Evaluation du contenu d’une image couleur par mesure basée pixel et classification par la théorie des Fonctions de Croyance

Sujets de thèse 2013

Intitulé de la thèse
Evaluation du contenu d’une image couleur par mesure basée pixel et classification par la théorie des Fonctions de Croyance
Publication du sujet sur le site de l’ABG : OUI
Nature du financement : Financement institutionnel, Contrat Doctoral, Financement régional, Contrats université sur projets,)
Domaine de compétences principal (pour l’ABG) : Informatique, électronique
Domaine de compétences secondaire (pour l’ABG) : Mathématiques
Spécialité de doctorat : Image Signal et Automatique

Lieu de travail
XLIM/SIC
Laboratoire d’accueil : XLIM/SIC

Présentation de l’équipe de recherche
Les activités de recherche de l’équipe ICONES sont organisées autour du traitement, de la caractérisation et de l’analyse de signaux et images multi sources et multi composantes avec une spécificité concernant la couleur. Une image est le résultat d’interactions entre lumière et matière, nous tentons donc d’approfondir ces modèles physiques tout en maîtrisant les acquisitions lorsque cela est possible. Ensuite, une image ou une vidéo est un ensemble de données vectorielles, nous souhaitons le modéliser de façon optimale par des modèles mathématiques appropriés. Enfin, lorsque l’on traite une image, la finalité est souvent de la visualiser devant un observateur humain, d’où l’intérêt de le prendre en compte ainsi que son contexte. Nos spécificités reposent ainsi sur la définition d’outils mathématiques adaptés à la manipulation de données vectorielles, associée à l’introduction de paramètres physiques issus, d’une part, de modèles d’aspects des surfaces analysées, d’autre part, de modèles, du système visuel humain. De plus, notre originalité s’appuie sur la mise en place d’évaluations objectives et subjectives de la qualité, à la fois des traitements développés, mais aussi des supports de reproduction des images ou vidéos couleur, selon des conditions normalisées au sein de salles dédiées. La force et l’originalité de notre équipe repose donc sur le fait que nous travaillons sur toute la «chaîne de vie» d’une image couleur, depuis son acquisition jusqu’à l’évaluation de la qualité de son rendu, en passant par divers traitements; traitements définis de manière vectorielle et/ou sensorielle, en prenant éventuellement en compte les aspects physiques de la scène acquise.

Résumé de la thèse en français
La détection de modification et la certification de contenu (qualité et sens) de données numériques se sont généralement concentrées sur un type de «dégradation», et l’on peut trouver dans la littérature un grand nombre de méthode évaluant la qualité d’une image ou de stéga-analyse. Toutefois, dans le cas général, avant certification, nous ne connaissons pas les dégradations possibles du document, il est donc nécessaire de réaliser différents types de mesures chacune adaptées à certaines transformations. Il faut alors fusionner ces différentes mesures. Dans cette thèse, le travail consistera à la fois dans l’introduction des différentes mesures caractérisant le contenu de l’image couleur et aussi une stratégie de fusion tenant de prendre en compte l’aspect hétérogène, incomplet ou conflictuelle des différentes mesures.

Résumé de la thèse en anglais
Image forensics research has mainly focused on the detection of artifacts introduced by a single processing tool, thus resulting in the development of a large number of specialized detection algorithms. However e kind of artifacts the forensic analyst should look for is not known before hand (modification, compression, steganography …), hence making it necessary that several tools developed for different scenarios are applied (to define different measures). The problem, is to define the different measures to detect the modification of the color image devise a sound strategy to fuse the information provided by the different tools. In this thesis we propose to introduce Dempster-Shafer Theory to perform the fusion of heterogeneous, incomplete or conflicting outputs of forensic measures.

Description complète du sujet de thèse
L’objectif d’une méthode de certification de données multimédia est de tenter de détecter une dégradation, une modification ou la présence d’un message caché dans un document primaire. Durant ce travail de thèse nous nous plaçons dans le cas où l’utilisateur analyse le message primaire et teste la présence d’une certaine modification. Donc l’élément fondamental de notre algorithme est cette étape de détection qui est un problème de classification à deux classes: à savoir que l’algorithme reçoit des données et classifie ce message comme une donnée perturbé ou non.
Maintenant décrivons plus précisément les éléments qui doivent être étudiés dans le cadre de ce sujet. Un schéma est actuellement assez figé, à savoir que la grande majorité des méthodes vont extraire tout d’abord des caractéristiques de l’image, ensuite elles définissent un discriminateur. Puis elles paramètrent ce discriminateur par une étape d’apprentissage à partir d’un ensemble d’image.
Etant donné les compétences développées au sein du laboratoire XLIM sur les métriques de qualité (dans le cadre de la compression mais aussi du tatouage), l’une des premières approches qui sera abordé est la détection perturbation à partir de mesure de qualité d’images basée pixel.Il faut noter que la prise en compte de la couleur est un élément encore ouvert et pourtant fondamental il nous semble pour une possible détection. Ceci est l’un de nos points de fixation. Le problème reste bien sûr le choix des mesures qui sont actuellement en très grands nombres dans la littérature. Il est évidemment impossible de définir de manière exhaustive l’ensemble des modifications que peut subir une image. Aussi le travail de recherche sur le métrique se fera par famille de dégradations/modifications.
A l’issue de l’étape de définition des métriques, nous posséderons donc des mesures représentant un niveau estimé de modifications des images et/ou d’insertion d’un message. Chaque mesure extraite sera plus ou moins représentative des dégradations opérées sur les images. Par principe, nous sommes donc en présence d’information à la fois imprécise (une même dégradation ne va pas impacter de la même façon une image texturée ou une image de synthèse. Les mesures auront des plages de variations importantes) et incertaine (la mesure est-elle réellement en adéquation avec la dégradation effectuée?). Par ailleurs, l’existence de différentes catégories d’attaque conduira à la sélection de famille de mesures qu’il faudra soit combiner soit mettre en concurrence dans des stratégies de fusion d’information. Dans ce contexte, le cadre mathématique initial sera le celui des fonctions de croyance (Shafer, 1976, Smets, 1978). Celui-ci offre en effet un cadre formel adapté à la représentation d’informations en vue de leur fusion. Cette théorie permet de modéliser non seulement l’incertitude, mais également l’imprécision dans le cas où la valeur n’est pas un singleton de l’espace de discernement. Le travail initial portera sur la validation de ce cadre mathématique pour la détection des modifications sur des images. Ce modèle mathématique pourra être comparé à d’autres cadres mathématiques tenant compte des imperfections des données, tel que la logique floue et la théorie possibiliste. La validation et le choix du cadre de représentation pourront se faire par l’utilisation de bases de données images pour lesquelles les attaques subies sont connues. Une fois le cadre validé, il conviendra de travailler sur les stratégies de fusion des mesures. Ces fusions doivent conduire à l’émergence d’une information plus précise et à une décision plus fiable par l’exploitation d’informations complémentaires.Dans le cadre des fonctions de croyance, les règles de fusion conjonctives seront privilégiées (somme orthogonale de Demspter, combinaison de Smets, règle prudente…).

Objectifs scientifiques de la thèse
Déploiement d’une solution numérique d’évaluation du contenu d’une image couleur par mesure basée pixel et classification par la théorie des Fonctions de Croyance.

Compétences à l’issue de la thèse
Reconnaissance de forme; Théorie des Fonctions de Croyance, Logique floue; Sécurité des données; Image couleur

Mots clés (séparés par des virgules)
Reconnaissance de forme; Théorie des Fonctions de Croyance, Logique floue; Sécurité des données; Image couleur
Conditions restrictive de candidature (nationalité, âge, …) : NON

Expérience/profil souhaité(e)
Compétences en signal/image et système de classification

Modalité de dépôt de candidature
Envoi par mail d’un CV étendu, avec relevé de notes M1-M2, à
philippe.carre@univ-poitiers.fr

Date limite de candidature
30 avril 2013

Directeur de thèse
Philippe Carré
Adresse mail du directeur de thèse : philippe.carre@univ-poitiers.fr
Téléphone Directeur de thèse : 05 49 49 65 76

Co-directeur de thèse
Anne-Sophie Capelle-Laize
Adresse mail du co-directeur de thèse : anne.sophie.capelle@univ-poitiers.fr
Téléphone co-Directeur de thèse : 05 49 49 69 89
Cofinancement LABEX SigmaLIM demandé : NON

Recherche

Menu principal

Haut de page