Résumé :
-
L'étude réalisée dans cette thèse met en relation deux domaines
scientifiques, a priori distincts, que sont la géologie et l'informatique.
En effet, le contexte de ce travail est de concevoir une chaîne complète de
traitements parallèles sur les images satellites allant de la reconstruction
tridimensionnelle à la visualisation des terrains ainsi reconstitués. Ce
travail a donc fait l'objet d'une coopération étroite avec le département de
géologie de l'École Normale Supérieure de Lyon.
-
Nous proposons d'une part, la parallélisation d'un algorithme de
reconstruction tridimensionnelle de relief à partir d'un couple d'images
satellite, et d'autre part, un algorithme parallèle de visualisation de
terrains avec texture. Ces travaux font donc appel à plusieurs domaines de
l'informatique tels que le parallélisme, la vision stéréoscopique et la
synthèse d'images. Une étude méthodologique plus générale sur les
algorithmes de transformation géométrique des images est également
présentée.
-
Au niveau séquentiel, nous proposons pour chacun des algorithmes abordés et
lorsque cela est pertinent, différentes optimisations originales permettant
des améliorations en termes de complexité et donc de temps de calculs, ainsi
que des choix d'outils calculatoires pouvant améliorer la qualité des
résultats, point très sensible dans un domaine comme la vision
stéréoscopique. Dans le cadre du parallélisme, nous nous focalisons sur les
stratégies de communications et d'équilibrage des charges pouvant être mises
en \oe uvre pour tirer le meilleur parti des machines parallèles. En
comparant nos problèmes avec ceux déjà traités dans la littérature, nous
sommes arrivés à la conclusion qu'un équilibrage des charges dirigé par les
données était préférable à toute autre technique. De plus, que l'on se
place dans la partie vision ou synthèse, l'équilibrage des charges peut être
abordé exactement de la même manière. On peut donc appliquer la même
stratégie sur ces différents algorithmes. Enfin, une étude théorique de la
complexité de l'algorithme parallèle de vision stéréoscopique nous permet de
déduire les points clés influençant les performances et donc d'estimer a
priori le nombre de processeurs nécessaires pour obtenir les meilleures
performances absolues pour un ensemble connu de données.
-
Des expérimentations menées sur différentes machines parallèles, Volvox,
Cray T3D ou Cray T3E nous permettent de vérifier le bon comportement de nos
algorithmes parallèles et de confirmer leur efficacité.
Manuscrit en PDF
