UPThèses

L'avènement de la technologie 3D stéréoscopique (3DS) a produit autant d'enthousiasme que l'introduction de la télévision couleur. Contrairement à la télévision couleur 2D, la 3DS est loin d'être un processus naturel de vision puisqu'il repose sur le fait de tromper le cerveau en lui donnant des disparités qui n'existent pas dans la réalité. Par conséquent, cette vision non naturelle peut générer une fatigue visuelle et altérer la qualité, sans parler de certains phénomènes physiologiques et cognitifs peu explorés à ce jour. Cette thèse aborde l'étude de la perception binoculaire sous trois angles différents: 1- la fatigue visuelle, 2- l'attention visuelle et, 3- la Qualité de l'Expérience (QdE). Tout d'abord, nous avons proposé un paradigme psychophysique entièrement contrôlé afin d’évaluer la fatigue visuelle et d’étudier le lien existant avec les caractéristiques visuelles les plus importantes obtenues par oculométrie. Ainsi, nous avons montré que l'accumulation de la fatigue visuelle causée par la 3DS est fortement plus élevée que celle causée par la 2D. Nous avons également proposé un modèle de prédiction de la fatigue visuelle basé sur les principales conclusions de l’étude et faisant appel aux paramètres intrinsèques de la vidéo. Une autre exploration fondamentale a été menée pour étudier l'impact de la disparité sur la perception des couleurs. Ainsi, les expériences subjectives, conduites avec des stimuli simples, ont montré la faible influence de la disparité dans la discrimination des couleurs. Cette importante conclusion confirme le fait que la perception de la profondeur repose non seulement sur des indices binoculaires mais aussi sur des indices monoculaires. La deuxième partie de la thèse porte sur l'étude de l'attention visuelle binoculaire et propose des modèles permettant de prédire des cartes de saillance d'une séquence 3D. L'idée repose sur l'utilisation des caractéristiques spatiotemporelles et la possibilité de prédire avec précision la profondeur à partir d’une seule vue de la paire stéréo. Par conséquent, le modèle proposé, incluant une étape de fusion optimisée, a montré de très bonnes performances en accord avec la vérité de terrain (l’attention visuelle). Enfin, les propriétés binoculaires du système visuel humain, telles que la fusion binoculaire et la rivalité, ont été exploitées conjointement avec la saillance prédite dans l’optique de proposer une mesure objective de la qualité stéréoscopique. La métrique de qualité proposée a été testée sur des bases d’images de référence et ses résultats montrent une bonne corrélation avec le jugement humain.

Les images numériques sont devenues un outil de communication visuel puissant et efficace pour transmettre des messages, diffuser des idées et prouver des faits. L’apparition du smartphone avec une grande diversité de marques et de modèles facilite la création de nouveaux contenus visuels et leur diffusion dans les réseaux sociaux et les plateformes de partage d’images. Liés à ce phénomène de création et publication d'images et aidés par la disponibilité et la facilité d’utilisation des logiciels de manipulation d’images, de nombreux problèmes sont apparus allant de la diffusion de contenu illégal à la violation du droit d’auteur. La fiabilité des images numériques est remise en cause que ce soit pour de simples utilisateurs ou pour des professionnels experts tels que les tribunaux et les enquêteurs de police. Le phénomène des « fake news » est un exemple bien connu et répandu d’utilisation malveillante d’images numériques sur les réseaux. De nombreux chercheurs du domaine de la cybersécurité des images ont relevé les défis scientifiques liés aux manipulations des images. De nombreuses méthodes aux performances intéressantes ont été développées basées sur le traitement automatique des images et plus récemment l'adoption de l'apprentissage profond. Malgré la diversité des techniques proposées, certaines ne fonctionnent que pour certaines conditions spécifiques et restent vulnérables à des attaques malveillantes relativement simples. En effet, les images collectées sur Internet imposent de nombreuses contraintes aux algorithmes remettant en question de nombreuses techniques de vérification d’intégrité existantes. Il existe deux particularités principales à prendre en compte pour la détection d'une falsification : l’une est le manque d'informations sur l'acquisition de l'image d'origine, l'autre est la forte probabilité de transformations automatiques liées au partage de l'image telles que la compression avec pertes ou le redimensionnement. Dans cette thèse, nous sommes confrontés à plusieurs de ces défis liés à la cybersécurité des images notamment l’identification de modèles de caméra et la détection de falsification d’images. Après avoir passé en revue l'état de l'art du domaine, nous proposons une première méthode basée sur les données pour l’identification de modèles de caméra. Nous utilisons les techniques d’apprentissage profond basées sur les réseaux de neurones convolutifs (CNN) et développons une stratégie d’apprentissage prenant en compte la qualité des données d’entrée par rapport à la transformation appliquée. Une famille de réseaux CNN a été conçue pour apprendre les caractéristiques du modèle de caméra directement à partir d’une collection d’images subissant les mêmes transformations que celles couramment utilisées sur Internet. Notre intérêt s'est porté sur la compression avec pertes pour nos expérimentations, car c’est le type de post-traitement le plus utilisé sur Internet. L’approche proposée fournit donc une solution robuste face à la compression pour l’identification de modèles de caméra. Les performances obtenues par notre approche de détection de modèles de caméra sont également utilisées et adaptées pour la détection et la localisation de falsification d’images. Les performances obtenues soulignent la robustesse de nos propositions pour la classification de modèles de caméra et la détection de falsification d'images.