Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
Diplôme d’ingénieur en informatique et MultimédiasJeudi 03/09/2015
Une approche multi-agents pour la
détection
de contours...
Plan
 Contexte général
 Systèmes multi-agents et traitement d’images
 Approche proposée
 Conception de l’approche prop...
Contexte général
3
Contexte général
Définition : Entité autonome, physique ou virtuelle,
capable d'agir, située dans un environnement avec
un...
Contexte général
De l’individuel au collectif
I.A. vers I.A.D.
Agent
SMA
5
Du programmation orienté objet au
POA
 Source
...
Contexte général
6
 Objet Vs Agent
Objet Agent
Communication
Invocation de
méthode
Typologie de messages (richesse)
Inter...
Contexte général
7
 SMA : est un système distribué composé d’un ensemble
d'agents autonomes en interaction, capables de s...
Jason Mahdjoub (URCA, CReSTIC)
8
Contexte général
SMA et TI
9
 Approche contour
 Calcul de gradient
 Approche région
 Classification floue
 Croissance de région
 Appr...
SMA et TI
10
 Comparaison des approches proposées
Approche Avantages Inconvénients
Contours Calcul de gradient Rapidité, ...
Approche proposée
11
 Type d’agents
 Agent contrôleur du système « Master »
 Effectue les traitements de haut niveau, i...
 Capteurs d’agent Suiveur
Approche proposée
12
b0
b1
bi
b n-1
L
Ci,j
Capteur sur les
niveaux de gris
Capteur unitaire
(x,...
Approche proposée
13
 Calcule de nouvelle direction
b𝑖 = 𝑗=0
𝐿−1
𝐶 𝑖, 𝑗
gradient = 𝑏𝑖 + 1 −
𝑏𝑖
𝑔𝑟𝑎𝑑𝑖𝑒𝑛𝑡 𝑚𝑎𝑥 = max(𝑔𝑟𝑎𝑑𝑖𝑒𝑛...
0 1 2
7 3
6 5 4
0 1 2
7 3
6 5 4
Approche proposée
14
Direction 4 Direction 1
2
45
3 Capteurs
2
3
4
56
5 Capteurs 3 Capteur...
Approche proposée
15
Maitre
Détecteur
Suiveur
Image à segmenter
Solution proposée
16
16
16
Maître
Capteur
Conception
17
Diagramme d’états-transitions
Conception
18
Diagramme de classe
Evaluation de la détection
19
Image originale
(rehaussée)
Image bruitée
(rehaussée)
Image segmentée
(sobel)
Image segmenté...
Evaluation de la détection
20
 Paramètres gérant le comportement des
agents
 C1=100 X nombre_de_pixels_détectés_n’étant_...
Evaluation de la détection
21
 Influence du bruit
0
10
20
30
40
50
60
70
80
90
100
0 1 2 3 4 5 6 7 8 9 10 11
Taux
Bruit
C...
Evaluation de la détection
22
Contours détectés pour différentes valeurs de L
Evaluation de la détection
23
Contours détectés pour différentes valeurs de nombre de capteurs
Réalisation
24
JADE MadKit
Jadex SPADE
SMA
• JAVA
• Documentation
• Portabilité
Environnement logiciel
Réalisation
25
barre de
menu
image
original
e
image
segmentée
Réalisation
26
Image originale
Image segmentée
(sobel)
Image segmentée
(notre approche)
Réalisation
27
Image originale
Image segmentée
(sobel)
Image segmentée
(notre approche)
Réalisation
28
Image originale
Image segmentée
(sobel)
Image segmentée
(notre approche)
Conclusion
29
 Le but principe de ce stage est de comprendre le
concept des SMA et les travaux à base des SMA
en TI.
 Le...
Perspectives
30
 Intégrer la logique floue dans le comportement
des agents pour résoudre les cas d’imprécisions.
 Adapte...
Merci pour votre attention
Slim NAMOUCHI
Let the force B with U !
Prochain SlideShare
Chargement dans…5
×

Une approche multi-agents pour la détection de contours

1 469 vues

Publié le

Projet de Fin d’études: Diplôme d’ingénieur en informatique et Multimédias
Encadrant: M. Abdesslam BENZINOU, Maître de conférences HDR à l’ENIB
Encadrant: M. Imed Riadh FARAH, Maître de conférences HDR à l’ISAMM

Publié dans : Ingénierie
  • Soyez le premier à commenter

Une approche multi-agents pour la détection de contours

  1. 1. Diplôme d’ingénieur en informatique et MultimédiasJeudi 03/09/2015 Une approche multi-agents pour la détection de contours Slim NAMOUCHI Encadrant M. Abdesslam BENZINOU, Maître de conférences HDR à l’ENIB Encadrant M. Imed Riadh FARAH, Maître de conférences HDR à l’ISAMM Projet de Fin d’études 1Institut Supérieur des Arts Multimédias de la Manouba
  2. 2. Plan  Contexte général  Systèmes multi-agents et traitement d’images  Approche proposée  Conception de l’approche proposée  Réalisation et évaluation  Conclusion et perspectives 2
  3. 3. Contexte général 3
  4. 4. Contexte général Définition : Entité autonome, physique ou virtuelle, capable d'agir, située dans un environnement avec une certaine persistance temporelle, pour satisfaire ses buts ou objectifs en fonction de ses ressources et compétences. Agent 4
  5. 5. Contexte général De l’individuel au collectif I.A. vers I.A.D. Agent SMA 5 Du programmation orienté objet au POA  Source • Intelligence Artificielle. • Informatique répartie, parallélisme. • POO
  6. 6. Contexte général 6  Objet Vs Agent Objet Agent Communication Invocation de méthode Typologie de messages (richesse) Interactions Rigidité Evolution dans le temps Composante sociale - Influence sur le comportement Autonomie - Faculté de décider dynamiquement Approche Caractéristique s
  7. 7. Contexte général 7  SMA : est un système distribué composé d’un ensemble d'agents autonomes en interaction, capables de s’organiser d’une manière dynamique et adaptative.  Le calcul est asynchrone.  Chaque agent a des informations ou des capacités de résolution de problèmes limités.  Capacités d’apprentissage et d’adaptation à l’environnement.
  8. 8. Jason Mahdjoub (URCA, CReSTIC) 8 Contexte général
  9. 9. SMA et TI 9  Approche contour  Calcul de gradient  Approche région  Classification floue  Croissance de région  Approche hydride  Coopération mutuelle  Coopération des résultats  Coopération séquentielle
  10. 10. SMA et TI 10  Comparaison des approches proposées Approche Avantages Inconvénients Contours Calcul de gradient Rapidité, précision Sensibilité au bruit Régions Classification floue Fermeture de frontière Densité d’information Difficulté de définir les critère pour fusionner ou diviser les pixels Segmentation par fusion (Merge) Contours- Régions Coopération mutuelle Combine les avantages de deux approches contours et régions Complexité de mise en œuvre Coopération des résultats Coopération séquentielle
  11. 11. Approche proposée 11  Type d’agents  Agent contrôleur du système « Master »  Effectue les traitements de haut niveau, il supervise tout le système  Crée des agents détecteurs dans des positions et directions aléatoires sur l’images.  Agent détecteur « Detector »  Cherche des contours non explorés par d'autres agents  Détermine les différentes directions possibles pour suivre ce contour  Crée des agents pour suivre le contour détecté.  Agent suiveur « Follower »  Suie le contour détecté par l’agent détecteur.
  12. 12.  Capteurs d’agent Suiveur Approche proposée 12 b0 b1 bi b n-1 L Ci,j Capteur sur les niveaux de gris Capteur unitaire (x,y)  i ∈ [0, n-1] est l’indice d’une barre,  n est le nombre de capteurs  L est la longueur des barres en pixe  j ∈ [0, L-1] est l’indice d’un capteur unitaire dans une barre  Ci,j est la valeur lue par un capteur unitaire j d’une barre i.
  13. 13. Approche proposée 13  Calcule de nouvelle direction b𝑖 = 𝑗=0 𝐿−1 𝐶 𝑖, 𝑗 gradient = 𝑏𝑖 + 1 − 𝑏𝑖 𝑔𝑟𝑎𝑑𝑖𝑒𝑛𝑡 𝑚𝑎𝑥 = max(𝑔𝑟𝑎𝑑𝑖𝑒𝑛𝑡𝑖) b1 b2 b3 b4 b5 b1 b2 b3 b4 b5
  14. 14. 0 1 2 7 3 6 5 4 0 1 2 7 3 6 5 4 Approche proposée 14 Direction 4 Direction 1 2 45 3 Capteurs 2 3 4 56 5 Capteurs 3 Capteurs 2 1 0 5 Capteurs 2 1 0 37
  15. 15. Approche proposée 15 Maitre Détecteur Suiveur Image à segmenter
  16. 16. Solution proposée 16 16 16 Maître Capteur
  17. 17. Conception 17 Diagramme d’états-transitions
  18. 18. Conception 18 Diagramme de classe
  19. 19. Evaluation de la détection 19 Image originale (rehaussée) Image bruitée (rehaussée) Image segmentée (sobel) Image segmentée (notre approche)
  20. 20. Evaluation de la détection 20  Paramètres gérant le comportement des agents  C1=100 X nombre_de_pixels_détectés_n’étant_pas_des_points_contours nombre_de_pixels_non_contours  C2=100 X nombre_de_pixels_contours_non_détectés nombre_de_pixels_contours
  21. 21. Evaluation de la détection 21  Influence du bruit 0 10 20 30 40 50 60 70 80 90 100 0 1 2 3 4 5 6 7 8 9 10 11 Taux Bruit C2 C1 Si on définit le rapport signal à bruit SNR=10*log10(6)/4, on obtient pour σ= 4 un rapport signal à bruit de 1.76 dB, ce qui est assez faible.
  22. 22. Evaluation de la détection 22 Contours détectés pour différentes valeurs de L
  23. 23. Evaluation de la détection 23 Contours détectés pour différentes valeurs de nombre de capteurs
  24. 24. Réalisation 24 JADE MadKit Jadex SPADE SMA • JAVA • Documentation • Portabilité Environnement logiciel
  25. 25. Réalisation 25 barre de menu image original e image segmentée
  26. 26. Réalisation 26 Image originale Image segmentée (sobel) Image segmentée (notre approche)
  27. 27. Réalisation 27 Image originale Image segmentée (sobel) Image segmentée (notre approche)
  28. 28. Réalisation 28 Image originale Image segmentée (sobel) Image segmentée (notre approche)
  29. 29. Conclusion 29  Le but principe de ce stage est de comprendre le concept des SMA et les travaux à base des SMA en TI.  Le concept des SMA est plus vaste que nous avons présenté.  Ce stage nous a représenté une grande opportunité pour toucher de près le domaine de recherche scientifique.
  30. 30. Perspectives 30  Intégrer la logique floue dans le comportement des agents pour résoudre les cas d’imprécisions.  Adapter le comportement des agents sur de images réelles.  Coopérer Matlab et JADE.  Proposer une solution à base des SMA pour coopérer et tester les différents approches de traitement d’images.
  31. 31. Merci pour votre attention Slim NAMOUCHI Let the force B with U !

×