Biographie Recherche Publications Enseignement Divers





Groupe de REcherche sur les Machines Intelligentes

EcoleNationale d'Ingénieurs de Sfax, Tunisie

 

 

 


Chokri BEN AMAR

 

Tél.:+216 74 274 088 (527)

Fax: +216 74 275 595

Emails : chokri.benamar@ieee.org
chokri.benamar@enis.rnu.tn chokri.benamar@gmail.com

Addresse Professionnelle: Ecole Nationale d'Ingénieurs de Sfax (ENIS), Université de Sfax, Route de Soukra, B.P. 1173, 3038 Sfax Tunisie. 














 
 

                       

ACTIVITES DE RECHERCHE


- Mots Clés

Traitement de documents multimédia, ondelettes, réseaux de neurones, réseaux d'ondelettes, analyse de documents multimédia, maillage 3D, analyse multirésolution, tatouage,  indexation, détection de visages, reconnaissance de visages, classification, approximation, annotation de l'émotion, apprentissage automatique.


- Thèmes de Recherche Actuels

    - Approximation 1D, 2D and 3D

    - codage géométrique de maillage surfacique 3D multirésolution

    - Quantification par les réseaux réguliers de points pour l'indexation des images

    - Classification d'images par réseaux d'ondelettes

    - Reconnaissance faciale 3D par réseaux d'ondelettes

    - Modélisation faciales 3D par les images de profondeur

    - Extraction de connaissances et apprentissage automatique dans les vidéos

    - Détection, extraction et annotation des émotions,

    - Tatouage de la parole dans les domaines transformés

    - Modèle psycho-acoustique pour le tatouage de documents multimédias

    - Images mosaïques et détection d'ombre pour le tatouage de la vidéo


- Résumé Synthétique de mes activités de Recherche

Mon domaine d’activité est le traitement de signal appliqué au son, à l’image et à la vidéo. Mes travaux de recherche portent essentiellement sur l’utilisation des ondelettes et réseaux d’ondelettes en traitement et analyse des documents multimédia.

Parmi les points forts de mes activités de recherche, je peux souligner l’étude et la mise en place d’une nouvelle famille d’ondelettes paramétrables appelées ondelettes Bêta. La fonction Bêta est une fonction caractérisée par quatre paramètres : deux paramètres d’ordre qui sont p et q, et deux paramètres x0 et x1 définissant le support de variation de la fonction.

Ces travaux de recherche ont abouti à la mise en place d’une nouvelle famille d’ondelettes Bêta vérifiant les propriétés de mères d’ondelettes. Nous avons pu montrer que les dérivées de la fonction Bêta sont des ondelettes et que les fonctions d’échelle d’ordre n ne sont que les dérivées d’ordre (n-1) de cette fonction Bêta. Outre les paramètres classiques de translation et de dilatation, ces ondelettes Bêta peuvent être ajustées à travers les quatre paramètres p, q, x0 et x1. Des ondelettes orthogonales et biorthogonales ont été présentées et une procédure de calcul des coefficients de filtres a été détaillée. Des algorithmes de calcul de coefficients de filtres à reconstruction exacte pour ces ondelettes ont été implémentés et des prototypes en Matlab et Java ont été développés et testés.

Les premiers résultats de nos activités de recherche ont été élaborés pour approximer une variante d’ondelettes connues comme celles de Haar, Morlet et des ondelettes gaussiennes. L’approximation reste à ce stade grossière avec des erreurs d’approximation dues  essentiellement aux choix heuristiques des quatre paramètres p, q, x0 et x1.

Ces premiers résultats ont été le point de départ pour approfondir l’étude théorique sur ces ondelettes et de valider par la suite nos algorithmes ainsi développés dans le cas de la compression d’images et bien d’autres applications. Nous avons montré que nos ondelettes bêta sont très compétitives comparées à une variante d’ondelettes assez connues en terme de concentration d’énergie, de taux de compression et de PSNR.

Ces mêmes ondelettes ont été utilisées pour des applications d’indexation d’images et de détection des points d’intérêt. Les résultats ainsi obtenus ont montré la supériorité d’une classe d’ondelettes Bêta dans plusieurs cas de figures comparée à quelque unes des ondelettes les plus connues dans le monde de la recherche et les plus utilisées dans ce type d’applications. Néanmoins, tous les résultats de ces traitements confirment la sensibilité du choix des paramètres p, q, x0 et x1. Ces paramètres, ajustés par des méthodes itératives pour le moment, nécessitent d’autres études d’optimisation pour maximiser la concentration d’énergie dans l’espace des ondelettes et contribuer au choix de la meilleure ondelette pour un meilleur traitement donné. Des travaux de recherche ont déjà été lancés pour palier à ces contraintes.

           Comme deuxième grande partie de mes activités de recherche, nous avons fait un rapprochement entre les réseaux de neurones et les réseaux d’ondelettes. En partant des travaux élaborés sur les ondelettes Bêta, nous avons aussi mis en place des architectures de réseaux de neurones utilisant soit les coefficients de ces ondelettes comme entrées des neurones du réseau soit les ondelettes Bêta pour remplacer les fonctions usuelles d’activation au niveau des neurones de la couche cachée. Cette analyse a donné lieu à des architectures de réseaux appelées réseaux d’ondelettes Bêta.  

Ces derniers ont été testés dans des applications de synthèse de filtres, d’approximation de fonctions, et de reconnaissance de formes. D’autres travaux ont été lancés aussi pour les tester dans des applications de cryptage, de tatouage et de reconnaissance de visages.

A ce stade, nous pouvons confirmer que nos recherches ont abouti aux résultats très intéressants suivants :

-   Le premier résultat dégagé est la capacité d’approximation universelle de cette nouvelle famille de réseaux d’ondelettes Bêta.

-   Le deuxième résultat a confirmé la supériorité de nos réseaux d’ondelettes Bêta dans l’approximation des fonctions 1D, 2D et 3D.

-   Le troisième résultat montre que les réseaux d’ondelettes peuvent être utilisés pour la synthèse et le calcul des coefficients de filtres des ondelettes.

-   Le Quatrième résultat s’est manifesté dans les forts taux de reconnaissance obtenus pour des applications de reconnaissance de visages.

Les résultats forts intéressants que nous avons obtenus avec les ondelettes et réseaux d’ondelettes Bêta, nous ont amené à essayer de prévoir une série de tests sur des images 3D. Un nouvel axe de recherche a été abordé, il concerne la compression de maillages multirésolutions 3D. Cette nouvelle application se fait en collaboration avec le laboratoire I3S de Nice Sophia Antipolis. Elle consiste à subdiviser les objets à traiter en maillages multirésolutions et à optimiser le temps de chargement et de traitement de ces mailles pour des applications de compression et de transmission progressive sur les réseaux de communication. L’approximation 3D de ces formes consistera à avoir une représentation plus compacte et plus fidèle de l’objet.

Avec le laboratoire I3S de Nice Sophia Antipolis, nous travaillons aussi sur l’indexation des images par le biais d’un ensemble de descripteurs, liés à la couleur, à la forme et à la texture, en faisant intervenir en partie la notion de lattices emboîtées, la quantification vectorielle et les résultats de nos recherches sur les ondelettes et réseaux d’ondelettes Bêta.

D’autres pistes de recherche ont été dégagées pour étudier les problèmes de cryptage, de tatouage, et d’indexation d’images et de vidéos en exploitant d’une part les points forts de la théorie des ondelettes et d’une autre part les résultats obtenus avec la nouvelle famille d’ondelettes et de réseaux d’ondelettes paramétrables Bêta.

Avec l’équipe LABRI de l’université Bordeaux1, nous avons déjà lancé un ensemble de travaux de recherche sur le tatouage du son, d’images et de vidéos en jouant sur les zones d’ombre dans les images et sur les images clés dans les séquences vidéos en vue des applications de préservation de droits d’auteur et d’indexation des données multimédia.

Avec les équipes LIFL de l’université de Lille 1 et LIRIS de l’Ecole Centrale de Lyon, nous avons abordé un autre axe de recherche qui traite les aspects de reconnaissances de visages 3D en utilisant les courbes géodésiques et ce pour des applications de reconnaissance, d’identification et de classification de visages 3D.


- Bilan Scientifique

Papiers publiés dans des livres, revues internationales et journaux scientifiques (24 articles) :

-  23 articles publiés.

-   1 chapitre de livre publié.

-  1 chapitre de livre à paraître.

-   7 articles soumis

 Papiers publiés dans des conférences internationales avec comités de lecture (95 papiers):

-   95 papiers publiés.

-   3 papiers à paraître.

-   5 papiers soumis.

 Etudiants encadrés en Mastère et en thèse :

-   44 étudiant(e)s en mastère de recherche (dont 38 soutenus).

-   9 étudiant(e)s inscrits en thèse à l’ENIS (dont 5 soutenus).

-  4 étudiant(e)s inscrits en thèse en cotutelle (dont 3 soutenus).

-   2 étudiant(e)s inscrits en thèse en codirection (dont 1 soutenu).

 

- Résumé de Recherche au REGIM (à partir de 2000)

Le REGIM (Groupe de REcherche sur les Machines Intelligentes)

Le REGIM "Groupe de Recherche sur les Machines Intelligentes" a été fondé en Janvier 1997 sous le code DGRST E15/C14 et a été renouvelé sous le code DGRST 01/UR/11-02, situé à l’École Nationale d’Ingénieurs de Sfax - Université de Sfax, sous la direction du Professeur Adel Mohamed ALIMI.

Les activités de recherche du REGIM tournent autour de la recherche et le développement de l'Intelligence des Machines. Le cycle de vie d'une machine intelligente s'étend sur quatre principaux processus intelligents que la nature a inventés pour assurer la  survie des êtres vivants la modélisation, l'apprentissage, le développement et  l'évolution. Toutefois, alors que ces processus sont souvent étudiés isolément les uns des autres, le REGIM cherche à comprendre et à exploiter leurs synergies. En particulier, des techniques intelligentes sont combinées pour mettre  au point des contrôleurs qui savent reconnaître des manuscrits, qui savent analyser des données multimédias, qui peuvent bouger et coopérer pour accomplir une tâche commune.

Les principales techniques intelligentes utilisées par les membres du REGIM sont : les réseaux de neurones, la logique floue, les ondelettes et les algorithmes évolutionnistes inspirés de la biologie (A. génétiques, A. de fourmis,...).

Durant les trois dernières années, les activités du REGIM était rassemblées en 3 principales thématiques, selon le domaine applicatif :

-  Analyse et Reconnaissance des Documents

-  Analyse et Traitement  Intelligent des Données  Multimédias

-   Modélisation et Contrôle Intelligent des systèmes robotisés

L’axe 2 : Analyse et Traitement Intelligent des Données multimédias

       L’équipe Analyse et Traitement Intelligent des Données Multimédias dont je fais partie consacre ses axes d’intérêts sur la productique (domaine qui a débuté avec mes travaux de DEA et de Thèse et qui a continué en collaboration avec l’équipe CEREP de l’Ecole Supérieure des Sciences et Techniques de TUNIS) et sur les Nouvelles Techniques d’Information et de Communication (NTIC).

       Dans l’axe productique, nous continuons à travailler sur la coopération Robot/Vision et plus particulièrement sur l’asservissement visuel des robots pour les applications médicales.

       Dans le deuxième axe NTIC, nous avons travaillé sur une nouvelle famille d’ondelettes paramétrables basée sur une fonction appelée Bêta. Nous avons pu démontrer que les dérivées nième de cette fonction sont des ondelettes mères ayant chacune comme fonction d’échelle la dérivée (n-1)ème de la fonction Bêta. Un nouveau théorème a été énoncé et démontré pour confirmer ce résultat.

       Suite à cet aboutissement et pour valider nos résultats théoriques, nous avons choisi d’implémenter ces ondelettes et de les tester dans plusieurs exemples d’application :

-          Analyse multirésolution des images

-          compression et débruitage d’images

-          recherche des points d’intérêt dans les images

-          indexation des images

Les résultats ainsi obtenus ont montré la compétitivité de cette famille d’ondelettes Bêta et sa supériorité dans plusieurs cas de figures comparée à quelque unes des ondelettes les plus connues dans le monde de la recherche.

       En partant de ces travaux élaborés sur les ondelettes Bêta, nous avons aussi mis en place des architectures de réseaux de neurones utilisant soit les coefficients de ces ondelettes comme entrées des neurones du réseau soit les ondelettes Bêta pour remplacer les fonctions usuelles au niveau des neurones de la couche cachée. Cette analyse a donné lieu à des architectures de réseaux appelés réseaux d’ondelettes Bêta.  

       Ces derniers ont été déjà testés dans des applications de synthèse de filtres, d’approximation de fonctions, et de reconnaissance de formes. D’autres travaux sont actuellement lancés pour tester ces réseaux d’ondelettes Bêta dans des applications de cryptage, de tatouage d’images et de vidéos, et dans des applications de reconnaissance de visages. 

       Toujours fondées sur l’utilisation des ondelettes et des analyses multirésolutions, nos recherches s’étendent actuellement aux domaines de la représentation des objets 3D par les maillages géométriques multirésolutions 3D. Le traitement se ramène du niveau pixel au niveau géométrie des points et des mailles 3D. Comme applications de ces approches, nous avons choisi le codage et la compression dans un schéma général d'une chaîne de transmission progressive des objets et vidéos 3D sur les réseaux Internet.

 

- Activité de Recherche à l’ESSTT (de 1995 à 2000)

Le CEntre de REcherche en Productique (CEREP)

       Les activités de recherche au sein du CEREP (laboratoire implanté à l’Ecole Supérieure des Sciences et Techniques de Tunis) ont pour objet l’Automatisation des systèmes de production et de leur environnement. Afin de réaliser ces objectifs de recherche, tant sur les aspects méthodologiques que sur le plan applicatif, les chercheurs du CEREP sont organisés en six équipes :

-   Equipe Traitement du signal et de l’image

-   Equipe Production et Mécatronique

-   Equipe Sûreté de fonctionnement

-   Equipe Supervision des systèmes automatisés de production

-   Equipe Electronique de puissance et commande des machines

-  Equipe Modélisation, Simulation et Commande

L’équipe de Traitement de signal et Images du CEREP

Les activités de recherche au sein de cette équipe dont je fais partie, ont pour objectifs :

-   Pour te traitement d'images : L’analyse, le traitement, la reconnaissance et le contrôle dimensionnel d’objets destinés à être manipulés par des robots industriels

-   Pour le Traitement du signal : L’exploitation des méthodes neuronales pour le filtrage des systèmes linéaires et non linéaires.

 

- Activité de Recherche au LAMII « Laboratoire d’Automatique, de Micro-électronique et d’Informatique Industrielle d’ANNECY-France » (de 1994 à 1995)

La simulation numérique des procédés d'emboutissage et de formage nécessite pour être plus proche de la réalité des critères qui permettent de détecter les phénomènes des strictions caractérisés, en phase finale, par un déchirement de la matière. Le but est d'élaborer un protocole expérimental fiable et reproductible pour la détermination des courbes limites de formage en contraintes qui représentent un des critères les plus fiables actuellement pour la détection des strictions.

Pour parvenir à cet objectif, l'étude demandée repose sur l'élaboration d'un logiciel d'analyse d'images et d'interprétation des mesures en temps réel, afin de contrôler le procédé de formage et d'en tirer les points expérimentaux indispensables à la détermination des courbes limites. L'acquisition d'images est assurée par une caméra numérique à très haute définition et le traitement par un micro-ordinateur de type PC.

Le logiciel doit permettre de :

-   calculer les déformations rationnelles,

-   calculer les directions principales de déformation,

-   afficher le graphe des déformations Le long d'une ligne donnée,

- déterminer les déformations correspondant à l'apparition de la striction suivant un critère donné.

 

- Activité de Recherche en Thèse (de 1990 à 1994)

Simuler les procédés de production, dès leur conception, présente des avantages qui apparaissent chaque jour plus intéressants, du fait des économies engendrées : gain de temps, non-immobilisation de l'outil de production, optimisation de l'investissement, etc... Les logiciels disponibles, tout performants qu'ils soient, pêchent cependant par un manque notable concernant la simulation réaliste de capteurs évolués. Il est toujours possible de placer des capteurs tout ou rien, voire des capteurs de proximités analogiques, mais il est généralement impossible de simuler des capteurs tels que des caméras. Pourtant, la simulation de ceux-ci apporterait une aide importante lors de la conception de postes de travail comportant de la vision. Cette lacune est encore plus manifeste vis-à-vis des systèmes de vision industriels, pourtant de plus en plus utilisés sur les chaînes de production pour le contrôle‑qualité et/ou pour l'identification des pièces en cours d'approvisionnement ou de fabrication.

            C'est pour pallier cette insuffisance que nous proposons un simulateur de capteurs complexes, tels que les caméras CCD, qui permet d'obtenir des images d'objets ou de scènes virtuelles. Ces images, très proches de la réalité, peuvent être alors utilisées pour simuler, par exemple, une tâche de reconnaissance de formes ou une tâche de contrôle dimensionnel ; la fonction de ce nouvel outil est absolument nécessaire pour la simulation d'un poste de contrôle‑Vision et autorise la programmation hors-ligne de celui-ci.

            Ce résultat acquis, on constate que pour parfaire cet outil il convient de se préoccuper également du choix de la position de la caméra dans le poste de travail ; choix qui n'est pas évident, car devant tenir compte des problèmes de champ de vision, de résolution, de mise au point, d'éclairage, de collision, etc... C'est pour cette raison que notre proposition associe à la simulation une méthode de placement automatique de caméra.

L'ensemble de modélisation et de placement automatique de capteurs Vision constitue un poste virtuel de Vision, qui peut valablement être intégré à un système de CAO Robotique, afin de disposer d'un outil complet de simulation de tâches faisant appel à des robots et à des systèmes de vision. Ce module Vision est validé par la description de deux applications, l'une dans l'optique contrôle, l'autre dans un processus d'assemblage robotisé.

 

- Activité de Recherche en DEA (de 1989 à 1990)

Le sujet de recherche de mon DEA s'intitule "Programmation Hors-Ligne. Application au contrôle dimensionnel". Il aborde le problème de l'intégration de la CAO dans les systèmes de vision et les améliorations qu'elle peut apporter dans plusieurs domaines de l'industrie.

Jusqu'à maintenant la CAO était utilisée pour des tâches de programmation des machines à commande numérique, de simulation et parfois pour concevoir, programmer et simuler des postes de travail robotisés. Se pose alors le problème de trouver une technique qui permette l'interconnexion CAO-Vision et d'essayer d'avoir la même flexibilité pour les systèmes de vision que les machines à commande numérique ou les robots industriels. C'est l'objet du travail présenté dans mon DEA. Ces systèmes de vision ont besoin en mémoire d'un modèle de référence (paramétrique ou dimensionnel). Ce modèle se construit en présentant sous la caméra  les objets et en calculant à partir des contours un certain nombre de paramètres. Ce tpye d'apprentissage est lent et nécessite une présence obligatoire sur site. Il immobilise la chaîne de production après chaque modification ou introduction d'un nouveau paramètre dans l'apprentissage. En plus il manipule des contours issus d'images binarisées et qui dépendent fortement de la chaîne d'acquisition d'images (capteurs, optiques, convertisseur, etc...) et des conditions d'éclairage de la scène.

La solution proposée était de changer ce type d'apprentissage en utilisant la programmation hors-ligne. Cette dernière va assurer l'interconnexion CAO-Vision en créant le modèle de référence des pièces sur une station de travail, en simulant la phase de contrôle dimensionnel, en transférant les caractéristiques de ces pièces vers le système de vision et en mettant à jour les fichiers vision après chaque modification faite dans la base de données. Il en résulte que la production ne va plus être arrêtée pour reprogrammer les machines et refaire ou modifier l'apprentissage des pièces.


   

ACTIVITES D’ENCADREMENT


 

THESES SOUTENUES (9)

 

Chercheur

Titre de la these

Date de soutenance

 Mohamed OTHMANI

 Contribution à l’étude des algorithmes d’apprentissage des réseaux d’ondelettes multidimensionnelles et applications

 2 Mars 2012

 Akram ELKEFI

(1)Compression des Maillages 3D Multirésolutions de Grandes Précisions

 24 Décembre 2011

Anis MEFTEH

 

(2)Compression et codage scalable d'objets 3D pour leur visualisation et manipulation sur des systèmes hétérogènes

6 Décembre 2011

 Mohamed KOUBAA

 

(3)Tatouage Robuste de la Vidéo Basé sur la Notion des Régions d’Intérêt

 

 23 Novembre 2010

 Maher ELARBI

 A Wavelet Domain Video Watermarking Approach

 

 23 Novembre 2010

 

 Mahmoud MEJDOUB

 

(1)Indexation Sémantique des images basée sur la quantification vectorielle des réseaux de points réguliers

 

 20 Décembre 2010

 

 Olfa JEMAI

Apprentissage automatique des réseaux d’ondelettes : Application à la classification d’images

 12 Mars 2010

 

 Wajdi BELLIL

Multi-library Beta Wavelet Networks Approximation: Application to Filter Synthesis and Image Analysis

 23 Octobre 2009

 

 Mourad ZAIED

 Etude des réseaux d’Ondelettes Bêta : application à la reconnaissance de visages

16 Février 2008

(1) : Co-encadrement avec le professeur Marc ANTONINI du laboratoire I3S de Nice Sophia

       Antipolis dans la cadre d’une thèse en cotutelle.

(3) : Co-encadrement avec le professeur Henri NICOLAS du laboratoire Labri de Bordeaux dans la cadre d’une thèse en cotutelle.

(2) Codirection avec le professeur Marc ANTONINI du laboratoire I3S de Nice Sophia

 

THESES EN COURS (6)

 

Chercheur

Thème

 Date prévue de soutenance

 Salwa SAID

 

(4)Etude et exploitation des courbes géodésiques pour la reconnaissance de visages 3D

 

 Décembre 2012

 Imen TAYARI

(5)Représentation, annotation et détection des émotions dans les signaux multimodaux

 Décembre 2012

 Wael BEN SOLTANA

(6)Optimisation de la fusion forme et texture pour la reconnaissance 2D/3D de visages

 Juillet 2012

 Najib BEN AOUN

Feature Extraction and Machine learning in video: Video Event Detection

 

 Décembre 2013

 Maha CHARFEDDINE

 Tatouage robuste de signaux audio dans les domaines transformés

 Décembre 2013

Amel  KSIBI

Modeling Multimedia Data Retrieval Process Integrating Intelligent Tools: Query Processing, Retrieval Statue Value Matching And Relevance Feedback Mechanisms

Décembre 2014

 
(4) Cotutelle avec le laboratoire LIFL de TELECOM Lille (avec le Pr. Mohamed DAOUDI)

(5) Cotutelle avec le laboratoire I3S de Nice Sophia Antipolis (avec le Pr. Nhan LE THANH)

(6) Codirection avec le professeur Liming CHEN du laboratoire LIRIS-Ecully