Soutenance de thèse Atif ANWER mardi 6 décembre à 14h, Salle BO ARC02, INSA Rouen Normandie

Date :

...
Atif ANWER soutiendra sa thèse le mardi 6 décembre à 14h00 , Salle BO ARC02, bâtiment Bougainville, à l'INSA Rouen Normandie.
Cette thèse a été réalisée dans le cadre d'une Cotutelle entre l'Université de Normandie (France) et l'Université Teknologi PETRONAS (Malaisie) et est intitulée :

"Specular Highlight Mitigation using Unsupervised Multi-Domain Adversarial Generation of Specularity-free Images Inferred from Polarimetric data".

La soutenance aura lieu devant un jury composé de :
  • Mme Elise Colin, Directrice de Recherche, ONERA, France, Rapportrice
  • M. Christophe Cudel, Professeure, Université de Haute Alsace, France, Rapporteur
  • M. Mohd Zuki Yusoff, Maître de Conférences, Universiti Teknologi PETRONAS, Malaysia, Rapporteur
  • M. Fabrice MÉRIAUDEAU, Professeur, Université de Bourgogne, France, Examinateur
  • M. Naufal B. Muhammad SAAD, Maître de Conférences, University Teknologi PETROANAS, Malaysia, Encadrant de thèse
  • Mme Samia AINOUZ, Professeure, Institut National des Sciences Appliquées de Rouen Normandie, France, Directrice de thèse
La soutenance publique se déroulera sous un format hybride.
Les personnes qui souhaitent assister à la soutenance à distance sont invitées via le lien Zoom suivant.

Rejoindre la réunion Zoom

RÉSUMÉ:
La détection et la suppression des reflets spéculaires est un problème fondamental mais non trivial dans le domaine du traitement d'images, incluant des applications pour la segmentation d'images, la détection d'objets et les systèmes de décision basés sur l'image. Algorithmes modernes 
traitent de manière inadéquate les reflets spéculaires dans les images prises dans des conditions réelles et non contrôlées, avec la présence de textures complexes et de couleurs vives, ce qui entraîne une précision réduite et des faux positifs. La plupart des systèmes ne tiennent pas compte du scénario particulier et ignorent les images d'entrée présentant des reflets spéculaires au lieu de les atténuer au stade du prétraitement. Ce travail présente des solutions pour segmenter avec précision les régions spéculaires dans les images du monde réel et générer des images sans spécularité à partir d'une seule image d'entrée sans aucune indication ou paramètre supplémentaire. Pour détecter de manière fiable les pixels spéculaires dans une grande variété d'images du monde réel, indépendamment du nombre, de la couleur ou du type de source d'éclairage, nous proposons un réseau neuronal profond efficace de segmentation de la spécularité, qui est significativement rapide et peut détecter les pixels fortement affectés par les reflets spéculaires avec un haut degré de précision.
Nous tirons également parti de la nature intrinsèquement polarisée des reflets spéculaires et des informations d'illumination variables capturées à l'aide de filtres polarisants. Pour l'élimination de la spécularité, nous proposons un réseau adversarial génératif multi-domaine basé sur l'auto-attention pour l'atténuation des reflets spéculaires, entraîné à l'aide de plusieurs images polarimétriques simultanées pour synthétiser des images sans spécularité à partir d'une seule entrée d'image. Le réseau est capable d'apprendre la variation d'illumination entre les quatre images polarimétriques, d'identifier avec précision les pixels affectés par la spécularité, puis de régénérer l'image d'entrée après avoir atténué les réflexions spéculaires en estimant la couleur diffuse et la texture de la région affectée. Les images générées après l'atténuation de la spécularité sont réalistes et présentent un bruit, des distorsions et des aberrations minimes par rapport aux méthodes de pointe existantes.