traitement d'images par modèles discrets sur ... - Olivier Lezoray

More documents

Recommendations

Info

46 Chapitre 2 - Traitement d’images par modèles discrets sur graphes fines qui peuvent être détruites lors du calcul d’un gradient. La figure 2.26 présente plusieurs niveaux de hiérarchies de partitions produites par zones quasi-plates, zones homogènes stratifiées et par cascades. La carte de saillance (dernière colonne de la figure 2.26) illustre l’importance de chaque pixel tout au long des niveaux. La saillance d’un pixel est définie comme le plus haut niveau auquel ce pixel est à la frontière entre deux régions. On constate bien alors le caractère intermédiaire des hiérarchies par zones homogènes stratifiées par rapport aux critères connectifs classiques. Une carte de saillance extraite par l’une ces méthodes peut être interprétée comme un détecteur de contours basé régions [ARBELA04]. Nous avons comparé expérimentalement le comportement des zones homogènes comparativement aux deux approches classiques de hiérarchies de partitions que sont les zones quasi-plates et la ligne de partage des eaux. Afin d’avoir une réelle validation expérimentale, nous avons mené nos tests sur 200 images de la base d’images naturelles de Berkeley. On notera qu’habituellement, les approches morphologiques proposées dans la littérature le sont sans validation expérimentale à grande échelle [ANGULO07]. Nous avons alors pu constater que les zones homogènes sont de très bons candidats pour la segmentation automatique d’images [56, 70]. Elle sont d’ailleurs à présent utilisées comme composant de base de segmentation automatique en vidéo-surveillance dans le cadre du projet BOSS (on Board Wireless Secured Video Surveillance) à l’INRETS [56]. FIG. 2.26 – Hiérarchies de partitions par les zones quasi plates (ligne du haut), zones homogènes (ligne du milieu) et cascades (ligne du bas). Les partitions présentées correspondent aux niveaux 1, 5 et 10 de la hiérarchie (de gauche à droite) et la dernière colonne présente la carte de saillance correspondante sur les dix niveaux. 2.4.3 Diffusion-Fusion ☞ Mes publications associées : [16, 37, 51, 67]
2.4. Hiérarchies de partitions 47 Comme nous l’avons vu, une partition fine est une partition sur-segmentée d’une image qui est très proche du contenu original de l’image. Dans le cas où l’on considère les zones strictement plates, l’image mosaïque associée à la partition fine correspond exactement à l’image originale, mais elle permet d’en obtenir une représentation plus compacte (moins de régions que de pixels). De plus, l’image mosaïque (à chaque pixel est associé la couleur moyenne de la région à laquelle il appartient) est une représentation simplifiée d’une image. Il semble donc plus intéressant de travailler directement au niveau région plutôt qu’au niveau pixel. Partant d’une partition fine, nous pouvons associer un modèle à chaque noeud du graphe d’adjacence associé à une région de la partition fine. Nous considérons ici le modèle le plus simple possible à savoir la couleur moyenne de la région. Habituellement, dans une approche espace-échelle, on travaille au niveau pixel et l’image est simplifiée par diffusion [VANHAM03], ce qui a généralement comme défaut de déplacer les frontières des régions à travers les échelles lorsqu’on leur associe une partition. Nous préférons donc considérer une représentation ensemble-échelle [GUIGUE06] qui consiste à travailler au niveau région et à effectuer un schéma de diffusion sur les régions. La diffusion opérera donc directement sur le graphe d’adjacence de régions d’une partition fine et non sur l’image originale. Ceci revient à simplifier les modèles associés aux régions et permet d’obtenir un ensemble de graphes simplifiés à différents niveaux d’échelle. Pour simplifier un graphe d’adjacence, nous effectuons une régularisation discrète sur ce graphe avec p = 2 et λ = 0, ce qui revient à une diffusion linéaire sur le graphe. La figure 2.27 présente un exemple de graphes simplifiés FIG. 2.27 – Un ensemble d’images simplifiées dans une approche ensemble-échelle sur un graphe d’adjacence de régions après 0, 5, 15, 50 et 200 itérations (de gauche à droite) sur une image (première ligne) et une version bruitée de celle-ci. La partition initiale est obtenue par les zones strictement plates. à différents niveaux d’échelles. Nous présentons l’image mosaïque pour illustrer le résultat de la simplification. La partition fine initiale correspondait ici au zones strictement plates c’est à dire que l’image mosaïque de la partition initiale correspond exactement à l’image originale. Les images mosaïques présentées correspondent à une simplification du graphe après 0, 5, 15, 50 et 200 itérations. Nous présentons également le même traitement sur la même image originale bruitée par un bruit gaussien (σ = 5). On remarque tout d’abord qu’effectuer une diffusion sur le graphe permet effectivement d’obtenir une simplification à différents niveaux d’échelles. De plus, effectuer une simplification sur le graphe d’adjacence est plus rapide que sur le graphe
Page 1:
UNIVERSITÉ de CAEN BASSE-NORMANDIE
Page 5 and 6: TABLE DES MATIÈRES 1 Introduction
Page 7: Table des matières VII A.5.2 Activ
Page 10 and 11: 2 Chapitre 1 - Introduction génér
Page 12 and 13: 4 Chapitre 2 - Traitement d’image
Page 18 and 19: 10 Chapitre 2 - Traitement d’imag
Page 34 and 35: 26 2.2.5 Conclusion et perspectives
Page 50 and 51: 42 2.4 Hiérarchies de partitions 2
Page 66 and 67: 58 Chapitre 3 - Classification de d
Page 105 and 106:
CHAPITRE 4 Conclusion générale et
Page 107 and 108:
4.2. Perspectives et Projets 99 cap
Page 109 and 110:
4.2. Perspectives et Projets 101 pr
Page 111 and 112:
CHAPITRE 5 Bibliographie [ABE05] [A
Page 113 and 114:
Chapitre 5 - Bibliographie 105 [CEL
Page 115 and 116:
Chapitre 5 - Bibliographie 107 [GOU
Page 117 and 118:
Chapitre 5 - Bibliographie 109 [KUL
Page 119 and 120:
Chapitre 5 - Bibliographie 111 [MEY
Page 121 and 122:
Chapitre 5 - Bibliographie 113 [SCH
Page 123:
Chapitre 5 - Bibliographie 115 [VER
Page 126 and 127:
118 Annexe A - Curriculum Vitae - D
Page 128 and 129:
120 Annexe A - Curriculum Vitae FIG
Page 130 and 131:
122 Annexe A - Curriculum Vitae afi
Page 132 and 133:
124 Annexe A - Curriculum Vitae - R
Page 135 and 136:
ANNEXE B Publications Publications
Page 137 and 138:
Annexe B - Publications 129 [18] O.
Page 139 and 140:
Annexe B - Publications 131 [44] G.
Page 141:
Annexe B - Publications 133 [71] G.
show all

traitement d'images par modèles discrets sur ... - Olivier Lezoray

Create successful ePaper yourself

Delete template?

Save as template?