Détection d'hétérogénéités linéaires dans les textures directionnelles : application à la détection de failles en sismique de réflexion

N° d’ordre : 3714






7+˚6(

PRÉSENTÉE A

/¶81,9(56,7e%25’($8;

ÉCOLE DOCTORALE DES SCIENCES PHYSIQUES ET DE L’INGÉNIEUR

(QFRWXWHOOHDYHF/¶8QLYHUVLWp‡3ROLWHKQLFD·GH7LPLVRDUD5280$1,(
Par Ciprian DAVID

POUR OBTENIR LE GRADE DE

’2&7(85
SPÉCIALITÉ : Automatique, Productique, Signal et Image

’pWHFWLRQG¶KpWpURJpQpLWpVOLQpDLUHVGDQVOHVWH[WXUHV
GLUHFWLRQQHOOHV–$SSOLFDWLRQjODGpWHFWLRQGHIDLOOHVHQVLVPLTXH
GHUpIOH[LRQ

Directeurs de recherche :
M. Berthoumieu Yannick – Professeur ENSEIRB Bordeaux
M. Nafornita Ioan – Professeur Université « Politehnica » Timisoara

Soutenue le 15 décembre 2008

Devant la commission d’examen formée de :

M. Marius Otesteanu Professeur, Université « Politehnica » Timisoara Président
Mme. Monica Borda Professeur, Université Technique de Cluj-Napoca Rapporteur
M. Philippe Bolon Professeur, Université de Savoie Rapporteur
M. Yannick Berthoumieu Professeur, ENSEIRB, Bordeaux Directeur
M. Ioan Nafornita Professeur, Université « Politehnica » Timisoara Directeur
M. Vasile Gui Professeur, Université « Politehnica » Timisoara
M. Marc Donias Maître de conférences, ENSEIRB, Bordeaux




















































2 5(0(5&,(0(176

Le travail présenté dans ce mémoire est issu d’une collaboration entre L’Université
“Politehnica” de Timisoara, Roumanie et L’Université Bordeaux 1, France, sous la forme
d’une convention de cotutelle de thèse. L’activité de recherche s’est déroulée au sein de
l’Equipe Signal et Image du Laboratoire de l'Intégration du Matériau au Système de
Bordeaux et le Laboratoire Traitement de Signal de Timisoara.
Premièrement, je tiens remercier vivement Monsieur I. Nafornita, professeur à
l’Université “Politehnica” de Timisoara, Monsieur M. Najim et Monsieur Y. Berthoumieu,
professeurs à l’Ecole Nationale Supérieure d’Electronique, Informatique et de
Radiocommunications de Bordeaux (ENSEIRB), qui m’ont encadré et conseillé
judicieusement durant mon travail sur la thèse.
J’exprime surtout ma reconnaissance à Monsieur I. Nafornita et Monsieur M. Najim
qui sont les initiateurs de cette collaboration. Je leur remercie, aussi, de m’avoir offert les
meilleures conditions pour ce travail, pour leur soutien et leur disponibilité. Je n’oublierai pas
de remercier Monsieur P. Baylou, professeur à l’ENSEIRB et Monsieur V. Gui, professeur à
l’Université “Politehnica” de Timisoara, pour leur soutien et leurs encouragements.
Tout particulièrement, j’exprime ma gratitude à Monsieur Y. Berthoumieu et
Monsieur M. Donias (professeurs à l'ENSEIRB) pour leur soutien, pour leurs conseils
pertinents et leur intérêt envers mon travail. Les nombreuses discussions que nous avons eues
m’ont beaucoup apportés tout au long de ces activités de recherche.
J’adresse également ma gratitude à Madame M. Borda, professeur à l’Université
Technique de Cluj-Napoca et à Monsieur P. Bolon, professeur à l’Université de Savoie, les
rapporteurs de ma thèse, pour le temps qu’ils ont consacré à la lecture de ce mémoire.
Je n’oublierai pas de remercier tous mes collègues de l’Equipe Signal et Image et de
l’Université “Politehnica” de Timisoara , et plus particulièrement Flavius et Ioana Turcu,
pour leur soutien et confiance, les fructueuses discussions et les beaux moments passés
ensemble.
Je ne peux pas omettre d’exprimer ma gratitude envers ma famille : ma sœur, mon
frère et mes parents, pour leur soutien moral, leur confiance et pour les nombreuses
encouragements.



3 7DEOHGHVPDWLqUHV

,QWURGXFWLRQ 6
&KDSLWUH&DUDFWpULVDWLRQGHVFKDPSVWH[WXUDX[
GLUHFWLRQQHOOHVHWKpWpURJpQpLWpVDVVRFLpHV 10
1.1. Problématique 11
1.1.1. Notion d’images texturées 11
1.1.2. Les textures directionnelles 11
1.1.3. Notions d’hétérogénéités dans les textures 13
1.1.4. Hétérogénéités de type contour 14
1.1.5. L’application sismique et la détection de failles 16
1.2. Définitions formelles d’une texture directionnelle 21
1.3. Conclusion 23
&KDSLWUH$QDO\VHG¶KpWpURJpQpLWpV 25
2.1. Segmentation de textures au sens des régions 27
2.1.1. Caractérisation des textures directionnelles par
la matrice de covariance 27
’pILQLWLRQV 27
&RUUpODWLRQHWVLPLODULWpSRXUO¶DQDO\VH
GHVWH[WXUHVGLUHFWLRQQHOOHV 28
/DPHVXUHFRKpUHQFH 30
2.1.2. Analyse tensorielle de textures directionnelles 32
7HQVHXUV 32
$QDO\VHWHQVRULHOOHGHWH[WXUH 35
2.1.3. Relations théoriques 38
2.1.4. Résultats et conclusions 40
5pVXOWDWVHWFRPPHQWDLUHV 40
&RQFOXVLRQV 44
2.2. Segmentation de textures au sens des contours 45
2.2.1. Principes gestaltiste de la perception visuelle 45
2.2.2. Modélisation neurophysiologique de la vision 48
2.2.3. Approche de détection de contours par modèle
du champ d’inhibition 50
0RGpOLVDWLRQGHVFHOOXOHVQHXURQDOHVVLPSOHV
SDUOHVILOWUHVGH*DERU 51
0RGpOLVDWLRQGXFKDPSUpFHSWLIFODVVLTXH
GHVFHOOXOHVFRPSOH[HV 52
0RGqOHG¶LQKLELWLRQGXFKDPSUpFHSWLIQRQFODVVLTXH 52
([WHQVLRQ 55
2.2.4. Groupement perceptuel par vote tensoriel 57
3DQRUDPDGHO¶DSSURFKHGHYRWHGHWHQVHXUV 59
5HSUpVHQWDWLRQWHQVRULHOOH 59
9RWHGHWHQVHXUV 61
)RQFWLRQQR\DXGHYRWH 63
,QIpUHQFH’ 66
2.2.5. Résultats et conclusions 68
&RPSDUDLVRQGHVDSSURFKHVSDU
PRGpOLVDWLRQQHXURSK\VLRORJLTXH 68
&RPSDUDLVRQGHVDSSURFKHVGH
4 JURXSHPHQWSHUFHSWXHOSDUYRWHWHQVRULHO 73
&RQFOXVLRQV 80
&KDSLWUH’pWHFWLRQGHFRQWRXUWH[WXUHOSDU
DSSURFKHJpRPpWULTXH 81
3.1. Détecteur robuste de contour 82
3.1.1. Modèle géométrique a priori 82
0RGqOHGHIDLOOHVLVPLTXHHW
VWUXFWXUDWLRQGXFKDPSWHQVRULHO 82
0HVXUHGHGpVRUGUHGLUHFWLRQQHO 83
5pVXOWDWV 86
3.1.2 Approche robuste 89
&ULWqUHG¶LQWHUDFWLRQ 89
$FFXPXODWLRQGLUHFWLRQQHOOH 91
6FKpPDFRPSOHWGHO¶DSSURFKHJpRPpWULTXH 92
5pVXOWDWV 94
3.2. Extensions 100
3.2.1. Approche géométrique itérative 101
$FFXPXODWLRQLVRWURSH 104
5pJXODULVDWLRQLWpUDWLYHGHODPHVXUHGLUHFWLRQQHOOH 106
6FKpPDFRPSOHW 107
5pVXOWDWVHWSUHPLqUHFRQFOXVLRQ
VXUO¶DSSURFKHLWpUDWLYH 109
3.2.2. Extension 3D de l’approche géométrique itérative 115
+\SRWKqVHJpRPpWULTXHUHOD[pH 115
9RLVLQDJH’LVVXGHODFRQWUDLQWH
JpRPpWULTXHOLQpDLUHUHOD[pH 116
6FKpPDUpFXUVLI’ 117
5pVXOWDWV 119
3.3. Etude comparative 122
3.3.1. Méthode d’analyse quantitative des
résultats de la détection de contours texturels 122
0HVXUHGHSHUIRUPDQFHSRXUOHV
GpWHFWHXUVGHFRQWRXUV 122
0pWKRGHTXDQWLWDWLYHSRXUO¶DQDO\VH
GHODGpWHFWLRQGHVFRQWRXUVWH[WXUHOV 124
3.3.2. Etude quantitative 127
&RPSDUDLVRQHQWUHO¶DSSURFKHGH
GpVRUGUHWHQVRULHOHWO¶DSSURFKHJpRPpWULTXH 127
&RPSDUDLVRQHQWUHO¶DSSURFKHSDUYRWH
WHQVRULHOHWO¶DSSURFKHJpRPpWULTXH 131
&RPSDUDLVRQHQWUHO¶DSSURFKHJpRPpWULTXH
HWO¶DSSURFKHJpRPpWULTXHLWpUDWLYH 134
&RQFOXVLRQHWSHUVSHFWLYHV 139
$QQH[H$ 141
%LEOLRJUDSKLH 146






5 ,QWURGXFWLRQ

Dans de nombreuses applications où il s’agit d’observer des phénomènes à grande
profondeur, à des échelles extrêmes, présents dans des milieux hétérogènes ou présentant une
grande variabilité, les images acquises, sont souvent de nature complexe au sens où la donnée
numérique peut être imprécise, incertaine et incomplète. Aussi, envisager des solutions
automatiques du processus d’interprétation n’est donc pas aisé et se heurte à de nombreux
verrous scientifiques. En pratique, il est nécessaire de développer des algorithmes spécialisés
et présentant une grande robustesse.
D’un point de vue général, le contenu informatif d’une image se déduit le plus
souvent de l’agencement spatial de stimuli visuels combinant couleurs, textures, contours et
points