Ar khaled aissam Champs Disciplinaire

Résumé :

Cette thèse s’inscrit dans le sillage des nombreuses recherches menées autour du problème d’estimation du mouvement. Elle se distingue par le fait d’avoir été menée dans un cadre pluridisciplinaire. Dans la littérature, il existe plusieurs approches pour l’estimation du flot optique, nous sommes concentrés dans cette thèse sur un problème crucial de la vulnérabilité des approches variationnelles. Nos travaux de recherche consistent à évaluer les estimations sur des composantes issues des décompositions multi-échelles et variationnelles des images d’entrées. Par suite, une combinaison linéaire est faite à base des champs de vitesse calculés en visant de produire un flot final précis, robuste et rapide. Dans ce document, nous allons proposer deux schémas de calcul du flot optique, le premier est à base de la décomposition FABEMD (Fast and Adaptive Bidimensional Empirical Mode Decomposition) dans le but d’améliorer la méthode de Lucas & Kanade qui utilise, en principe, deux images successives extraites d’une séquence vidéo afin de calculer le flot optique dense. Le mouvement est estimé alors sur les composantes appartenant à la même sous bande de la décomposition. Nous calculons le flot optique final à partir de ces résultats obtenus à différentes échelles. Cette technique modifie l’optimisation classique en remplaçant le raffinement itératif par un traitement multi-échelle. La qualité du flot optique produite est meilleure et le temps d’exécution est amoindrit. Le second schéma est à base de la décomposition par un modèle mathématique bien défini, l’EDP (Equation aux Dérivées Partielles), le flot est estimé, en utilisant une approche variationnelle combinant les régularisations locale et globale, sur les composantes de structures qui représentent les basses fréquences, et les composantes de textures qui représentent les oscillations les plus fortes c'est-à-dire les hautes fréquences. Cette technique permet d’améliorer considérablement l’estimation du mouvement et de contourner le problème de la précision.

Mots clés :

Vision par ordinateur, estimation du mouvement, flot optique, méthodes variationnelles, implémentation pyramidale, warping, BEMD, FABEMD, BIMF, EDP.
motion estimation based on multiscale and variational approaches for the decomposition of images


Abstract :
The present thesis is a continuation of a number of former researches on the question of motion estimation, and it can be distinguished by the fact that it has been carried out in a multidisciplinary framework. There are several approaches to the estimation of optical flow. However, in this thesis we focus on the crucial problem that is of the vulnerability of the variational approaches. Our task is the evaluation of the estimations of components derived from multi-scale and variational decompositions of input images. As a result, a linear combination is made from calculated velocity fields to produce a final optical flow that is accurate, robust and fast. In this paper, we present two schemata to calculate the optical flow. The first is based on the FABEMD (Fast and Adaptive Bidimensional Empirical Mode Decomposition) with the aim of improving the well-known pyramidal algorithm of Lucas and Kanade which, in principle, utilizes two successive images from a video sequence in order to calculate a dense optical flow. The motion is, therefore, estimated through components belonging to the same decomposition sub-band. The final optical flow is calculated thanks to these results which are obtained at different scales. This technique modifies the traditional optimization by substituting the conventional iterative refinement with a multi-scale processing. The quality of the optical flow is better and the execution time is shorter. The second schema is based on the decomposition by a well-defined mathematical model, the PDE (Partial Differential Equation). Using a variational approach combining local and global regularizations, the flow is estimated on components of structures that represent the low frequencies, and the components of textures that represent the highest oscillations i.e. the high frequencies. This technique significantly improves the motion estimation and circumvents the problem of accuracy.


Key Words:

Computer vision, motion estimation, optical flow, variational methods, pyramidal implementation, warping, BEMD, FABEMD, BIMF, PDE

Génération automatique d'ontologies à partir de bases de données relationnelles
Par

CHBIHI LOUHDI Mohammed Reda

FD: Sciences & Technologies de l'Information et de la Communication

Soutenu le : 28 Décembre 2013
Membres de jury :

Mohammed MEKNASSI, President	Faculté des Sciences Dhar El-Mahraz, Fès
Said OUATIK EL ALAOUI, Encadrant	Faculté des Sciences Dhar El-Mahraz, Fès
Brahim OUHBI, Rapporteur	Ecole Nationale Supérieure d'Arts et Métiers, Meknès
Noureddine RAISS, Rapporteur	Faculté des Sciences Dhar El-Mahraz, Fès
Abdelmonaime LACHKAR, Rapporteur	Ecole Nationale des Sciences Appliquées, Fès
Hicham BEHJA, Co-encadrant	Ecole Nationale Supérieure d'Electricité et de Mécanique, Casablanca
Bouchra FRIKH, Membre	Ecole Supérieure de Technologie, Fès

Résumé :

Actuellement, le web est devenu un immense univers constitué de pages et d'applications regorgeant du texte, de vidéos, de photos et de contenu interactif, et gérant une très grande masse de données. En effet, les technologies du Web 2.0 ont permis de produire des milliards de téraoctets de données très difficiles à gérer et à retrouver. Ces difficultés résultent, d'une part, de l'encombrement des moteurs de recherche, et d'autre part, du fait que les pages web contenant les informations les plus pertinentes ne sont pas toujours les plus visibles. Pour surmonter ces problèmes, la considération du contenu sémantique au sein des documents et des pages web par l'usage des technologies du Web sémantique (i.e. les ontologies) est nécessaire. Cependant, d'autres connaissances peuvent être extraites à partir des traces de navigation des internautes. Elles permettront de dresser les profils des utilisateurs afin de connaitre leurs besoins et préférences, et par la suite cibler leurs exigences et améliorer le service offert par le site web. Dans la même perspective, l'e-Learning, qui est un domaine en plein émergence et qui s'est imposé comme un nouveau mode d’apprentissage, a connu ces dernières années l'apparition de nouveaux besoins, comme la construction automatique de processus d'apprentissage ou l'adaptation du contenu des formations aux apparents. Ainsi, l'intégration des technologies du web sémantique dans les applications du e-Learning est devenue également une nécessité. Comme la majorité des applications web, celles-ci utilisent des bases de données relationnelles comme source d’information. Ces bases de données encapsulent des modèles conceptuels et des ressources d’informations nécessaires pour construire une ontologie qui pourra servir de base de connaissances pour le système de recommandation.

Dans ce mémoire de thèse, nous proposons une méthode hybride pour la génération automatique d’ontologie à partir d’une base de données relationnelle. Elle combine les techniques du reverse engineering, le mapping de schéma et l’analyse des enregistrements de la base de données. De plus, l'ontologie générée est soumise à une phase de raffinement qui consiste à renommer les composants dont les intitulés ne reflètent pas le sens réel. Notre méthode permet de générer des ontologies plus riches. En effet, (1) nous recouvrons, par le processus de reverse engineering, les tables perdues lors du passage du modèle conceptuel vers le modèle relationnel pour les cas d’héritage avec généralisation et spécialisation; (2) nous traitons, de façon appropriée, les différentes situations possibles (héritage multiple, relation N-aires) dans la phase de mapping; (3) et nous procédons à l'analyse des enregistrements de la BD pour identifier les cas de disjonctions et de totalité relatifs à l’héritage simple, et pour déterminer le niveau de participation de tables aux relations N-aires. Un autre avantage de notre méthode réside dans le fait qu'elle est générique, et elle pourrait donc être appliquée sur n’importe quelle base de données relationnelle. Pour montrer la pertinence de notre méthode, nous avons mené plusieurs expérimentations. Dans un premier temps, nous l’avons testé sur deux bases de données relationnelles. La première concerne une base de données ouverte (SAKILA) disponible sur le site de MySQL, et la deuxième est celle qui gère le système de gestion de stock de la présidence de l'université Cadi Ayyad de Marrakech. Les ontologies obtenues sont plus riches en termes de concepts détectés, de relations taxonomiques et de profondeur. Dans un second temps, nous avons appliqué notre méthode sur la base de données de la plateforme e-Learning Moodle (plateforme pédagogique de l'université Cadi Ayyad de Marrakech), afin de générer une "première" ontologie pour le domaine du e-Learning. Grace à la phase du Reverse Engineering de notre méthode, plusieurs concepts ont été créés et ont permis d'enrichir la taxonomie de l'ontologie obtenue. De plus, les règles de transformation établis ont traité tous les cas de figures présents pour la création de relations entre les concepts.

Mots clés :

Web sémantique, Ontologie, Base de données relationnelle, e-Learning, Système de recommandation, Génération d'ontologie, Mapping de schéma, Data Mining, Reverse engineering


Automatic Ontology Generation from Relational Databases

Abstract :
The web today is a growing universe of interlinked web pages and web applications, teeming with videos, photos, and interactive content, and managing a large amount of data. The Web 2.0 technologies have produced billions of terabytes of data that become very difficult to manage and retrieve. These difficulties arise, firstly, from the clutter of search engines, and secondly, because the web pages containing the most relevant information aren't always the most visible. To overcome these problems, integration of semantic content within documents and web pages through the use of Semantic Web technologies (i.e. ontologies) is required. However, other knowledge can be extracted from users' traces. It will draw up user profiles in order to know their needs and preferences, and then target their requirements and improve the offered services by websites. In the same perspective, e-Learning, which is an emerging field that become a new mode of learning, has in recent years discover new needs, such as the automatic construction process learning or the adaptation of training content to the learners. Thus, the integration of semantic web technologies in Learning Management Systems (LMS) has also become a necessity. Like the most of web applications, LMS use relational databases as a source of information. These databases are well-designed, encapsulate conceptual data models and hide a strong semantics that could be exploited in the process of ontology extraction. The obtained ontology can serve as a knowledge base for recommendation systems. In this thesis, we propose a hybrid method for the automatic ontology generation from a relational database. It combines reverse engineering, schema mapping and data analysis techniques. The extracted ontology is refined by renaming the components whose names do not reflect their real meaning. Our method allows (1) recovering lost tables, during the mapping of ER-Model components to relations, by using reverse engineering technique, for the generalization and specialization cases; (2) transforming in the schema mapping phase, the different constructs and cases such as multiple inheritance, n-ary relations, etc.; (3) analyzing stored data to detect disjointness and totalness constraints in hierarchies, and calculating the participation level of tables in n-ary relations. In addition, our method is generic; hence it can be applied to any RDB. To show the effectiveness of our method, we conducted several experiments. At first, we use two relational databases. The first one is the MySql Sakila database, and the second one is the backend of the stock management system of the presidency of the Cadi Ayyad University (CAU). The built ontologies are richer in terms of extracted concepts, taxonomic relationships and ontology's depth. Secondly, we use the database of the Moodle LMS, used by the CAU as a pedagogical platform, to build a "first" e-Learning ontology. The reverse engineering phase has extracted several concepts, which enrich the ontology's taxonomy. Moreover, the established transformation rules dealt with all existing cases for the creation of relationships between concepts

Key Words:

Semantic Web, Ontology, Relational Database, e-Learning, Recommendation Systems, Ontology Generation, Schema Mapping, Data Mining, Reverse engineering.