texture proposé par Meyer. Ensuite, nous utilisons des transformées multi-échelles multidirectionelles (la transformée en Curvelets et les Ondelettes de Gabor) afin d’extraire les signatures des images à partir de ses composantes. Nous avons mené des expérimentations sur plusieurs bases de données d’images. Les résultats expérimentaux sont encourageants.

Le second axe de cette thèse est la fusion d’images multifocales. Le problème dans ce domaine est que la profondeur de champ de la caméra est limitée, par conséquent, seulement les objets de l’image situés au point de focalisation sont nets, tandis que les autres sont flous. La solution de ce problème est de prendre plusieurs images de la même scène avec mise au point sur les différentes parties de l’image. Ensuite ces images sont combinées afin de construire une seule image fusionnée de meilleure qualité. Nous avons proposé une méthode qui se repose sur une hybridation entre la transformée en Contourlets non sous échantillonnée (NSCT, Nonsubsampled Contourlet Transform) et la décomposition d’image en Objet/Texture. Le principe de sélection des sous-bandes de la NSCT a été discuté en détail. La sélection des sous-bandes dans les basses fréquences est faite à base d’un schéma de l’énergie locale maximale; tandis que les sous-bandes dans hautes fréquences sont fusionnées via le schéma de sélection du maximum. Les résultats expérimentaux montrent que la méthode proposée peut non seulement extraire l’information visuelle importante des images sources, mais aussi d’éviter l’introduction des artefacts.

Mots clés :

Indexation et recherche d’images par le contenu, texture, objet, BEMD, FABEMD, BIMF, fusion d’images multifocales, Ondelettes, Curvelets et Contourlets.

Multi-scales and Variational Approach for image DECOMPOSITION: APPLICATIONs on the fusion and Content-Based Image Retrieval Systems

Abstract:
This thesis intends to focus on two axes: Content-Based Image Retrieval Systems and the multi-focus image fusion.

In the first axe, we are interested in problems of feature extraction from images, especially for databases of textured images. We propose, in this framework, new methods based on multi-scale and directional adaptive decomposition models. More than that, we decompose the image into several components using adaptive decomposition models, named FABEMD (Fast and Adaptive Bi-dimensional Empirical Mode Decomposition) and variationnel model ,proposed by Meyer, for decomposing an image into an object and a texture component. Furthermore, we use multi-scale and multidirectional transform (Curvelet transform and Gabor Wavelet) to extract feature images from its components. We conducted experiments on several image databases. Experimental results show that the proposed methods outperform previous rotation-invariant methods significantly and outperform earlier Curvelet Transform and Wavelets.

The second axe of this thesis is the fusion of multi-focus images. The problem in this domain is that the depth of the field of the camera is limited. For this reason, only the objects of the image in focus would be clear while the objects in front of focus or behind it are blurred. The solution of this problem is to take several images with different focus points on different parts of the image. Then, these images are combined in order to construct one fusion image of high quality. We have proposed new methods which are based on hybridization of Non subsampled Contourlet Transform and the image decomposition into object and texture. The selection principles of different subband coefficients obtained by the NSCT decomposition are discussed in detail. In order to select the coefficients of the fused image properly, the selection principles for different subbands are discussed, respectively. For choosing the low frequency subband coefficients, maximum local energy is used as the focus measure to fuse the low frequency subband. When choosing the high frequency subband coefficients, the maximum absolute value is used as the activity-level measurement to select coefficients from the high frequency subimages. Experimental results demonstrate that the proposed algorithm outperforms typical wavelet-based, nonsubsampled contourlet-based fusion algorithms in terms of objective criteria and visual appearance.
Key Words:

Content based image retrieval, texture, objet, BEMD, FABEMD, BIMF, multi-focus image fusion, Wavelets, Curvelets and Contourlets.

PROBLÈMES ELLIPTIQUES NON LINÉAIRES DANS LES ESPACES DE MUSIELAK-ORLICZ-SOBOLEV
Par

OULD MOHAMEDHEN VAL Mohameden

Champs Disciplinaire: Mathématiques/Equations aux Dérivées Partielles

FD : Mathématiques et Applications

Soutenu le : 02/06/2012
Membres de jury : 

Abdelfattah TOUZANI, President	Faculté Des Sciences Dhar El Mahraz, Fès
Abdelmoujib BENKIRANE, Encadrant	Faculté Des Sciences Dhar El Mahraz, Fès
Ahmed ADDOU, Rapporteur	Faculté Des Sciences, Oujda
Jaouad BENNOUNA, Rapporteur	Faculté Des Sciences Dhar El Mahraz, Fès
Ahmed EL HILALI ALAOUI, Rapporteur	Faculté Des Sciences et Techniques, Fès
Youssef  AKDIM, Membre	Faculté Polydisciplinaire, Taza
El Houssine AZROUL, Membre	Faculté Des Sciences Dhar El Mahraz, Fès