Sylvie Alayrangues Jacques-Olivier Lachaud

Slides:



Advertisements
Présentations similaires
Ecole Centrale de Lille/LAGIS (France) *ENSI de Tunis/SOIE (Tunisie)
Advertisements

Programmation linéaire et Recherche opérationnelle
Les systèmes à notre disposition ………………..
CALCUL MENTAL Bernard Izard 6° Avon CM I - TABLES x +
BREVET DE TECHNICIEN SUPÉRIEUR ÉLECTROTECHNIQUE
Traitement d’images : concepts fondamentaux
Traitement d’images : concepts avancés
Licence pro MPCQ : Cours
Similitude et dissimilitude dans les systèmes dinformation Philippe Balbiani Institut de recherche en informatique de Toulouse.
Calcul géométrique avec des données incertaines
GRAPHES FONCTIONNELSANR-GRAAL Serge Burckel avril 2007.
COURS DE MATHEMATIQUES DISCRETES SM
Retour sur le TP ballons Classe de seconde Quont-ils en commun ?
Transformations discrètes et relation discret - continu Lyon, Juin 2006 Eric ANDRES Laboratoire SIC Signal – Image - Communications Université de Poitiers.
Algorithmique du Network Calculus Participants : Laurent Jouhet et Eric Thierry Le Network CalculusLes objetsLes opérations Etat de lartObjectifs Premiers.
Multiplexeur Définition : On appelle multiplexeur tout système combinatoire réalisant la fonction universelle de n variables qui correspondent aux n lignes.
Simplex en 4 Slides – explication:
La voie intuitionniste
Logique et raisonnement scientifique cours transversal Collège Doctoral Pr. Alain Lecomte.
Mathador Flash Cycles 2 et 3 Deux formules de jeu : Partie Flash - Qui calculera le plus vite Principe du « Compte est bon » au plus.
1 Efficient Data and Program Integration Using Binding Patterns Ioana Manolescu, Luc Bouganim, Francoise Fabret, Eric Simon INRIA.
Alain Casali, Rosine Cicchetti, Lotfi Lakhal
Chap. 1 INTRODUCTION Beaucoup de problèmes de la vie courante, tels la gestion de réseaux de communication ou l'ordonnancement de tâches, correspondent.
CHAPITRE III Hypothèses de la Résistance des Matériaux
Définition Contenu Épreuves
Structures Pyramidales Luc Brun L.E.R.I., Reims and Walter Kropatsch Vienna Univ. of Technology, Austria.
Les système linéaires Stéphane Paris.
Analyse en Composante Principale (ACP)
ASI 3 Méthodes numériques pour l’ingénieur
Module 1 Module 1.
Opérateurs morphologiques
Journée de la régionale Nice-Corse
Transformée de Fourier discrète et transformée de Fourier rapide
Miniprojet S.S.I.I. en , S.I.3 Analyse du signal Noteguitare.wav N = fe=44100 Hz le signal audio à analyser :
Rappel... Systèmes dynamiques: discrets; continus.
Geovan Tavares, Thomas Lewiner, Hélio Lopes Laboratório Mat&Mídia, Departamento de Matemática, PUC-Rio Théorie de Morse discrète.
Traitement d’images : concepts fondamentaux
Courbes de Bézier.
Optimisation linéaire
Aiglon - Hydrostone - 9x4x4 pouces Épanchement - Bronze - 9x9x11 pouces.
LES ERREURS DE PRÉVISION e t = X t - P t X1X2X3X4 X5 X6…X1X2X3X4 X5 X6…X1X2X3X4 X5 X6…X1X2X3X4 X5 X6… P5P6P5P6P5P6P5P6 e5e6e5e6e5e6e5e6.
TRAITEMENT D’IMAGE SIF-1033.
Distance de BORGEFORS Et Applications
Les Algorithmes de Tri Introduction Tri par Sélection
Calcul des groupes d'homologie d’objets discrets
Couplage d'un langage de contrôle un système de formatage existant
Introduction Evolution technologique –Puissance des machines –Réseau rapides (ADSL : 30 euros/mois) –Manipulation digitale de l'audio et de la vidéo Applications.
Extraction Automatique de formes complexes : Application à la création de modèle anatomique de la tête J. Piovano, T. Papadopoulo Séminaire Odyssee 9,
Analyse structurelle des systèmes, une approche graphique Christian Commault et Jean-Michel Dion Gipsa-Lab, DépartementAutomatique Université.
DONG Xiaoguang HONG Liang OULDBABA Fadel WANG Min
Sciences de l’ingénieur
Parcours d'une séquence de longueur fixe
Les Définition + =.
III. Récursivité Principe et exemples
Programmation procédurale Transformations
Chapitre II : Résolution de problèmes Résolution de problèmes
Segmentation (1ère partie)
Bases de données   J-L Hainaut Partie 1 - Comprendre les bases de données Partie 2 - Utiliser les bases de données Partie 3 - Développer une base.
Rappel... Valeurs propres et vecteurs propres. Définitions;
Bases de Physique Nucléaire - 2
Factorisation Méthode Somme Produit. Méthode x x + 6 Appelons le premier terme : T 1 T1T1 Appelons le deuxième terme : T 2 T2T2 Appelons le troisième.
Morphologie mathématique ensembliste
TNS et Analyse Spectrale
Electrostatique- Chap.2 CHAPITRE 2 CHAMP ELECTROSTATIQUE Objectif :
SIF1033 Traitement d’image
Théorie du point fixe 1. Rappel Ensemble ordonné Majorant, Minorant
Modèles Mathématiques et représentation discrètes pour la description des images couleur Luc Brun.
Morphologie mathématique (cas fonctionnel)
MATHÉMATIQUES DISCRÈTES Chapitre 6 (relations)
Structure de groupe Def: un groupe est un ensemble (G,*) où
Transcription de la présentation:

Sylvie Alayrangues Jacques-Olivier Lachaud Equivalence entre les représentations d ’images à l ’aide de complexes et d ’ordres Sylvie Alayrangues Jacques-Olivier Lachaud Séminaire IRCOM-SIC juin 2002

Plan Motivations Equivalence ordre/complexe Applications : propriétés intéressantes sur une sous-catégorie d ’ordres et de complexes : ordres et complexes SN ex : complexes simpliciaux, polyédriques, Zn Applications : Homotopies Groupe fondamental Simplification d ’un objet dans un espace

Motivations Représentations topologiques des images Modèles généraux : indépendants de la dimension, sans contrainte sur la nature du support de l ’image, sans contrainte géométrique…

Représentations à l ’aide d ’ordres et de complexes Ordres développés par Bertrand et al. Approche ensembliste Complexes proposés par Dominguez et al. Topologie combinatoire : complexes plongés dans un espace euclidien Différents résultats : définitions et algorithmes purement discrets : surfaces, homotopie, points simples / squelettisation, segmentation définitions par analogie avec le continu : surfaces, groupe fondamental, théorème de Seifert/Van Kampen

Points communs Eléments répartis entre deux classes : “pixels” de l ’image : -terminaux / n-cellules liens entre ces pixels : non -terminaux / k-cellules avec k < n

Ordre CF Ordre |X| = (X,α) Ordre CF : α-terminal X : ensemble d’éléments α : relation d ’ordre (i.e. relation binaire réflexive, transitive, antisymétrique) α-1 = β (X, β) ordre dual Ordre CF : X dénombrable localement fini : fini α-terminal

Représentation des ordres 9 1 2 3 4 5 6 7 8 10 11 12 14 13 x2 x1 x3 x6 x5 x4 x7 x8 x9 x10 x12 x13 x14 x11 x2 x1 x3 x6 x5 x4 x7 x8 x9 x10 x12 x13 x14 x11

Complexe cellulaire abstrait Complexe cellulaire abstrait : C=(E,,dim) E : ensemble d’éléments abstraits,   EE : relation binaire non réflexive , antisymétrique, transitive (relation de bord) dim : EI Z telle que dim(e) < dim(e’) ssi e  e’ (dimension) Complexe localement fini de dimension n: fini

Représentation des complexes Restriction à des complexes polyédriques e5 e4 e2 e1 e7 e10 e11 e12 e9 e8 e6 e3

Lien complexe / ordre C=(E,<,dim) |X|=(X, a) ???

Construire un complexe à partir d ’un ordre (1) a-décomposition de l’ordre : famille {Xi} fonction dima : xXi, dima(x) = i x7 x1 x2 x3 x4 x5 x6 x8 x9 x10 x11 x12 X0 X1 X2 X3 X4

Construire un complexe à partir d ’un ordre (2) Complexe cellulaire abstrait associé à |X| : C|X|=(E,,dim) xX,  (x) E, (x,x’)XX, x’ a(x)/{x} then (x’)(x), dim((x)) = dima(x). Complexe cellulaire abstrait dual associé à |X| : C*|X|=(E*,*,dim*) xX,  *(x) E*, (x,x’)XX, x’ b(x)/{x} then *(x’)*(x), dim(* (x)) = (dima(x)) - dima(x)) = dim*a(x)) .

Exemple x1 x2 x4 x5 x6 x7 x10 x11 x3 x8 x12 x9 *  e5 e4 e2 e1 e7

 Exemple x1 x2 x4 x6 x7 x10 x11 x3 x8 x12 x9 x5 * ordre dual  x4

Ordre / Complexe dual -terminaux représentés par des n-cellules complexe pur : toute k-cellule est face d’au moins une n-cellule

Correspondances ordre/complexe dual *(a(x)) = st(*(x)) *(b(x)) = cl(*(x)) topologies d’Alexandroff : ouverts de |X| fermés de C*|X| fermés de |X| ouverts de C*|X|

Images des adhérences x1 x2 x3 x4 x5 x6 x7 x8 x9 x1 x2 x3 x4 x5 x6 x7 *(a(x)) = st(*(x)) *(b(x)) = cl(*(x))

Ouverts dans les ordres x1 x2 x4 x6 x7 x10 x11 x3 x8 x12 x5 Ordre CF : S ouvert S={xS/(x)S} Complexe dual : *(S) fermé *(S)=cl(*(S) ) x9 e*1 e*2 e*3 e*4 e*10 e*11 e*12 e*5 e*6 e*9 e*8 e*7

Fermés dans les ordres x1 x2 x4 x6 x7 x10 x11 x3 x8 x12 x5 CF-Order : S fermé S={xS/a(x)S} Dual abstract complex : *(S) ouvert *(S)=st(*(S)) x9 e*1 e*2 e*3 e*4 e*10 e*11 e*12 e*5 e*6 e*9 e*8 e*7

Connexité entre les -terminaux / n-cellules Sélectionner des non -terminaux / des k-cellules (k<n) définir les adjacences entre -terminaux / n-cellules x1 x2 x4 x6 x7 x10 x11 x3 x8 x12 x5 x13 x9 x14 e*1 e*2 e*3 e*4 e*10 e*11 e*12 e*5 e*6 e*9 e*8 e*7 e*13 e*14 x1 x2 x4 x6 x7 x10 x11 x3 x8 x12 x5 x13 x9 x14 e*1 e*2 e*3 e*4 e*10 e*11 e*12 e*5 e*6 e*9 e*8 e*7 e*13 e*14 x1 x2 x4 x6 x7 x10 x11 x3 x8 x12 x5 x13 x9 x14 e*1 e*2 e*3 e*4 e*10 e*11 e*12 e*5 e*6 e*9 e*8 e*7 e*13 e*14

Deux approches pour déterminer la connexité maximale Topologique : par équivalence homotopique suppression itérative de points par rétractions élémentaires sans changement de la topologie -noyau Ensembliste : par examen des intersections des clôtures combinatoire de tout ensemble de n-cellules nombre minimal de k-cellules qui connectent le maximum de n-cellules Support

Exemple d ’extraction d ’un noyau

Exemple de détermination d ’un support

Configuration problématique x1 x4 x5 x6 x2 e*1 e*2 e*5 e*6 e*4 e*3 x3

Ordres et Complexes ”Strongly Normal” complexe SN pur : complexe localement fini l ’intersection des clôtures de tout ensemble de n-cellules est soit vide, soit la clôture d ’une cellule de dimension quelconque. ordre SN: Ordre CF L ’intersection des β-adjacences de tout ensemble de -terminaux est soit vide, soit la β-adjacence d ’un élément quelconque de l ’ordre

Exemple x1 x2 x4 x6 x7 x10 x11 x3 x8 x12 x5 x13 x9 x1 x2 x4 x6 x7 x10

Résultat principal Ox : sous-ensemble de -terminaux d ’un ordre SN OK : sous-ensemble de n-cellules d ’un complexe SN tels que OK = *(OX) -noyau de | β(OX)| = support de OK

" Strong weak lighting functions" Famille de fonctions permettant de formaliser différentes notions de connexité par sélection des cellules/éléments nécessaires valable pour un objet et son complémentaire Propriétés de ces fonctions pour tout objet O les pixels (n-cellules / -terminaux) de O sont sélectionnés seuls les éléments appartenant au support de O / -noyau de |β(O)| peuvent être sélectionnés si un élément est sélectionné pour un objet O, il est sélectionné pour l ’image le choix de sélectionner ou non un élément doit pouvoir se faire localement

Homotopie Transformations préservant la topologie squelettisation… Définition purement discrète sur les ordres suite d ’homotopies élémentaires -homotopie et β-homotopie Transfert sur les complexes -homotopie et -homotopie

Groupe fondamental Invariant algébrique utilisé pour comparer les formes des objets groupe composé des classes d ’équivalence pour la relation d ’homotopie de l ’ensemble des lacets ex : sphère / groupe fondamental trivial (i.e. elle est simplement connexe) Défini par Dominguez par analogie avec le continu construction de chemins et de lacets entre les n-cellules : un chemin de e à e’ est une fonction c d’un intervalle [0,tmax] telle que c(0)=e, c(tmax)=e ’ et c(t) est alternativement une n-cellule et une k-cellule (k < n). Transfert sur les ordres : construction similaire de chemins et de lacets entre -terminaux

Exemple : chemins homotopes sur un objet O

Simplification Définition de points simples : points dont la suppression ne modifie ni la topologie de l ’objet ni celle de son complémentaire Caractérisation de points simples d ’un ordre par Bertrand caractérisation de points simples sur un objet de l ’ordre / du complexe (en cours)

Conclusion

Perspectives Vérification de la cohérence des notions de surface définies sur les ordres et les complexes Comparaison avec d ’autres modèles : cartes… Utilisation des ordres pour de l ’analyse d ’images multirésolution