Amélioration de la qualité d'images avec un algorithme d'optimisation inspirée par la nature
This addresses the need for reproducible image preprocessing to facilitate algorithm comparison and dataset preparation in computer vision, but appears incremental as it applies an existing optimization approach to a known bottleneck.
The paper tackles the problem of reproducible image preprocessing in computer vision by proposing a method to generate an explicit and ordered sequence of transformations that improves image quality, using a nature-inspired optimization algorithm based on quality assessment techniques, with preliminary tests showing impact on state-of-the-art datasets.
Reproducible images preprocessing is important in the field of computer vision, for efficient algorithms comparison or for new images corpus preparation. In this paper, we propose a method to obtain an explicit and ordered sequence of transformations that improves a given image: the computation is performed via a nature-inspired optimization algorithm based on quality assessment techniques. Preliminary tests show the impact of the approach on different state-of-the-art data sets. -- L'application de prétraitements explicites et reproductibles est fondamentale dans le domaine de la vision par ordinateur, pour pouvoir comparer efficacement des algorithmes ou pour préparer un nouveau corpus d'images. Dans cet article, nous proposons une méthode pour obtenir une séquence reproductible de transformations qui améliore une image donnée: le calcul est réalisé via un algorithme d'optimisation inspirée par la nature et basé sur des techniques d'évaluation de la qualité. Des tests montrent l'impact de l'approche sur différents ensembles d'images de l'état de l'art.