La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Segmentation de séquences dimages au sens du mouvement Stage DEA Image & Calculs Elodie Bichot Juillet 2002 Encadrant : L. Mascarilla.

Présentations similaires


Présentation au sujet: "Segmentation de séquences dimages au sens du mouvement Stage DEA Image & Calculs Elodie Bichot Juillet 2002 Encadrant : L. Mascarilla."— Transcription de la présentation:

1 Segmentation de séquences dimages au sens du mouvement Stage DEA Image & Calculs Elodie Bichot Juillet 2002 Encadrant : L. Mascarilla

2 Introduction illusion de mouvement créée par la succession dimages à une cadence élevée mouvement = information importante en traitement dimages segmentation de séquences dimages au sens du mouvement

3 Plan I.Définition de la segmentation au sens du mouvement II.Les méthodes de segmentation au sens du mouvement 1.Le flot optique 2.Les méthodes destimation du flot optique 3.Le partitionnement du flot optique III.Mise en œuvre 1.Lappariement par fenêtres 2.Lalgorithme de segmentation au sens du mouvement mis en œuvre

4 Contexte : Projet étape de segmentation : détecter la région correspondant au poisson sélectionné images couleurs réelles présentant des effets spéculaires, des changements de luminosité méthodes de segmentation par le mouvement impossible de distinguer deux poissons évoluant en sens opposé au moment où ils se croisent segmentation au sens du mouvement

5 Segmentation au sens du mouvement Partitionnement de limage en régions uniformes au sens du mouvement : estimation du mouvement 2D (flot optique) classification des pixels selon leur mouvement Estimation du mouvement Séquence dimages segmentation Flot optique Images segmentées en régions uniformes au sens du mouvement

6 Le flot optique champ de vecteurs de déplacements produit par la projection du mouvement 3D des objets et/ou par le mouvement de la caméra estimation du flot optique illumination constante : composantes de la vitesse gradient spatial de I gradient temporel de I équation du flot optique

7 Le flot optique équation du flot optique fossé entre mouvement estimé par équation du flot optique et mouvement réel détermination du mouvement problème mal posé : problème douverture : seule b, composante du mouvement normale au bord, peut être estimée [2]

8 Domaines dutilisation du flot optique compression vidéo par compensation de mouvement segmentation : météorologie reconnaissance de signes du langage des signes surveillance de sites routiers Le flot optique pour segmenter des véhicules en mouvement [1]

9 Méthodes destimation du flot optique Techniques différentielles Méthodes fréquentielles Appariement par fenêtres

10 Les méthodes différentielles fondées sur hypothèse dintensité constante Problème douverture ajout de contrainte de lissage du flot optique : flot optique constant sur un voisinage local de meilleure solution : la plus régulière [HS81] [LK81]

11 Positionnement des techniques différentielles coût de calculs faible précise estimation de déplacements de faible amplitude mauvaise estimation du flot optique aux frontières des objets = zones de discontinuités du mouvement

12 Lappariement par fenêtres recherche de la meilleure correspondance entre des régions de deux images consécutives par : – maximisation dun critère de similarité – minimisation dune distance entre deux fenêtres de référence sur une zone de recherche fenêtre de référence ou de corrélation zone de recherche position translatée de la fenêtre de référence pixel (i, j) de limageconsidéré

13 Positionnement de lappariement par fenêtres simple possibilité destimer des déplacements damplitude importante problème en cas dimages bruitées, en présence doccultations, en cas de zones uniformes coûteuse en temps de calculs imprécise

14 Segmentation du flot optique qualité liée à la qualité de lestimation du mouvement par estimation dun mouvement dominant - évaluation du mouvement dominant - « extraction » de lobjet animé du mouvement dominant problème : lorsquil ny a pas quun seul mouvement dominant

15 Segmentation du flot optique par classification sur les paramètres dun modèle de mouvement affine [WA94] : mouvement affine : - facile à implémenter - décrit les mouvements rencontrés dans les vidéos génération dhypothèses de mouvement classification flot optique affectation des régions à lhypothèse la plus proche image segmentée objets en translation : groupement des pixels de même vitesse

16 Estimation du flot optique par appariement par fenêtres simple à lorigine des meilleurs résultats pas fondé sur hypothèse dillumination constante intégration assez facile de linformation de couleur difficile dapprécier la justesse du flot optique estimé image initiale, flot optique évalué par appariement et par la méthode de Lucas & Kanade

17 Estimation du flot optique Représentation des normes des vecteurs vitesses et du flot optique évalués par appariement à partir dimages en niveaux de gris à gauche, à partir dimages en couleurs à droite

18 Algorithme de segmentation au sens du mouvement flot optique évalué par appariement segmentation par classification sur les paramètres dun modèle de mouvement affine nombre de classes fixé arbitrairement Estimation du flot optique Estimation des paramètres dun modèle de mouvement affine sur des régions carrées [WA94] Classification par C moyennes floues sur les paramètres de mouvement Représentation des classes dans lespace de limage image initialeimage segmentée

19 Algorithme de segmentation au sens du mouvement flot optique évalué par appariement segmentation par classification sur les composantes de la vitesse nombre de classes fixé arbitrairement image initiale segmentation par classification sur les composantes de la vitesse

20 Conclusion estimation du flot optique + partitionnement du flot optique = segmentation au sens du mouvement appariement par fenêtres + classification sur les composantes du déplacement = segmentation au sens du mouvement distinction de poissons évoluant en sens opposé coopération entre la segmentation au sens du mouvement et la poursuite de cibles

21 Références [HS81] B.K.P. Horn, B.G. Schunck. Determining optical flow. Artificial Intelligence 17 : , [LK81] B. Lucas, T. Kanade. An iterative image registration technique with an application to stereo vision. Proc. DARPA Image Understanding Workshop, pp , [WA94] J.Y.A. Wang, E.H. Adelson, Spatio-Temporal Segmentation of Video Data. Proceedings of the SPIE : Image and Video Processing 2, vol. 2182, San Jose, [WA94] J.Y.A. Wang, E.H. Adelson. Representing Moving Images with Layers. IEEE Transactions on Image Processing Special Issue : Image Sequence Compression, vol3, n°5, p , [1] [2]


Télécharger ppt "Segmentation de séquences dimages au sens du mouvement Stage DEA Image & Calculs Elodie Bichot Juillet 2002 Encadrant : L. Mascarilla."

Présentations similaires


Annonces Google