ISBN-13: 9786131505522 / Francuski / Miękka / 2018 / 176 str.
Cette thA]se explore les mA(c)thodes de dA(c)composition d'image permettant de sA(c)parer les composantes gA(c)omA(c)triques et textures. Pour cela, on cherche A minimiser certaines fonctionnelles se basant sur des normes d'espaces de fonctions. L'espace des fonctions A variations bornA(c)es (BV) sert de base pour la composante gA(c)omA(c)trique. La partie texture A(c)tant quant A elle modA(c)lisA(c)e par un espace G proche du dual de BV proposA(c) par le Professeur Yves Meyer. Nous A(c)tudions les propriA(c)tA(c)s thA(c)oriques de tels modA]les et notamment leur comportement vis A vis des paramA]tres prA(c)sents. Enfin, nous abordons le cas des images dA(c)gradA(c)es par un bruit gaussien. Nous A(c)tendons alors ces modA]les A des modA]les A trois composantes: structures, textures et bruit. Pour cela nous A(c)tudions diffA(c)rents choix d'espaces fonctionnels pour modA(c)liser la composante bruit: un dA(c)coupage plus fin de l'espace G, les espaces de Besov, les espaces de contourlettes. Enfin, nous montrons une application de cette dA(c)composition comme prA(c)traitement pour une tA che de dA(c)tection de rA(c)seau routier en imagerie satellitaire.
Cette thèse explore les méthodes de décomposition dimage permettant de séparer les composantes géométriques et textures. Pour cela, on cherche à minimiser certaines fonctionnelles se basant sur des normes despaces de fonctions. Lespace des fonctions à variations bornées (BV) sert de base pour la composante géométrique. La partie texture étant quant à elle modélisée par un espace G proche du dual de BV proposé par le Professeur Yves Meyer. Nous étudions les propriétés théoriques de tels modèles et notamment leur comportement vis à vis des paramètres présents. Enfin, nous abordons le cas des images dégradées par un bruit gaussien. Nous étendons alors ces modèles à des modèles à trois composantes: structures, textures et bruit. Pour cela nous étudions différents choix despaces fonctionnels pour modéliser la composante bruit: un découpage plus fin de lespace G, les espaces de Besov, les espaces de contourlettes. Enfin, nous montrons une application de cette décomposition comme prétraitement pour une tâche de détection de réseau routier en imagerie satellitaire.