Segmentation et traitements préliminaires des images de profondeur (original) (raw)
Related papers
Estimation de profondeur à partir d'images floues par approche génétique
2007
Cet article expose une méthode de perception de la profondeur dans les images en vision monoculaire passive en utilisant une technique d'optimisation de type génétique. L'estimation de la profondeur est abordée comme un problème d'estimation de paramètres de modèles de contours et de défocalisation grâce à l'acquisition d'un couple d'images nette et floue. Ce problème est traité par une méthode génétique appliquée simultanément à l'image nette et à l'image floue. L'obtention d'une image nette en tout point étant délicate et conduisant à des erreurs d'estimation de la profondeur, la technique génétique est d'un grand intérêt car elle nous permet de travailler uniquement avec l'image floue en estimant l'ensemble des paramètres de contours et la quantité de flou optique en évitant l'acquisition de l'image nette. Les performances de l'approche génétique avec le couple d'images nette/floue puis une image floue sont évaluées et comparées à une autre méthode de perception de profondeur précédemment développée.
Amélioration de l'évaluation de la profondeur à partir d'un couple d'images nette et floue
2001
Nous présentons dans cet article la généralisation d'une méthode d'estimation locale de la profondeur sur les contours utilisant un couple d'images nette et floue. Après avoir positionné cette méthode de depth from defocus, initialement développée par T. Simon ([9]), nous définissons les relations théoriques mettant en oeuvre cette généralisation. Nous apportons une solution à la sensibilité aux variations locales de luminance et montrons les contraintes théoriques de la méthode. Enfin, l'application de la méthode à des images de synthèse et à une scène réelle est présentée.
Recherche d'images par régions d'intérêt : segmentation grossière rapide et description couleur fine
Technique Et Science Informatiques, 2003
Les deux problèmes posés par un système de recherche d'images par régions sont la définition et la description automatiques de régions. Dans cet article nous présentons dans un premier temps une technique non supervisée de détection de régions grossières qui améliore leur spécificité visuelle. La segmentation est basée sur la classification de Distributions Locales de Couleurs Quantifiées (ou LDQC pour Local Distribution of Quantized Colors). L'algorithme de classification par agglomération compétitive (CA) est utilisé. Il a l'avantage de déterminer automatiquement le nombre de classes. Puis, en considérant que la description d'une région doit être plus fine pour les régions que pour les images, nous proposons un descripteur de variabilité couleur de région : la Distribution Adaptative de Nuances de Couleurs (ou ADCS pour Adaptive Distribution of Colors Shades). Comparée aux descripteurs couleur existants, la haute résolution couleur de ADCS améliore la similarité perceptuelle des régions retrouvées. En conséquence, le système de recherche d'images par régions d'intérêt est plus intuitif.
Analyse d'images : Filtrage et segmentation
HAL (Le Centre pour la Communication Scientifique Directe), 1995
Remerciements Un ouvrage comportant autant d'essais n'a pu se faire sans les conseils et la participation de nombreux collègues de différents laboratoires, doctorants, ingénieurs-système, sans oublier les personnes ayant accepté de relire certaines parties du texte. Nous remercions chaleureusement :
Apprentissage profond et traitement d'images pour la détection de fumée
Université de Toulon ; École nationale d'ingénieurs de Tunis (Tunisie), 2020
Ce travail a été fait au sein des deux Laboratoires SIME à l'ENSIT et LIS à Sea-Tech de Toulon, et dans le cadre du projet PHC Utique 41755XB, CMCU 19G1126, entre les deux Laboratoire. Je tiens à remercier en premier lieu Mr. Farhat Fnaiech, pour m'avoir accueilli dans son Labo et pour avoir assuré la direction de ma thèse de Doctorat dans sa première partie. Ses conseils et sa tolérance face à mes questions m'ont énormément aidé à surmonter de nombreux obstacles. Je tiens à exprimer ma profonde gratitude à mes directeurs de thèse, Mr. Mounir Sayadi, Mr Moez Bouchouicha et Mr Eric Moreau, de m'avoir fait découvrir un domaine de
Segmentation d'images texturées par transformée en ondelettes et classification C-moyenne floue
2005
Nous présentons dans ce papier une nouvelle méthode de segmentation d'images texturées basée sur l'application de la transformée en ondelettes au niveau du voisinage de chaque pixel et l'extraction d'un vecteur d'attributs caractérisant la texture existante suivie d'une classification réalisée dans l'espace des attributs au moyen de la méthode C-moyenne floue. Un post-traitement permet d'éliminer le bruit de la classification et d'étiqueter les composantes connexes pour déterminer les différentes régions composant l'image. La méthode a été testée sur des textures de l'album de Brodatz ainsi que sur des images médicales contenant des textures naturelles. .
Segmentation d'images par sélection de courbes de niveau
1999
We study an image segmentation energy, which minimizer can be determined. The approach estimates the unknown number of objects and draws object boundaries by selecting the \best" level lines computed from level sets of the image. As a consequence, no energy minimization methods is necessary, yielding to a fast and non-iterative segmentation algorithm. Finally, anisotropic di usion is used to smooth level lines in noisy images.
Segmentation géométrique d'images 3D par analyse topologique de représentations compactes
La reconnaissance et la caractérisation des formes sont des questions clés de l'analyse d'image. Nous proposons ici une nouvelle méthode de segmentation géométrique d'images 3D basée sur l'analyse topologique de l'axe médian. Cette technique permet de décomposer un volume en parties de forme planaire ou tubulaire pour en extraire des paramètres géométriques quantitatifs et analyser des réseaux poreux complexes. Après l'avoir valider sur un fantôme, on applique cette méthode sur des images réelles de réseaux trabéculaires osseux afin de la comparer à une approche basée sur un squelette.
Approche interpixel en analyse d'images: une topologie et des algorithmes de segmentation
Th ese de doctorat, Universit e Montpellier II, 1995
T hè s e présentéeà l'Université des Sciences et Techniques du Languedoc pour obtenir le diplôme de DOCTORAT Spécialité : Informatique Formation Doctorale : Informatiqué Ecole Doctorale : Sciences pour l'Ingnieur Approche interpixel en analyse d'images, une topologie et des algorithmes de segmentation par
2000
Dans cet article, nous présentons un système multiagents basé sur le champ de potentiel pour la détection de contours dans les images de profondeurs. Une populations d'agents situés est lancée afin d'explorer l'image. Lors de leur mouvement, chaque agent lisse l'image le long de son parcours, et altère les pixels qui n'appartiennent pas à la surface sur laquelle il se déplace. Sur la bordure entre deux surfaces adjacentes, deux groupes d'agents seront en compétition pour inclure les pixels de la bordure à leurs surfaces respectives. Cette compétition va préserver les contours contre l'effacement. Cependant les régions de bruits sont effacées par un lissage successif, opéré par les agents se déplaçant sur la même surface. Un champ de potentiel, crée autours des pixels altérés, permet aux agents qui sont dans le voisinage de ces pixels de se regrouper et de concentrer leur action autours de ces pixels. Après plusieurs altérations du même pixel, le champ de potentiel autour de ce pixel est relaxé, permettant aux agents qui sont sous son influence de se libérer et d'explorer d'autres régions de l'image.