Techniques d'optimisation en traitement d'image et vision par ordinateur et en transport logistique
Résumé
The works presented in this thesis are related to new techniques of optimization for the solution of four important problems of two fields : transport logistics, computer vision and image processing. They are nonconvex optimization problems of very large dimensions for which the research of good solution methods is always of actuality. Our work is based mainly on the DC programming and DCA that have been successfully applied in various fields of applied sciences, including machine learning. It is motivated and justified by the robustness and the good performance of DC programming and DCA in comparison with the existing methods. The thesis is divided into five chapters. The first chapter, which serves as a reference for other chapters, presents some tools from the bases of DC programming and DCA. The second chapter discusses the problem of supply chain design at the strategic level, which can be formulated as a mixed integer linear program. We treat this problem by DC algorithms via exact penalty on the basis of suitable DC decompositions and a technique for finding a good starting point. The third chapter is concerned with the discrete tomography applied to the problem of binary image reconstruction. This problem is solved by three different approaches based on DCA. In the fourth chapter, we study the problem of image segmentation using Fuzzy C-Means clustering via DCA. A nonlinear estimate of the fundamental matrix in computer vision by the trust-region method based on the truncated conjugate gradient method or DCA is developed in the final chapter
Les travaux présentés dans cette thèse concernent les nouvelles techniques d'optimisation pour la résolution de quatre problèmes importants issus de deux domaines : transport logistique et vision et traitement d'image. Il s'agit des problèmes d'optimisation non convexe de très grande dimension pour lesquels la recherche des bonnes méthodes de résolution est toujours d'actualité. Notre travail s'appuie principalement sur la programmation DC et DCA. Cette démarche est motivée par la robustesse et la performance de la programmation DC et DCA comparées à des méthodes existantes, leur adaptation aux structures des problèmes traités et leur capacité de résoudre des problèmes industriels de grande dimension. La thèse est composée de cinq chapitres. Le premier chapitre, servant des références aux autres, présente les outils de bases de la programmation DC et DCA. Le chapitre deux porte sur le problème de conception d'une chaîne d'approvisionnement. Nous traitons ce problème par DCA via la pénalité exacte en basant sur les d'ecompositions DC appropriées et proposons une technique de recherche de bon point initial. Le chapitre trois concerne la tomographie discrète appliquée au problème de reconstruction d'image binaire. Ce problème est traité par les trois approches diffèrentes basées sur DCA. Dans le chapitre quatre, nous étudions le problème de segmentation d'image via la classification floue par DCA. L'estimation non linéaire de la matrice fondamentale en vision par ordinateur par la méthode de région de confiance basée sur la méthode de gradient conjugué tronqué ou DCA est développée dans le dernier chapitre
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...