Cette analyse requiert des outils complexes permettant d’effectuer des traitements avancés et analytiques.
3.2
La régionalisation : une étape utile dans le trai-
tement de l’image
Au travers des exemples présentés précédemment, nous avons pu constater que la transmission d’informations réparties dans le temps (impulsions codeurs) ou dans l’espace (formulaires) vers un organe de décision nécessite d’utiliser une structure de transmission de l’information par étapes successives, chaque étape utilisant des outils adaptés au type de données à traiter. Nous envisageons dans cette partie l’adaptation de ce principe au cas du traitement d’images.
3.2.1
Échanges informationnels en traitement d’images
Dans les applications d’acquisition et traitement d’images, nous retrouvons la problématique soulevée dans les exemples du traitement d’informations dans la vie publique, en robotique ou dans les entreprises. Il s’agit en effet de traiter des quantités de données très importantes et avec un fort débit dans le but d’extraire des informations synthétiques et analytiques permettant à un organe de contrôle de prendre des décisions. Cette section étudie un exemple concret : la chaîne de transmission de l’information d’un imageur vers un système de prise de décision tel qu’un système de détection de défaut dans des objets connus sur une chaîne de fabrication.
Les informations synthétiques et analytiques transmises au système de prise de décision sont de haut niveau. Il s’agit par exemple dans le contexte de notre ap- plication d’informations du type : un objet de taille différente de la taille standard est observé par la caméra. Une telle information permet au cerveau de prendre une décision très rapidement sans le surcharger en calculs. La génération de cette information nécessite toutefois un certain nombre d’étapes préliminaires.
L’étape immédiatement précédente est la comparaison de l’objet vu aux objets d’une base de données. Cette comparaison permet d’ajouter à la donnée objet vu un contenu analytique expliquant si l’objet vu est de type correct ou non. Pour effectuer cette tâche, il est nécessaire de disposer d’une structure permettant d’ef- fectuer des opérations complexes et irrégulières (typiquement un ordinateur). Les données utilisées pour la comparaison sont les caractéristiques d’un objet. Ces données sont synthétiques mais n’ont pas nécessairement de contenu analytique complexe. Pour qu’un objet puisse être utilisé par une structure permettant des opérations complexes, il est nécessaire qu’il soit décrit de manière compacte. En effet, pour effectuer des opérations complexes irrégulières, les données en entrée sont le plus souvent insérées de manière sérielle, il est donc nécessaire de limiter le nombre de données à des données compactes. La description d’un objet doit donc
L’extraction de ces caractéristiques utilise des données très simples et locales pour générer une mesure régionale. Comme indiqué ci-dessus, l’utilisation de dispositifs de traitement des données complexes fonctionnant de manière sérielle repose sur une structure permettant de faire des calculs abstraits de grande complexité. Ef- fectuer des opérations simples et répétitives telles que des additions avec ce type de structure conduit à une inadéquation entre l’opérateur et les données à traiter. Il serait préférable d’utiliser pour ces tâches régionales des opérateurs plus simples et adaptés à ces types de traitement. Ces opérateurs doivent de plus être dyna- miquement reconfigurables car les régions sur lesquelles s’effectuent les opérations régionales sont susceptibles de changer à chaque image.
Les données utilisées par les opérateurs d’extraction d’informations régionales sont locales. Elles ne sont ni synthétiques, ni analytiques. Toutefois, elles peuvent faire l’objet de traitement locaux préalables. Ces opérations locales nécessitent de ma- nipuler de grandes quantités de données en parallèle. Une solution intéressante est donc d’utiliser des opérateurs massivement parallèles pour leur traitement. Les opé- rateurs simples massivement parallèles permettent d’effectuer de tels traitements localement. Il est également possible d’effectuer ces opérations de manière sérielle ou à parallélisme limité sur un ordinateur, mais cette solution n’est pas optimale en terme d’adéquation entre l’opérateur et les données à traiter. De plus, il est nécessaire dans ce cas de déplacer de grandes quantités de données simples sur de longues distances, ce qui n’est pas optimal d’un point de vue adéquation entre l’information à transmettre et le mode de transmission.
3.2.2
Classification des opérateurs de traitement d’images
En considérant un exemple simple, nous avons retrouvé la classification en niveaux des opérations de traitement d’images. De plus, il apparaît que le type d’opérateurs adapté à chaque niveau de traitement d’image n’est pas le même. Les différents niveaux sont les suivants :
– Opérations de bas niveau : transformations locales de l’image. L’opérateur adapté à ce type d’opérations est de type massivement parallèle et localisé près des données de manière à éviter les transmissions sur de longues dis- tances.
Il existe dans la littérature de nombreuses implantations permettant d’effec- tuer ces opérations locales de manière massivement parallèle. Nous pouvons citer en particulier les rétines artificielles numériques programmables qui ont été à la source de cette thèse et qui effectuent ce type de calcul très efficace- ment.
3.2. La régionalisation : une étape utile dans le traitement de l’image
Fig. 3.1 – Classification des opérations de traitement d’images. La taille des flèches représente le volume d’informations transmises, la densité du rouge des flèches représente le niveau d’abstraction de l’information.
– Opérations de moyen niveau : extractions d’informations régionales syn- thétiques sur des ensembles de pixels. L’idéal pour ce type d’opérations est un opérateur adapté au sens de l’adéquation entre l’information locale à traiter, les traitements relativement simples mais régionaux à effectuer et le mode de transmission de l’information. Cet opérateur, pour être adéquat, nécessite d’être régional tout en étant réparti sur la région à traiter de manière à mi- nimiser les transferts de données locales. De plus il doit pouvoir s’adapter dynamiquement aux données à traiter. L’étude des structures permettant de réaliser ces opérations régionales étant au coeur de cette thèse, nous étudie- rons les structure existantes adaptées à ces opérations avant d’en proposer une nouvelle.
– Opérations de haut niveau : analyses utilisant des informations régio- nales synthétiques afin de leur donner un contenu analytique. Les opérateurs adaptés à ces traitements doivent être capables de gérer un faible volume de données de type irrégulier, utilisant des outils de haut niveau d’abstraction. Un ordinateur constitue un opérateur adéquat pour ce type de traitements de haut niveau.
Cette classification est représentée au schéma de la figure 3.1. Elle est communé- ment adoptée par la communauté scientifique. En revanche, la définition des opé- rateurs adéquats associés à chacune de ces classes de traitement du signal dépend du contexte d’utilisation du système. Il est en effet aujourd’hui possible d’utiliser un ordinateur pour effectuer toutes les tâches de traitement d’un signal provenant d’une caméra grâce à la vitesse de calcul importante du ou des processeurs. L’utili- sation d’un ordinateur pour des opérations de bas niveau ne correspond cependant pas à une adéquation entre les informations à traiter (qui sont simples et régulières) et la structure utilisée (permettant de gérer des données complexes et irrégulières). Cette inadéquation ne se traduit pourtant pas forcément au niveau de la vitesse
A la partie suivante, les opérateurs permettant d’être en adéquation avec les don- nées à traiter pour chaque niveau de vision seront étudiés. Nous verrons également de quelle manière il est possible de les faire cohabiter efficacement.