Bibliothèque de L'IMIST/CNRST

PH.D Université Mohammed V 2015

Dans cette thèse, on présente de nouvelles approches à base de parcimonie et d'invariance d'échelle pour le développement de techniques rapides et efficaces en traitement d'images. On propose d'exploiter les pénalités non-convexes qui encouragent plus la parcimonie. La solution d'un opérateur proximal associé à une pénalité non-convexe est estimée via une approche de premier ordre. On étudie aussi le problème de pluri-parcimonie quand le problème d'optimisation est composé de plusieurs termes parcimonieux. Ce cas survient généralement dans les problèmes qui nécessitent à la fois une estimation robuste pour rejeter les valeurs aberrantes et exploiter une information parcimonieuse connue a priori. En exploitant la notion d'invariance d'échelle, une définition précise des contours est définie. Plus précisément, on peut construire des représentations invariantes pour la classification en se basant sur une architecture de réseaux convolutionnels profonds, extraire les pixels importants pour la reconstruction ou améliorer l'estimation du flot optique sur les images turbulentes.