offres d'emploi formations actualités contact accès annuaire intranet

Alice POREBSKI

Maître de Conférences, Equipe Imap

Adresse électronique : porebski [at] lisic.univ-littoral.fr
Téléphone : 03 21 38 85 60
Fax : 03 21 38 85 05

Recherche - Research
Enseignement - Traitement d'images et Vision
Enseignement - Imagerie couleur

Ma thématique de recherche concernent principalement la classification d’images et plus précisément la caractérisation des textures couleur et la sélection d’attributs. En ce qui concerne la caractérisation des textures couleur, la problématique abordée concerne l’influence de l’espace couleur considéré pour discriminer les classes de texture en présence. En effet, la couleur des pixels peut être représentée dans différents espaces couleur qui respectent différentes propriétés. De nombreux auteurs travaillant sur la classification d’images de texture couleur ont comparé les résultats de classification obtenus en considérant différents espaces couleur afin de déterminer le plus pertinent. Cependant, la synthèse de ces travaux montre que le choix de l’espace couleur dépend des images de texture considérées et qu’il n’existe donc pas d’espace couleur adapté à toutes les problématiques de classification de textures couleur. D’autre part, la détermination a priori d’un espace couleur adapté à la discrimination des classes de texture considérées est difficile. Pour répondre à cette problématique, nous proposons de considérer une approche multi-espaces couleur où les propriétés de plusieurs espaces couleur sont considérées simultanément pour analyser n’importe quelle texture couleur. Pour cela, des attributs de texture couleur sont calculés à partir des images de texture, préalablement codées dans plusieurs espaces couleur. La classification dans l’espace original d’attributs de texture couleur impose cependant un temps de classification très important dû au nombre élevé d’attributs considérés. C’est la raison pour laquelle nous nous sommes intéressés à une seconde problématique qui concerne la sélection d’un sous-espace d’attributs discriminant. La détermination de ce sous-ensemble pertinent permet d’une part d’améliorer significativement les taux de classification, et d’autre part de réduire les temps de traitement lors de la phase de classification.
Depuis 2013, mon travail de recherche s’est principalement axé sur la sélection d’attributs multi-espaces dans le contexte de l’utilisation des descripteurs LBP. Les LBP (Local Binary Pattern ou motifs locaux binaires) sont des descripteurs de textures couramment utilisés par la communauté scientifique de par leur simplicité de mise en œuvre et leur performance pour caractériser les textures, tant en terme de résultat de classification, qu’en terme de temps de traitement. Du fait de la popularité des LBP, il semblait intéressant et porteur d’apporter une contribution sur la sélection dans ce contexte. Dans sa définition initiale, le LBP permet de caractériser une texture en niveau de gris grâce à un histogramme. L’utilisation de ce descripteur dans le cadre de la couleur amène à considérer plusieurs histogrammes et il semble intéressant de se demander si toute l’information contenue dans ces histogrammes est pertinente pour discriminer les textures couleur. De nombreux auteurs se sont intéressés à la sélection des bins qui constituent l’histogramme des LBP afin d’améliorer les performances de classification. Dans le même but, nous avons proposé une approche originale qui sélectionne, parmi les différents histogrammes de LBP extraits d’une image couleur, ceux qui sont les plus pertinents pour l’application considérée. Cette approche diffère de celles proposées jusqu’ici puisque nous sélectionnons ici les histogrammes dans leur intégralité, contrairement aux approches précédentes qui sélectionnent les bins. La sélection des histogrammes s’est révélée être très pertinente pour la classification de textures couleur puisqu’elle offre de meilleures performances que la sélection de bins, que ce soit pour les temps ou les résultats de classification. Principalement effectué dans un cadre supervisé, mes travaux ont par la suite ouvert différentes collaborations, dont notamment celle avec Mariam Kalakech, avec qui nous avons étendu mon approche aux contextes semi-supervisé et non-supervisé. Le travail de thèse de Vinh TRUONG HOANG s’inscrit également dans la poursuite de cette thématique.

Alice POREBSKI a obtenu sa thèse de doctorat en 2009 à l’Université de Lille 1 – Sciences et Technologies. Depuis 2010, elle a rejoint l’Université du Littoral Côte d’Opale. Ses activités de recherche portent sur la sélection d’attributs, la caractérisation des textures couleur, l’analyse d’images par approche spectrale. Ses travaux ont abouti à 5 revues internationales, 2 chapitres d’ouvrages scientifiques et une quinzaine de communications avec actes dans des congrès nationaux ou internationaux. Ses travaux de recherche ont été appliqués au contrôle qualité industriel pour détecter et identifier en temps réel des défauts sur des décors verriers.

Publications


2019


Compact Color Texture Representation by Feature Selection in Multiple Color Spaces

M. ALIMOUSSA, N. VANDENBROUCKE, A. POREBSKI, R. OULAD HAJ THAMI, S. EL FKIHI, D. HAMAD
International Conference on Computer Vision Theory and Applications (VISAPP'19), 25-27 February, Prague, Czech Republic, 2019


2018


Unsupervised Local Binary Pattern Histogram Selection Scores for Color Texture Classification

M. KALAKECH, A. POREBSKI, N. VANDENBROUCKE, D. HAMAD
Journal of Imaging, volume 4, issue 10, 2018.
Télécharger le PDF   Voir le lien   

Multi-color space local binary pattern-based feature selection for texture classification

A. POREBSKI, V. TRUONG HOANG, N. VANDENBROUCKE, D. HAMAD
Journal of Electronic Imaging, volume 27, issue 1, 011010, 2018.
Voir le lien   


2017


LBP histogram selection based on sparse representation for color texture classification

V. TRUONG HOANG, A. POREBSKI, N. VANDENBROUCKE, D. HAMAD
International Conference on Computer Vision Theory and Applications (VISAPP'17), 27 February - 1 March, 2017, Porto, Portugal


2016


LBP parameter tuning for texture analysis of lace images

V. TRUONG HOANG, A. POREBSKI, N. VANDENBROUCKE, D. HAMAD
Second International Conference on Image Processing and Applications (IEEE-IPAS'16), November 5-7, 2016, Hammamet, Tunisia


2015


A fast embedded selection approach for color texture classification using degraded LBP

POREBSKI A., VANDENBROUCKE N., HAMAD D.
5th International Conference on Image Processing Theory, Tools and Applications (IEEE-IPTA'15), pp. 254-259, Orléans (France), November 2015.
Télécharger le PDF   Voir le lien   

A New LBP Histogram Selection Score for Color Texture Classification

KALAKECH M., POREBSKI A., VANDENBROUCKE N., HAMAD D.
5th International Conference on Image Processing Theory, Tools and Applications (IEEE-IPTA'15), pp. 242-247, Orléans (France), November 2015.
Voir le lien   


2014


Contribution des descripteurs de texture LBP à la classification d’images de dentelles

WAEL BENSOLTANA, ALICE POREBSKI, NICOLAS VANDENBROUCKE, ADEEL AHMAD, DENIS HAMAD
17ème édition du colloque CORESA (Compression et Représentation des Signaux Audiovisuels), Reims Image 2014, 25-28 novembre, Groupement de recherche Informatique géométrique et graphique, réalité virtuelle et visualisation (GdR IG-RV)

Texture analysis of lace images using histogram and local binary patterns under rotation variation

W. BEN SOLTANA, A. POREBSKI, N. VANDENBROUCKE, A. AHMAD and D. HAMAD
1st International Image Processing, Applications and Systems conference (IEEE-IPAS'14), Hammamet (Tunisie), Novembre 2014.
Voir le lien   

A Color Spatio-Temporal Segmentation Tool Applied to Sequences of Color Texture Images

I. Benmiloud, T. Boujiha, A. Porebski, R. Touahni, A. Sbihi
4th International Conference on Image Processing Theory, Tools and Applications (IEEE-IPTA'14), Paris (France), IEEE Signal Processing Society, Octobre 2014.