THÔNG TIN TÀI LIỆU
Attestation d’honneur J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs La source des informations citées dans ce mémoire a été bien précisée Barry Mamadou Dian Table des matières INTRODUCTION CONTEXTE ET CADRE DU TRAVAIL 2.1 Présentation des organismes d’accueil 2.1.1 LE SHOM 2.1.2 LE LABORATOIRE L3i, Université de La Rochelle 2.2 Domaine d’application 2.3 Objectif du Stage 2.4 Travaux a réaliser 2.5 Planification des tâches 2.6 organisation du manuscrit ANALYSE DU SUJET 3.1 Pourquoi mesurer t-on le niveau de la mer ? 3.2 Comment Observe-t-on les marées ? 3.2.1 observations ponctuelles : 3.2.2 observations enregistrées en continu : 3.3 Qui Observe la marée ? 10 3.4 LES DIFFÉRENTS TYPES DE MARÉE 10 3.4.1 Type semi-diurne (zone bleue) : 10 3.4.2 Type diurne (zone rouge) : 10 3.4.3 Type semi-diurne inégalité diurne (zone verte) : 10 3.4.4 Type mixte (zone jaune) : 11 Évolution des techniques de mesures 11 3.5.1 Échelle de marée : 11 3.5.2 Marégraphe : 11 3.5 PROBLÉMATIQUE ET ANALYSE DE L’EXISTANT 15 4.1 Existant 15 4.2 PROBLÉMATIQUE 17 ÉTAT DE L’ART 5.1 19 Classification des travaux selon les axes d’intervention 5.1.1 Détection d’élément (lignes, courbes, voies routières, rivières ) dans les images 5.1.2 5.2 19 Suivi et extraction d’éléments(lignes, courbes, voies routières, rivières ) dans les images 5.1.3 19 20 Détection-suivi et le suivi-extraction d’éléments(lignes, courbes, voies routières, rivières ) dans les images 20 Quelques Travaux de références 21 i 5.3 SOLUTION PROPOSÉE 26 Méthode de Travail 26 6.2 Environnement de Travail 26 6.2.1 Environnement Matériel 26 6.2.2 Environnement logiciel 27 Présentation de la solution proposée 28 6.3.1 Architecture de la Solution proposée 28 6.4 Les Étapes de Mise en Oeuvre 29 6.5 Le Pré-traitement des Images 29 6.5.1 Étape de Mise en Niveau de Gris 29 6.5.2 Le Seuillage (Threshold) 29 6.5.3 La morphologie Mathématique 30 6.6 La Detection des courbes dans les Images 33 6.7 Le suivi des Courbes 35 6.7.1 Approche pour le Suivi Globale des Courbes 35 6.7.2 Suivi individuel des courbes 36 EXPÉRIMENTATIONS ET RÉSULTATS 39 7.1 Base des données et pourcentage de validation pour chaque étape de traitement 39 7.2 Résultats et Discussion 41 7.2.1 Mise en Niveau de Gris 41 7.2.2 Le Thresholding 42 Étapes de la Morphologie 46 7.3.1 l’Érosion 46 7.3.2 La Dilatation 46 7.3.3 L’ouverture 47 7.3.4 La Fermeture 47 7.3.5 Suivi des Courbes 48 Cas Particuliers 52 7.3 7.4 7.4.1 24 6.1 6.3 Récapitulatif des Travaux Connexes Extraction des Informations CONCLUSION, LIMITES ET PERSPECTIVES 53 55 8.1 Conclusion 55 8.2 Limites 56 8.3 Perspectives 57 BIBLIOGRAPHIE 58 ii 10 ANNEXES 62 10.1 DÉFINITION DES EXPRESSIONS : 62 10.2 La Marée : 62 10.3 Un marégraphe : 62 10.4 Marégramme : 62 10.5 Traitement d’image : 62 iii Table des figures Shom-Brest Travaileurs du shom 3 Couloir entrée 4 logoL 3i (Échelle de marée src : Shom) 11 (Observation de l’échelle src : Shom) 11 Puits de Tranquilisation (src : Shom) 12 Puits de tranquilisation (src : Shom) 12 Marégraphe flotteur (src : Shom) 12 10 Description Marégraphe a flotteur (src : Shom) 12 11 Marégraphe a capteur de pression(src : Shom) 13 12 Marégraphe a capteur de pression(src : Shom) 14 13 Marégraphe a capteur de pression(src : Shom) 14 14 Exemple de traitement actuel avec NUNIEAU 15 15 Pourcentage de déchargement de NUNIEAU par pays 16 16 Pourcentage de déchargement de NUNIEAU par secteur d’activité 17 17 Pourcentage de déchargement de NUNIEAU thématique 17 18 Perception humaine des lignes dans une image 18 19 Perception de la machine pour la même image 18 20 Exemple d’image a traiter 18 21 Images satellites a traitées 21 22 Résultats obtenus sur les tapes 21 23 Types de courbes des images 21 24 Résultats des algorithmes utilisés 21 25 Exemple de résultats pour le tracé et l’extraction des courbes 22 26 Résultats de l’extraction 22 27 Comparaison sur les résultats des algorithmes 22 28 Résultats de la détection 22 29 Détection des lignes 23 30 Détection des lignes sur les images aériennes 23 31 Logo Python 27 32 Logo OpenCV 27 33 Autres Librairies 27 34 Architecture de la Solution proposée 28 35 Pseudo Code 30 36 Architecture d’un élément structurant 31 37 Élément structurant carré connexités 31 38 Architecture de la morpho mathicales 31 39 Cas d’élément structurant 32 iv 40 Traỗage des lignes verticales 33 41 Amélioration de la détection 34 42 Approche de détection des courbe 35 43 Approche de détection des courbe 36 44 Intervalle de recherche des points voisins 36 45 Critère de choix des pixels 37 46 Calcul du point adéquat 37 47 Pseudo Code 38 48 Amélioration du suivi 39 49 Image initiale 41 50 Image convertie en niveau de gris 41 51 Image initiale 41 52 Image convertie en niveau de gris 41 53 Image en niveau de gris 42 54 Image obtenue après seuillage de Otsu 42 55 Image en niveau de gris 42 56 Image obtenue après seuillage de Otsu 42 57 Image en niveau de gris 43 58 Image obtenue après seuillage 43 59 Image en niveau de gris 43 60 Image obtenue après seuillage 43 61 Image en niveau de gris 43 62 Image obtenue après seuillage 43 63 Image en niveau de gris 44 64 Image obtenue après seuillage 44 65 Image en niveau de gris 44 66 Image obtenue après seuillage 44 67 Image en niveau de gris 44 68 résultat du seuillage 44 69 Image en niveau de gris 45 70 résultat du seuillage 45 71 Image en niveau de gris 45 72 résultat du seuillage 45 73 Image en niveau de gris 45 74 résultat du seuillage 45 75 Image binaire 46 76 Image Obtenue après Erosion 46 77 Image binaire 46 78 Image Obtenue après Dilatation 46 79 Image binaire 47 v 80 Image Obtenue après ouverture 47 81 Image Originale 47 82 Image Obtenue après fermeture 47 83 Exemple de suivi global des courbes 48 84 Exemple de suivi global des courbes 48 85 Exemple de suivi global des courbes 48 86 Exemple de suivi global des courbes 48 87 Résultat du suivi avant amélioration exemple1 49 88 Résultat du suivi avant amélioration exemple2 49 89 Résultat du suivi après amélioration exemple1 50 90 Résultat du suivi après amélioration exemple2 50 91 Résultat du suivi après amélioration exemple3 50 92 Résultat du suivi avant amélioration exemple4 51 93 Résultat du suivi avant amélioration exemple5 51 94 Résultat du suivi avant amélioration exemple6 51 95 Exemple1 d’images particulières 52 96 Exemple2 d’images particulières 52 vi Liste des tableaux Diagramme de Gantt de la planification des tâches Tableau de synthèse des articles étudiés 24 Tableau de validation des étapes de traitement 40 Tableau des valeurs des courbes 53 vii Remerciement Ce travail de mémoire de Master est le résultat de l’engagement de plusieurs personnes qui ont décidé de m’accompagner résolument dans cet exaltant parcours Je voudrais profiter de cette occasion pour leur exprimer toute ma gratitude et ma reconnaissance Je souhaite tout d’abord remercier mes encadrants M.Mickael Coustaty et M.Michel Menard pour avoir accepté de diriger ce stage Ils ont su m’accueillir chaleureusement au sein du laboratoire L3i, et également de me partager leur expérience scientifique dans un domaine qui était pour moi presque étranger Merci également toute la direction dudit laboratoire Je veux également remercier tous les membres de la direction de l’IFI pour leur encadrement au cours de ma formation au Vietnam particulièrement docteur Ho Tuong Vinh pour sa bonne collaboration et ces interventions pour la résolution des certaines difficultés rencontrées Merci mon ami doctorant Salah pour son écoute attentive, sa disponibilité incroyable, également pour ses qualités humaines et pour sa bonne humeur envers ma personne Je remercie Docteur Lionnel pour ses suggestions, conseils et discussions enrichissantes Merci également M.Yann du SHOM pour tous les éclaircissements apportés notamment sur les caractéristiques des images, le fonctionnement de NUNIEAU Enfin, je souhaite adresser mes remerciements ma très chère Famille en générale ma Maman, ma femme Aicha et ma petite fille Diamila en particulier qui me redonnait le sourire même quand c’était tendu viii 7.3.5 Suivi des Courbes • Résultats du Suivi Global des Courbes Dans le premier algorithme, comme nous l’avons mentionné plus haut dans la section suivi des courbes, le suivi cest fait de faỗon globale sur toutes les courbes sans définition de critères Notre algorithme fourni des bons résultats pour cette approche comme le montre les figures suivantes Figure 83 – Exemple de suivi global des courbes Figure 84 – Exemple de suivi global des courbes Figure 85 – Exemple de suivi global des courbes Figure 86 – Exemple de suivi global des courbes 48 • Résultats du Suivi individuel des Courbes Ici, nous montrons les résultats avant et après l’amélioration de l’algorithme Figure 87 – Résultat du suivi avant amélioration exemple1 Figure 88 – Résultat du suivi avant amélioration exemple2 Avant l’amélioration de notre algorithme de suivi initial, sur environ 40% des images, les résultats n’étaient pas trop bonne Les figures [87 et 88] montrent a quoi ressemblaient ces résultats Sur ces images, nous pouvons facilement remarquer le non suivi effectif des courbes particulièrement aux niveaux des jonctions des courbes, nous avons pris soins de marquer en cercles rouges par exemple quelques parties afin de les mettre plus en évidences Après les améliorations effectuées(voir détails dans la section suivi des courbes du chapitre solution proposée), nos résultats sont devenus parfaits sur 95% des images Comme on peut le voir sur les exemples de résultats suivants 49 Figure 89 – Résultat du suivi après amélioration exemple1 Figure 90 – Résultat du suivi après amélioration exemple2 Figure 91 – Résultat du suivi après amélioration exemple3 Sur les résultats précédents nous avons la présence de la sonde de détection en début des images Mais pour une question commodité, nous avons réfléchis pour trouver une solution pour qu’après détection et suivi, elle disparaisse a l’affichage du résultat final, comme cela est montrer dans les résultats suivants 50 Figure 92 – Résultat du suivi avant amélioration exemple4 Figure 93 – Résultat du suivi avant amélioration exemple5 Figure 94 – Résultat du suivi avant amélioration exemple6 En effet, la sonde n’est pas tout fait supprimée de l’image de sortie, nous avons juste changer sa couleur de jaune en blanc Mais il est important de rappeler que cela ne change en rien au résultat de l’extraction ni même du suivi 51 7.4 Cas Particuliers Dans le soucis de fournir des résultats fiables, nous ne nous sommes pas limiter a tout simplement identifier les problèmes de certains types d’images très complexes a traitées En effet, dans notre base des données, il y avait des images dont les courbes a extraire sont de nature particulière qui fait que notre algorithme ne peut fonctionner sur ces images Figure 95 – Exemple1 d’images particulières Figure 96 – Exemple2 d’images particulières Sur les figures précédentes [95 et 96] nous avons les deux cas particuliers les plus courant rencontrés dans notre base des données images Dans l’un ou dans l’autre des cas, toutes les courbes de l’image ne débutent pas sur une même position c’est-à-dire au début de l’image, ce qui empêcherais notre sonde de les détectées et ainsi que de les suivre Face a ce problème, nous avons proposer deux solutions La première solution consiste au déplacement de la sonde a une position lui permettant de détecter toutes les courbes Mais cette solution pourrais entrné une perte d’informations surtout dans le cas ou la ou les courbes débutent qu’au milieu de l’image ou même vers la fin de l’image, par contre elle peut bien marchée dans cas ou la courbe fait juste quelques pixels de décalage La deuxième solution et la plus parfaite est de faire un suivi inverse des courbes dans l’images, c’est-à-dire, comme dans l’algorithme principale le parcours des courbes se fait de la gauche vers la droit autrement dit en sens directe, cette fois, faire le suivi de la droite vers la gauche sur le résultat su suivi directe Cela permettrais de détecter les 52 courbes qui n’aurons pas débutées avec les autres mais qui sont quand même arrivées a la fin de l’image Toutefois il est important de le dire que cette solution est dans nos perspectives d’améliorations car pour des raisons de temps nous n’avons pas encore fini de le mettre en place 7.4.1 Extraction des Informations Après les étapes précédentes, la dernière étape de notre travail consiste a l’extraction des différentes variations de la courbes Au cours de cette étapes, nous avons créer un tableau dans lequel nous logeons les valeurs de la courbe parcourus pixel par pixel et affichons les valeurs (x,y) du dit pixel Ces valeurs sont extraites au format CSV Table – Tableau des valeurs des courbes Le tableau précèdent montre les données extraites des courbes d’une image L’ordre de lecture de ces valeurs se fait de la gauche vers la droit ligne après ligne Pour chaque pixel donné, 53 nous affichons les des valeurs de x et y du pixel, ces valeurs sont contenues entre une suite des parenthèses Le nom de l’image parcourus et afficher en haut du tableau et le nom TABLE DES POINTS indique le début de parcours d’une nouvelle courbe 54 CONCLUSION, LIMITES ET PERSPECTIVES 8.1 Conclusion Au cours de notre stage, nous avons travaillé sur un projet du SHOM (Service Hydrographique et Océanographique de la Marine), qui est un ộtablissement public caractốre administratif franỗais placộ sous la tutelle du ministère des Armées Il a pour mission de conntre et décrire l’environnement physique marin et d’en prévoir l’évolution Notre travail a consisté mettre en place des algorithmes complets de détection, de suivi et d’extraction des informations que contiennent les courbes des images de maregrammes scanners et archivés il y a environ 250 a 300 ans Ces maregrammes proviennent de diffộrents ports des cụtes franỗaises notamment ceux de : «BREST, SAINT NAZAIRE, DUNKERK, TAMATAVE, FECAMP, LE HAVRE» Pour ce faire, après l’étude théorique du sujet, nous avons subdivisé la partie pratique du travail en différentes étapes et ces étapes ont étés traitées selon leurs interdépendances Dans la partie théorique, nous avons effectué une analyse et une étude bibliographique qui nous ont permis d’avoir une large compréhension de notre sujet Nous avons ainsi pu étudier quelques travaux en rapport avec notre sujet d’étude Au cours de cette étude, nous avons regroupé les méthodes étudiés en trois approches savoir : Les travaux qui se focalisent sur la détection[6], Les travaux qui se focalisent sur le suivi et l’extraction [2,4], Les travaux qui s’investissent a la fois sur la détection le suivi et l’extraction[7,8] Après, nous avons détailler et illustrer ces travaux et les techniques utilisées par une étude critique de quelques articles lu dans la littérature Suite cette étude bibliographique, nous avons proposé des solutions adéquates nous permettant d’implémenter chaque étape de notre notre projet Dans la partie pratique, nous avons implémenter la solution proposée pour la réalisation du projet Cette solution comprend quatre(4) étapes de mise en oeuvre, chaque étape traite un problème particulier, allant de l’extraction du backgroud (segmentation) l’extraction des informations des courbes en passant par la détection et le suivi des courbes Vu l’interdépendance des étapes, chaque étape est d’abord traitée, testée et validée avant le passage a l’étape suivante Il est important de signaler que dans ce travail, la problématique a résoudre était vraiment nouvelle et d’envergure, c’est pourquoi, afin de d’y arriver plusieurs méthodes et techniques ont étés utilisées Dans ce projet nous sommes presque partie de rien, les solutions proposées au niveau de la détection, le suivi et aussi et surtout pour la gestion des cas particuliers sont des solutions nouvelles car viennent des concours d’idées de l’équipe de travail (encadrants et stagiaire) La grande complexité du travail était surtout dû aux types d’images et la nature des courbes extraire, et du fait qu’aucun travail existant n’a encore fait cas de ce type d’images dans toute la littérature que nous avons parcourus C’est pourquoi nous affirmons que notre contribution est vraiment immense dans ce projet Toutefois ce travail nous a permis de mûrir nos compétences dans le domaine de la recherche en général et dans du domaine étudier 55 8.2 Limites Comme tout autre travail scientifique, le nôtre ne peut être déclaré parfait Malgré les bons résultats que nous avons obtenus, il est toute fois important de mentionné que quelqu’un pourrait bien choisir d’autres approches et arriver aux mêmes résultats que nous Dans notre travail, nous avons pu résoudre la majorité des problèmes que nous avons rencontrer Toutefois une limite de ce travail actuellement serais du fait que dans certains types d’images, le suivi effectif des courbes dépend de la position de la sonde 56 8.3 Perspectives A propos des suites ce travail, nous avons principalement deux points en perspectives Nous signalons que nous avons mis en place des algorithmes qui on pu résoudre les principaux problèmes de notre projet de stage Ces travaux effectués au cours de ces six mois de recherches méritent de perdurer au delà du stage, cause de l’enjeu de ce sujet et de l’étendu des possibilités de solutions qui pourraient être explorées afin de rendre plus robuste les algorithmes proposée et ainsi palier aux limites de ce travail Ce pendant, un des problèmes que nous avons rencontrés et que nous aurions bien pu le résoudre mais par faute de temps nous n’avons pas pu, est le cas du suivi inverse des courbes comme cela est détailler dans la section « Cas Exceptionnels », Pour solutionner le problème nous avons mis en place un algorithme mais dont la robustesse a des limites L’efficacité de cet algorithme doit dépendre de quelques paramètres dont nous n’avons eu le temps de mettre en place Ainsi notre première perspective serais d’améliorer cet algorithme En seconde perspective, dans un cours terme, avec l’accord des encadrants, pour notre deuxième perspective nous envisageons de rédiger et publier un article scientifique sur notre sujet de stage Vu la nouveauté du sujet et surtout l’importance des données a traitées, la rédaction de cet article sera d’une grande importance pour la communauté des chercheurs de différents domaines notamment en traitement d’image et vision par ordinateur, mais également dans le domaine hydrographique et océanographique Cela non seulement pour la prévision de l’évolution du niveau de la mer sur des longues années a venir mais aussi pour l’utilisation des archives existants 57 BIBLIOGRAPHIE [1] : A Baumgartner, C.T Steger, H Mayer, and W Eckstein Semantic Objects and context for Finding Roads In David M McKeown, Jr., J Chris McGlone, and Olivier Jamet, editors, Integrating Photogrammetric Techniques with Scene Analysis and Machine Vision III, Proc.SPIE 3072, pages 98–109, april 1997 [2] : Anil, P.N and Natarajan, S 2010 Automatic road extraction from high resolution imagery based on statistical region merging and skeletonization International Journal of Engineering Science and Technology, Vol 2, No 3, pp 165–171 [3] : An Unbiased Detector of Curvilinear Structures IEEE Trans Pattern Anal Mach Intell 20(2) : 113-125 (1998) [4] : A Gruen, P Agouris, and H Li Linear Feature Extraction with Dynamic Programming and Globally Enforced Least Squares Matching In A Gruen, O Kuebler, and P Agouris, editors, Automatic Extraction of Man-Made Objects from Aerial and Space Images , pages 83–94, Basel,Switzerland, 1995 Birkhäuser Verlag [5] : António FerrazClément MalletClément MalletNesrine ChehataNesrine Chehata Large-scale road detection in forested mountainous areas using airborne topographic lidar data.February 2016ISPRS Journal of Photogrammetry and Remote Sensing 112 :23-36 [6] : Claudionor Silva, Jorge Centeno, Maria J Henriques Automatic road extraction in rural areas, based on the Radon transform using digital images Canadian Journal of Remote Sensing · December 2010 [7] : Claudionor Ribeiro da Silva, Jorge Antơnio Silva Centeno and Maria Jỗo Henriques Automatic Road Extraction on Aerial Photo and Laser Scanner Data.011 International Conference on Environmental and Computer Science IPCBEE vol.19(2011) c (2011) IACSIT Press, Singapore [8] : Carsten Steger Extraction of Curved Lines from Images [9] : CURVE TRACING AND CURVE DETECTION IN IMAGES,Karthik Raghupathy [10] : Canjie Chen YeFeng Yizong Lai Jiandong Chen "Orderly based on Hough transform circle detection algorithm is fast [M]" Optics and Precision Engineering vol 122 no 2014 [11] : Cheng, M (1996) Curve Structure Extraction for Cartoon Images [12] : David Donoho Xiaoming Huo APPLICATIONS OF BEAMLETS TO DETECTION AND 58 EXTRACTION OF LINES, CURVES AND OBJECTS IN VERY NOISY IMAGES [13] : DETECTION D’OBJETS EN MOUVEMENT PAR UTILISATION DU MELANGE DE GAUSSIENNES Fouad BOUDJENOUIA, Mohand Saïd DJOUADI [14] : Elahe KhesaliMohammad, Javad Valadan Zoej, Mohammad Javad Valadan Zoej Mehdi Mokhtarzade,Maryam Dehghani Semi Automatic Road Extraction by Fusion of High Resolution Optical and Radar Images.October 2015Journal of the Indian Society of Remote Sensing 43(135) :1-9 [15] : Frédéric Cao Pablo Musé, and Frédéric Sur Extracting meaningful curves from images [16] : Fan, Chao, Jing-bo Xu, and Shuai Di "Lane detection based on machine learning algorithm." Telkomnika Indonesian Journal of Electrical Engineering 12.2 (2013) : 1403-1409 [17] : Gui-Song Xia, Julie Delon, Yann Gousseau Accurate Junction Detection and Characterization in Natural Images [18] : He Mao, Mei Xie Lane detection based on Hough transform and endpoints classification, Wavelet Active Media Technology and Information Processing (ICWAMTIP) International Conference on.Chengdu 2012 ; 125-127 [19] : https ://pdfs.semanticscholar.org/e750/d24734930ddaba4adf0b813a210f637beeb0.pdf [20] : https ://tel.archives-ouvertes.fr/tel00932263/document [21] : https ://dvikan.no/ntnu-studentserver/reports/fall_project_report.pdf [22] : https ://pdfs.semanticscholar.org/c3cd/ed8aecf80bce6f6717e5315e82d7072b63ff.pdf [23] : http ://ijettjournal.org/2018/volume-62/IJETT-V62P212.pdf [24] : Improving Unsupervised Defect Segmentation by Applying Structural Similarity to Autoencoders CoRR abs/1807.02011 (2018) [25] : Jun Wang, Jingwei Song, Mingquan Chen, Zhi Yang Road network extraction : a neuraldynamic framework based on deep learning and a finite state machine.June 2015International Journal of Remote Sensing 36(12) :3144-3169 [26] : Jiayuan LiQingwu HuQingwu HuMingyao AiMingyao Ai Unsupervised road extraction 59 via a Gaussian mixture model with object-based features [27] : JC McCall, MM Trivedi Video-based lane estimation and tracking for driver assistance : survey,system and evaluation IEEE Transactions on Intelligent Transportation Systems 2006 ; 7(1) : 20-37 [28] : June 2004Acoustics, Speech, and Signal Processing, 1988 ICASSP-88., 1988 International Conference on :iii - 573-6 vol.3 [29] : Lin, Daniel “A novel method for detecting lines on a noisy image.” (2015) [30] : Mustafa Abbas Fadhel Interpolation by Using Bézier Curve Numerically with Image Processing Applications [31] : M Sarfraz, “Corner Detection for Curve Segmentation”, in Interactive Curve Modeling : With Applications to Computer Graphics, Vision and Image Processing, 209–240 [32] : N A Rusdi and Z R Yahya, “Reconstruction of Generic Shape with cubic Bézier Using Least Square Method”, in Int Conf Mathematics, Engineering Industrial Applications 2014 (ICoMEIA 2014), AIP Publishing, 2015, pp 1660, 050004 [33] : Nicolas POUVREAU Trois cents ans de mesures marégraphiques en France :outils, méthodes et tendances des composantes du niveau de la mer au port de Brest [34] : P Pandunata and S M H Shamsuddin, “Differential evolution optimization for Bézier curve fitting”, in Computer Graphics, Imaging and Visualization (CGIV), 2010 Seventh Int Conf IEEE, 2010, pp 68–72 [35] :Subpixel-Precise Tracking of Rigid Objects in Real-time CoRR abs/1807.01952 (2018) [36] : Steger, C (1998) An Unbiased Detector of Curvilinear Structures IEEE Trans Pattern Anal Mach Intell., 20, 113-125 [37] : Unbiased extraction of curvilinear structures from 2D and 3D images Utz 1998, ISBN 978-3-89675-346-5, pp 1-185 [38] : Towards New Analytical Straight Line Definitions and Detection with the Hough Transform Method [39] : Tu, Z., Chen, X (2014) Junction detection based on line segments 2014 9th IEEE Confe- 60 rence on Industrial Electronics and Applications, 1231-1234 [40] : Unbiased extraction of lines with parabolic and Gaussian profiles Computer Vision and Image Understanding 117(2) : 97-112 (2013) [41] : Xiangyun HuVincent Tao Automatic extraction of main road centerlines from high resolution satellite imagery using hierarchical grouping Photogrammetric Engineering Remote Sensing Vol 73, No 9, September 2007, pp 1049–1056 [42] : Z Kim Robust Lane Detection and Tracking in Challenging Scenarios IEEE Transactions on Intelligent Transportation Systems 2008 ; 9(1) : 16–26 61 10 ANNEXES 10.1 DÉFINITION DES EXPRESSIONS : 10.2 La Marée : La marée est un mouvement oscillatoire du niveau de la mer dû aux effets de l’attraction de la lune et du soleil sur les particules liquides Ce phénomène peut être correctement représenté comme la résultante de la composition d’un nombre illimité d’oscillations élémentaires strictement périodiques 10.3 Un marégraphe : Les termes "marégraphie" "marégraphe" sont aujourd’hui répandus dans diverses publications scientifiques et communications orales Pourtant, aucune encyclopédie ni dictionnaire n’en donne une définition Etymologiquement, le mot marégraphe est composé de deux racines : maré qui vient du mot latin mare se traduisant par la mer et graphie qui vient du mot grec graphein qui signifie écrire L’ensemble donnant simplement : écrire la mer En approfondissant, marré est une contraction du mot marée signifiant le mouvement de la mer et graphie exprimant en linguistique, la représentation écrite Le nom marégraphe exprime donc la représentation écrite du mouvement de la mer Dans une autre définition, il s’explique que la marégraphe c’est d’abord un puits de tranquillisation où l’eau de mer pénètre mais où l’effet de la houle et des vagues est très largement atténué Dans ce puits se trouve un flotteur qui suit les mouvements verticaux de la mer causés par les marées et les changements météorologiques Un câble métallique transmet les mouvements du flotteur l’appareil enregistreur Un ensemble d’engrenages les communique un organe scripteur qui trace une courbe des variations du niveau de la mer en fonction du temps Un mouvement d’horlogerie commande le déplacement du cylindre porteur du papier Le diagramme ainsi réalisé est appelé un marégramme 10.4 Marégramme : La définition de marégramme dans le dictionnaire Francais, c’est un instrument de mesure et d’enregistrement automatique de la hauteur de la marée selon une courbe continue 10.5 Traitement d’image : Le traitement d’images est un domaine très vaste qui a connu, et qui connt encore, un développement important depuis quelques dizaines d’années On désigne par traitement d’images numériques l’ensemble des techniques permettant de modifier une image numérique afin d’améliorer ou d’en extraire des informations De ce fait, le traitement d’images est l’ensemble des méthodes et techniques opérant sur celles-ci, dans le but de rendre cette opération possible, plus simple, plus efficace et plus agréable, d’améliorer l’aspect visuel de l’image et d’en extraire des informations jugées pertinentes 62 ... reussies Pourcentage de reussite Mise en Niveau de Gris 300 300 100% Threshoding Morpho Maths Detection Suivi Cas Particuliers Extraction 300 220 40 220 220 220 220 220 200 20 20 10 10 210 210... les images (NINIEAU, MAS par exemple) En effet, l’enjeu est important puisque la qualité est très variée et la quantité existante des images sont immenses Cependant, malgré toute l’attention portée... série historique des hauteurs d’eau observées dans différents ports de la France au cours des 250 300 dernières années 2.1 Présentation des organismes d’accueil Ce stage a été proposé par le shom
Ngày đăng: 16/02/2020, 14:02
Xem thêm: