Download or read book Mesures statistiques non param triques pour la segmentation d images et de vid os et minimisation par contours actifs written by Ariane Herbulot and published by . This book was released on 2007 with total page 176 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'images et de séquences vidéo consiste à séparer les objets d'intérêt du reste de l'image. L'utilisation de contours actifs en utilisant une approche variationnelle repose sur la définition d'un critère de segmentation. Ce critère est ensuite dérivé à l'aide des gradients de forme, afin de parvenir à l'équation d'évolution du contour actif. Bien souvent ce critère dépend des caractéristiques de l'image et fait une hypothèse implicite sur les distributions de ces caractéristiques. Par exemple, considérer une fonction de la moyenne de l'intensité d'une région revient à faire une hypothèse gaussienne sur la distribution de cette intensité. Dans cette thèse, nous proposons de nous affranchir de ces hypothèses qui ne sont pas toujours respectées et de considérer les distributions les plus "réelles" possible en utilisant une estimation non-paramétrique de ces distributions. Nous présentons des critères issus de la théorie de l'information, comme l'entropie, afin de segmenter des zones de faible variabilité dans les images. Afin de prendre en compte plusieurs canaux comme les canaux couleur, l'entropie jointe et l'information mutuelle sont aussi utilisées. Lorsqu'une information a priori est connue, la divergence de Kullback-Leibler permet d'introduire une notion de distance à une segmentation de référence en cherchant à minimiser une "distance" entre distributions. Enfin, l'entropie jointe est utilisée afin de segmenter des objets en mouvement dans des séquences vidéo, que cela soit en ayant au préalable calculé un flot optique, ou en estimant de façon conjointe le mouvement avec la segmentation.

Download or read book Contours actifs param triques pour la segmentation d images et vid os written by Frédéric Precioso and published by . This book was released on 2004 with total page 154 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse s’inscrit dans le cadre des modèles de contours actifs. Il s’agit de méthodes dynamiques appliquées à la segmentation d’image, en image fixe et vidéo. L’image est représentée par des descripteurs régions et/ou contours. La segmentation est traitée comme un problème de minimisation d’une fonctionnelle. La recherche du minimum se fait via la propagation d’un contour actif di basé régions. L’efficacité de ces méthodes réside surtout dans leur robustesse et leur rapidité. L’objectif de cette thèse est triple : le développement (i) d’une représentation paramétrique de courbes respectant certaines contraintes de régularités, (ii) les conditions nécessaires à une évolution stable de ces courbes et (iii) la réduction des coûts de calcul afin de proposer une méthode adaptée aux applications nécessitant une réponse en temps réel. Nous nous intéressons principalement aux contraintes de rigidité autorisant une plus grande robustesse vis-à-vis du bruit. Concernant l’évolution des contours actifs, nous étudions les problèmes d’application de la force de propagation, de la gestion de la topologie et des conditions de convergence. Nous avons fait le choix des courbes splines cubiques. Cette famille de courbes offre d’intéressantes propriétés de régularité, autorise le calcul exact des grandeurs différentielles qui interviennent dans la fonctionnelle et réduit considérablement le volume de données à traiter. En outre, nous avons étendu le modèle classique des splines d’interpolation à un modèle de splines d’approximation, dites smoothin splines. Ce dernier met en balance la contrainte de régularité et l’erreur d’interpolation sur les points d’échantillonnage du contour. Cette flexibilité permet ainsi de privilégier la précision ou la robustesse. L’implémentation de ces modèles de splines a prouvé son efficacité dans diverses applications de segmentation.

Download or read book Mod les de contours actifs pour la segmentation d images et de vid os written by Muriel Gastaud and published by . This book was released on 2005 with total page 166 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation en objets d’une image consiste à extraire une ou des régions d’intérêt de l’image, suivant un critère défini. Nous segmentons l’image par un algorithme de contours actifs, dans le cadre d’une approche variationnelle. Partant, d’un contour initial quelconque, le contour actif évolue vers la région d’intérêt, dirigé par une équation aux dérivées partielles. L’équation d’évolution du contour actif est déduite de la dérivation du critère définissant la région. Au vu de la dépendance du critère à la région considérée, la dérivation du critère par rapport à la région n’est pas aisée. Nous utilisons des outils de dérivation empruntés à l’optimisation de domaine : les gradients de forme. La contribution de cette thèse réside dans l’élaboration et l’étude de différents descripteurs de régions. Pour chaque critère, nous calculons la dérivée du critère à l’aide des gradients de forme et en déduisons l’équation d’évolution du contour actif. Le premier descripteur définit un a priori géométrique sans contrainte paramétrique : il minimise la distance du contour actif à un contour de référence. Nous l’avons appliqué à la déformation de courbe (shape warping), la segmentation et le suivi de cible (tracking). Le deuxième descripteur définit conjointement une région et son mouvement sur plusieurs images consécutives. Le mouvement de la région est représenté par un modèle de mouvement. Nous avons appliqué ce critère à l’estimation et la segmentation conjointe du mouvement et au suivi d’objets en mouvement.

Download or read book SEGMENTATION STATISTIQUE NON SUPERVISEE D IMAGES ET DETECTION DE CONTOURS PAR FILTRAGE written by ANRONG.. PENG and published by . This book was released on 1992 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE EST CONSACREE A DEUX CATEGORIES DE METHODES DE LA SEGMENTATION D'IMAGES: LA SEGMENTATION STATISTIQUE NON SUPERVISEE ET LA DETECTION DE CONTOURS PAR FILTRAGE. LES CONTRIBUTIONS DE CE TRAVAIL REPOSENT SUR LES ETUDES DES DEUX FAMILLES DE METHODES EN SOI ET SUR LEUR MISE EN PARALLELE. DANS LA PREMIERE PARTIE, NOUS ABORDONS LA SEGMENTATION BAYESIENNE NON SUPERVISEE. DES ALGORITHMES D'ESTIMATION PREALABLE A LA SEGMENTATION CONTEXTUELLE, TELS QUE EM, ICE, SEM, SONT ETUDIES. PUIS CES ESTIMATEURS VALABLES DANS LES CHAMPS STATIONNAIRES SONT ADAPTES AUX CHAMPS NON STATIONNAIRES. NOUS MENONS UNE COMPARAISON DES PERFORMANCES DES ESTIMATEURS SUIVANT DES CARACTERISTIQUES DU BRUIT. UNE ETUDE DE LA ROBUSTESSE DE LA SEGMENTATION CONTEXTUELLE EST EFFECTUEE, CE QUI EST UTILE POUR LE CHOIX D'UN ESTIMATEUR, AINSI QUE POUR LA DEFINITION D'UN COMPROMIS ENTRE LA PRECISION DE L'ESTIMATION ET LE TEMPS DE CALCUL. LA DEUXIEME PARTIE EST CONSACREE A LA DETECTION DE CONTOURS PAR FILTRAGE. UNE DEFINITION DES CONTOURS UTILISANT L'ORDRE DE DISCONTINUITE EST D'ABORD PROPOSEE. LA METHODOLOGIE DE LA DETECTION DE CONTOURS D'ORDRE 0 (CONTOUR ECHELON) EST GENERALISEE AUX CONTOURS DE DISCONTINUITE D'ORDRE QUELCONQUE. LE PROBLEME DE LA DETECTION DE CONTOURS EST AINSI REDUIT A LA RECHERCHE D'UN FILTRE DE LISSAGE OPTIMAL DONT LA FORME JOUE UN ROLE IMPORTANT. L'ACCENT EST DONC MIS SUR L'ETUDE DES FORMES DE FILTRES DE LISSAGE EXISTANTS. UN EXEMPLE DE CETTE GENERALISATION, LA DETECTION DU CONTOUR RAMPE, EST APPLIQUEE AUX IMAGES SIMULEES ET IMAGES REELLES. LA TROISIEME PARTIE EST CONSACREE A LA MISE EN PARALLELE DES DEUX FAMILLES DE METHODES. APRES UNE ETUDE SUR LEURS PROFILS DIFFERENTS ET POINTS COMMUNS DU POINT DE VUE THEORIQUE, L'OBJECTIF PRINCIPAL EST LA COMPARAISON DE LA QUALITE, TANT VISUELLE QUE SELON DES CRITERES OBJECTIFS, DES CONTOURS OBTENUS PAR DEUX FAMILLES DE METHODES. CETTE ETUDE MET EN LUMIERE LES DIFFERENCES DE COMPORTEMENT DES DEUX FAMILLES DE METHODES, ET PEUT AINSI SERVIR A LA DECISION QUANT AU CHOIX DE LA METHODE LA PLUS APPROPRIEE EN FONCTION DE PROPRIETES OBJECTIVES DES IMAGES

Download or read book Application du principe de minimisation de la complexit stochastique la segmentation d images bruit es par contour actif written by Pascal Martin and published by . This book was released on 2006 with total page 173 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'image consiste à diviser une image en différentes régions d'intérêts possédant certaines propriétés d'homogénéité. Elle intervient dans de multiples domaines d'applications et les images à traiter peuvent alors être perturbées par des bruits de natures différentes. La majorité des techniques de segmentation développée nécessite le réglage d'au moins un paramètre dans le critère à optimiser. Au cours de cette thèse, nous présentons des algorithmes de segmentation en deux régions qui reposent sur la minimisation de la complexité stochastique de l'image. Nous proposons notamment une modélisation statistique non paramétrique originale des fluctuations des niveaux de gris de l'image. Nous obtenons ainsi, la première technique de segmentation adaptée au bruit présent dans l'image sans connaissance \emph{a priori} sur les lois de probabilité qui le décrivent et qui repose sur l'optimisation d'un critère sans paramètre à ajuster.

Download or read book Apport d un algorithme de segmentation ultra rapide et non supervis pour la conception de techniques de segmentation d images bruit es written by Siwei Liu and published by . This book was released on 2014 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'image constitue une étape importante dans le traitement d'image et de nombreuses questions restent ouvertes. Il a été montré récemment, dans le cas d'une segmentation à deux régions homogènes, que l'utilisation de contours actifs polygonaux fondés sur la minimisation d'un critère issu de la théorie de l'information permet d'aboutir à un algorithme ultra-rapide qui ne nécessite ni paramètre à régler dans le critère d'optimisation, ni connaissance a priori sur les fluctuations des niveaux de gris. Cette technique de segmentation rapide et non supervisée devient alors un outil élémentaire de traitement.L'objectif de cette thèse est de montrer les apports de cette brique élémentaire pour la conception de nouvelles techniques de segmentation plus complexes, permettant de dépasser un certain nombre de limites et en particulier :- d'être robuste à la présence dans les images de fortes inhomogénéités ;- de segmenter des objets non connexes par contour actif polygonal sans complexifier les stratégies d'optimisation ;- de segmenter des images multi-régions tout en estimant de façon non supervisée le nombre de régions homogènes présentes dans l'image.Nous avons pu aboutir à des techniques de segmentation non supervisées fondées sur l'optimisation de critères sans paramètre à régler et ne nécessitant aucune information sur le type de bruit présent dans l'image. De plus, nous avons montré qu'il était possible de concevoir des algorithmes basés sur l'utilisation de cette brique élémentaire, permettant d'aboutir à des techniques de segmentation rapides et dont la complexité de réalisation est faible dès lors que l'on possède une telle brique élémentaire.

Download or read book Techniques statistiques de segmentation par contour actif et mise en oeuvre rapide written by Christophe Chesnaud and published by . This book was released on 2000 with total page 146 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE EST CONSACREE AU DEVELOPPEMENT ET A L'ETUDE D'UNE TECHNIQUE ORIGINALE DE SEGMENTATION D'UN OBJET DANS UNE IMAGE. L'APPORT DE CETTE TECHNIQUE EST D'OBTENIR UNE SEGMENTATION ACCEPTABLE MEME EN L'ABSENCE DE CONTOUR NET ENTRE L'OBJET ET LE FOND DE L'IMAGE ANALYSEE. LES APPLICATIONS CONSIDEREES CONCERNENT ESSENTIELLEMENT LA POURSUITE D'OBJET DANS DES SEQUENCES D'IMAGES, CE QUI ENTRAINE UNE CONTRAINTE IMPORTANTE SUR LES TEMPS DE CALCUL ADMISSIBLES POUR LES ALGORITHMES DEVELOPPES. LA TECHNIQUE PROPOSEE REPOSE SUR DES MODELISATIONS PROBABILISTES SIMPLES DE L'IMAGE ANALYSEE QUI PERMETTENT DE PRENDRE EN COMPTE DES INFORMATIONS RELATIVES AUX STATISTIQUES DES NIVEAUX DE GRIS DE L'OBJET ET DU FOND. LA SEGMENTATION EST ALORS POSEE COMME UN PROBLEME D'ESTIMATION DE LA FORME D'UN OBJET DANS UNE IMAGE. UN MODELE PARAMETRIQUE POLYGONAL A ETE CHOISI ET L'ESTIMATION DE SA FORME EST OBTENUE A L'AIDE DES TECHNIQUES STATISTIQUES DE L'ESTIMATION EN PRESENCE DE CHAMPS STOCHASTIQUES DECORRELES MAIS DE PARAMETRES INCONNUS. DANS CE DOCUMENT APRES AVOIR PRESENTE LES PRINCIPES DE BASE DE CETTE NOUVELLE TECHNIQUE, NOUS EN ILLUSTRONS LES PERFORMANCES SUR DIFFERENTS TYPES D'IMAGES. POUR LES IMAGES OPTRONIQUES, NOUS MONTRONS QUE SI ELLE S'AVERE LE PLUS SOUVENT PEU EFFICACE QUAND ON L'APPLIQUE DIRECTEMENT, ELLE DEVIENT BEAUCOUP PLUS PERTINENTE QUAND ELLE EST ASSOCIEE A UN PRETRAITEMENT SIMPLE DE L'IMAGE. UNE PARTIE IMPORTANTE DE NOTRE TRAVAIL A CONSISTE A OPTIMISER LE TEMPS DE CALCUL QUI EST A PRIORI IMPORTANT POUR LES APPLICATIONS CONSIDEREES. LES DEVELOPPEMENTS ALGORITHMIQUES QUI NOUS ONT PERMIS D'OBTENIR UNE ACCELERATION DE L'ORDRE D'UN FACTEUR 400 SONT EGALEMENT PRESENTES CAR ILS TIRENT PLEINEMENT PARTI DES PROPRIETES STATISTIQUES DES MODELES D'IMAGES ET DES ALGORITHMES CONSIDERES. NOUS CONCLUONS CE DOCUMENT EN PRESENTANT DES RESULTATS EN POURSUITE D'OBJETS DANS DES RESULTATS EN POURSUITE D'OBJETS DANS DES SEQUENCES D'IMAGES.

Download or read book D tection et suivi d objets par vision fond s sur segmentation par contour actif base r gion written by Wassima Ait Fares and published by . This book was released on 2013 with total page 130 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation et le suivi d'objets sont des domaines de recherche compétitifs dans la vision par ordinateur. Une de leurs applications importantes réside dans la robotique où la capacité à segmenter un objet d'intérêt du fond de l'image, d'une manière précise, est cruciale particulièrement dans des images acquises à bord durant le mouvement du robot. Segmenter un objet dans une image est une opération qui consiste à distinguer la région objet de celle du fond suivant un critère défini. Suivre un objet dans une séquence d'images est une opération qui consiste à localiser la région objet au fil du temps dans une vidéo. Plusieurs techniques peuvent être utilisées afin d'assurer ces opérations. Dans cette thèse, nous nous sommes intéressés à segmenter et suivre des objets en utilisant la méthode du contour actif en raison de sa robustesse et son efficacité à pouvoir segmenter et suivre des objets non rigides. Cette méthode consiste à faire évoluer une courbe à partir d'une position initiale, entourant l'objet à détecter, vers la position de convergence qui correspond aux bords de cet objet d'intérêt. Nous utilisons des critères qui dépendent des régions de l'image ce qui peut imposer certaines contraintes sur les caractéristiques de ces régions comme une hypothèse d'homogénéité. Cette hypothèse ne peut pas être toujours vérifiée du fait de l'hétérogénéité souvent présente dans les images. Dans le but de prendre en compte l'hétérogénéité qui peut apparaître soit sur l'objet d'intérêt soit sur le fond dans des images bruitées et avec une initialisation inadéquate du contour actif, nous proposons une technique qui combine des statistiques locales et globales pour définir le critère de segmentation. En utilisant un rayon de taille fixe, un demi-disque est superposé sur chaque point du contour actif afin de définir les régions d'extraction locale. Lorsque l'hétérogénéité se présente à la fois sur l'objet d'intérêt et sur le fond de l'image, nous développons une technique basée sur un rayon flexible déterminant deux demi-disques avec deux rayons de valeurs différentes pour extraire l'information locale. Le choix de la valeur des deux rayons est déterminé en prenant en considération la taille de l'objet à segmenter ainsi que de la distance séparant l'objet d'intérêt de ses voisins. Enfin, pour suivre un objet mobile dans une séquence vidéo en utilisant la méthode du contour actif, nous développons une approche hybride du suivi d'objet basée sur les caractéristiques de la région et sur le vecteur mouvement des points d'intérêt extraits dans la région objet. En utilisant notre approche, le contour actif initial à chaque image sera ajusté suffisamment d'une façon à ce qu'il soit le plus proche possible au bord réel de l'objet d'intérêt, ainsi l'évolution du contour actif basée sur les caractéristiques de la région ne sera pas piégée par de faux contours. Des résultats de simulations sur des images synthétiques et réelles valident l'efficacité des approches proposées.

Download or read book Les contours actifs une m thode de s gmentation written by Jean-Jacques Rousselle and published by . This book was released on 2003 with total page 162 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les méthodes de segmentation d'images sont nombreuses ; toutes présentent des avantages mais ne donnent pas entière satisfaction. Toutes doivent être adaptées en fonction des appplications que l'on se propose de réaliser. Les contours actifs ou modèles déformables ont permis de s'affranchir du chaînage des points du contour mais nécessitent le réglage de nombreux paramètres. Les contours actifs que nous avons étudiés sont implémentés par un algorithme "greedy". D'abord, nous proposons une variante basée sur une minimisation par algorithme génétique. Puis nous présentons trois approches pour régler les paramètres qui contrôlent l'évolution du contour. Les plans d'expériences permettent, sur un jeu d'images, de choisir très rapidement un jeu de paramètres performants. Les algorithmes génétiques peuvent être utilisés pour optimiser les paramètres. Enfin, nous décrivons une approche originale où les paramètres sont locaux et tirés aléatoirement. Ces contours actifs autonomes permettent uné évolution des contours sans aucun réglage. Les applications développés trouvent leur intérêt dans le domaine médical.

Download or read book Mod les de contours actifs bas s r gions pour la segmentation d images et de vid os written by Stéphanie Jehan-Besson and published by . This book was released on 2003 with total page 174 pages. Available in PDF, EPUB and Kindle. Book excerpt: L’objectif de cette thèse est l’élaboration de modèles de contours actifs basés régions pour la segmentation d’images et de vidéos. Nous proposons de segmenter les régions ou objets en minimisant une fonctionnelle composée d’intégrales de régions et d’intégrales de contours. Dans ce cadre de travail, les fonctions caractérisant les régions ou les contours sont appelées « descripteurs ». L’équation d’évolution associée est calculée en utilisant les outils de dérivation de domaines. Par ailleurs, nous prenons en compte le cas des descripteurs dépendant de la région qui évoluent au cours de la propagation du contour. Le cadre de travail développé est ensuite mis en œuvre pour des applications variées de segmentation comprenant la segmentation du visage en utilisant le déterminant de la matrice de covariance, la segmentation de régions d’intérêt en utilisant une distance à un histogramme de référence et la détection des objets vidéos.

Download or read book Caract risations et applications de techniques statistiques non param triques et non supervis es de partitions d images written by Guillaume Delyon and published by . This book was released on 2006 with total page 224 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'images est une étape qui consiste à diviser celle-ci en zones d'intérêts possédant certaines propriétés d'homogénéité. Elle possède cependant un degré d'arbitraire dans la définition de l'homogénéité recherchée. De plus, la segmentation d'image est un problème inverse mal posé, ce qui nécessite, le plus souvent, l'introduction de paramètres à régler par l'utilisateur. Nous proposons une nouvelle technique statistique de segmentation, ou plus exactement, de partition en régions statistiquement homogènes fondée sur une modélisation non paramétrique des fluctuations des niveaux de gris de l'image. Cette technique repose sur la minimisation d'un critère, la complexité stochastique, qui ne contient aucun paramètre à régler par l'utilisateur. Nous étudions et caractérisons les performances de cette approche. Enfin, nous illustrons les perspectives applicatives de cette approche notamment par la poursuite d'objets dans une séquence d'images.

Download or read book Segmentation statistique non supervisee d images et detection de contours par filtrage written by Anrong Peng and published by . This book was released on 1992 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Segmentation D images Et Suivi D objets en Vid os written by Mohand Saïd Allili and published by . This book was released on 2008 with total page 262 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book M thodes d acc l ration et approches supervis es pour les contours actifs written by Julien Olivier and published by . This book was released on 2009 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans cette thèse, plusieurs approches permettant d'améliorer les contours actifs sont présentées. Trois méthodes d'accélération ont été développées pour les modèle paramétriques se déformant par évolution gloutonne et appliquées à la segmentation 2D et 3D. Leur principe est d'autoriser une gestion dynamique de la grille de voisinage de chaque point de contrôle du contour actif. Deux modèles supervisés implémentés à l'aide des ensembles de niveaux sont également détaillés. Ceux-ci se basent sur les caractéristiques de textures d'Haralick et utilisent une image d'apprentissage possédant une segmentation experte. Le premier modèle est un contour actif basé région inspiré du modèle de Chan et Vese. Le principe de la programmation linéaire est alors utilisé pour déterminer le poids optimal à affecter à chaque coefficient d'Haralick. Le deuxième modèle introduit un classificateur binaire, appris grâce à la segmentation experte, directement dans l'équation d'évolution du contour actif. Les deux modèles sont appliqués à la segmentation d'images texturées 2D et 3D.

Download or read book Contribution des mod les statistiques de forme et d apparence la segmentation d images written by Nabil Boukala and published by . This book was released on 2007 with total page 238 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce travail de recherche s'inscrit dans le domaine de la segmentation d'images à l'aide de modèles déformables. Nous étudions 2 types de modèles : -les contours actifs ou snakes, -les modèles statistiques, notamment les modèles actifs de forme (ASM) et d'apparence (AAM).Nous proposons d'appliquer ces différentes méthodes au problème de la segmentation d'images radiographiques du bassin. Cette étude comparative révèle la supériorité, en termes de précision et robustesse, des ASM par rapport aux autres approches étudiées. Cependant, notre ensemble de données met clairement en avant une limitation majeure de la méthode à savoir la nécessité d'un ensemble d'entraînement de taille conséquente, contrainte commune aux AAM. En effet, la mise en oeuvre de ces méthodes implique non seulement la possession de nombreuses images-exemples, mais également leur annotation manuelle, soit une lourdeur de la phase d'apprentissage et une limitation du champ d'application. L'approche proposée s'appuie sur des modèles locaux d'apparence très précis. Ces derniers décrivent les variations produites en perturbant aléatoirement le modèle de forme sur une ou plusieurs images d'entraînement. Notre stratégie de recherche fait usage de classificateurs statistiques qui indiquent dans quelles directions chacun des points du modèle doit évoluer. Outre le gain en précision et robustesse apporté, notre approche élargit le domaine d'application au suivi d'objet ou tracking puisqu'elle se satisfait de peu d'exemples d'apprentissage, une unique image pouvant éventuellement remplir cet office. Dans ce cas, un enrichissement du modèle de forme à l'aide d'une méthode par éléments finis est nécessaire

Download or read book Suivi d objets d int r t dans une s quence d images written by Vincent Garcia and published by . This book was released on 2008 with total page 221 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le problème du suivi d’objets dans une vidéo se pose dans des domaines tels que la vision par ordinateur (vidéosurveillance par exemple) et la post-production télévisuelle et cinématographique (effets spéciaux). Il se décline en deux variantes principales : le suivi d’une région d’intérêt, qui désigne un suivi grossier d’objet, et la segmentation spatiotemporelle, qui correspond à un suivi précis des contours de l’objet d’intérêt. Dans les deux cas, la région ou l’objet d’intérêt doivent avoir été préalablement détourés sur la première, et éventuellement la dernière, image de la séquence vidéo. Nous proposons dans cette thèse une méthode pour chacun de ces types de suivi ainsi qu’une implémentation rapide tirant partie du Graphics Processing Unit (GPU) d’une méthode de suivi de régions d’intérêt développée par ailleurs. La première méthode repose sur l’analyse de trajectoires temporelles de points saillants et réalise un suivi de régions d’intérêt. Des points saillants (typiquement des lieux de forte courbure des lignes isointensité) sont détectés dans toutes les images de la séquence. Les trajectoires sont construites en liant les points des images successives dont les voisinages sont cohérents. Notre contribution réside premièrement dans l’analyse des trajectoires sur un groupe d’images, ce qui améliore la qualité d’estimation du mouvement. De plus, nous utilisons une pondération spatio-temporelle pour chaque trajectoire qui permet d’ajouter une contrainte temporelle sur le mouvement tout en prenant en compte les déformations géométriques locales de l’objet ignorées par un modèle de mouvement global. La seconde méthode réalise une segmentation spatio-temporelle. Elle repose sur l’estimation du mouvement du contour de l’objet en s’appuyant sur l’information contenue dans une couronne qui s’étend de part et d’autre de ce contour. Cette couronne nous renseigne sur le contraste entre le fond et l’objet dans un contexte local. C’est là notre première contribution. De plus, la mise en correspondance par une mesure de similarité statistique, à savoir l’entropie du résiduel, d’une portion de la couronne et d’une zone de l’image suivante dans la séquence permet d’améliorer le suivi tout en facilitant le choix de la taille optimale de la couronne. Enfin, nous proposons une implémentation rapide d’une méthode de suivi de régions d’intérêt existante. Cette méthode repose sur l’utilisation d’une mesure de similarité statistique : la divergence de Kullback-Leibler. Cette divergence peut être estimée dans un espace de haute dimension à l’aide de multiples calculs de distances au k-ème plus proche voisin dans cet espace. Ces calculs étant très coûteux, nous proposons une implémentation parallèle sur GPU (grâce à l’interface logiciel CUDA de NVIDIA) de la recherche exhaustive des k plus proches voisins. Nous montrons que cette implémentation permet d’accélérer le suivi des objets, jusqu’à un facteur 15 par rapport à une implémentation de cette recherche nécessitant au préalable une structuration des données.

Download or read book Apprentissage Statistique Vari t s de Formes Et Applications la Segmentation D images written by Patrick Etyngier and published by . This book was released on 2008 with total page 210 pages. Available in PDF, EPUB and Kindle. Book excerpt: Image segmentation with shape priors has received a lot of attention over the past few years. Most existing work focuses on a linearized shape space with small deformation modes around a mean shape, which is only relevant when considering similar shapes. In this thesis, we introduce a new framework that can handle more general shape priors. We model a category of shapes as a finite dimensional manifold, the shape prior manifold, which we analyze from the shape samples using dimensionality reduction techniques such as diffusion maps. An embedding function is then learned from the manifold. Unfortunately, this model does not provide an explicit projection operator onto the underlying shape manifold, and therefore, our work tackles this problem. Our solution is threefold. First, we propose different solutions to the out-of-sample problem and define three attracting forces directed towards the manifold. These forces can be used as projection operators onto the manifold: Projection towards the closest point; Projection with the same embedding ; Projection at constant embedding. Next, we introduce a shape prior term for the active contours/regions framework through a non-linear energy term designed to attract shapes towards the manifold. Finally, we describe a variational framework for manifold denoising. Results with real objects such as car silhouettes or anatomical structures show the potential of our method.