Modélisation de structures curvilignes et ses applications en vision par ordinateur
| Date: | Lundi, 23 Novembre 2015 |
| Heure: | 14:30 |
| Lieu: | Amphithéâtre Morgenstern, Bâtiment G. Kahn, INRIA Sophia Antipolis Méditerranée, 2004 route des Lucioles, 06902 Sophia Antipolis |
Rapporteurs:
Christine Graffigne, Université Paris Descartes, France
Tamás Szirányi, MTA SZTAKI & Université de Technologie et d’Économie de Budapest, Hongrie
Examinateurs:
Pascal Fua, EPFL, Suisse
Xavier Descombes, Morpheme, INRIA Sophia Antipolis, France
Directrices de thèse:
Josiane Zerubia, Ayin, INRIA Sophia Antipolis, France
Yuliya Tarabalka, Titane, INRIA Sophia Antipolis, France
Résumé:
Dans cette thèse, nous proposons des modèles de reconstruction de la structure curviligne fondée sur la modélisation stochastique et sur un système d’apprentissage structuré. Nous supposons que le réseau de lignes, dans sa totalité, peut être décomposé en un ensemble de segments de ligne avec des longueurs et orientations variables. Cette hypothèse nous permet de reconstituer des formes arbitraires de la structure curviligne pour différents types de jeux de données. Nous calculons les descripteurs des caractéristiques curvilignes fondés sur les profils des gradients d’image et les profils morphologiques. Pour le modèle stochastique, nous proposons des contraintes préalables qui définissent l’interaction spatiale des segments de ligne. Pour obtenir une configuration optimale correspondant à la structure curviligne latente, nous combinons plusieurs hypothèses de ligne qui sont calculées par échantillonnage MCMC avec différents jeux de paramètres. De plus, nous apprenons une fonction de classement qui prédit la correspondance du segment de ligne donné avec les structures curvilignes latentes. Une nouvelle méthode fondée sur les graphes est proposée afin d’inférer la structure sous-jacente curviligne en utilisant les classements de sortie des segments de ligne. Nous utilisons nos modèles pour analyser la structure curviligne sur des images statiques. Les résultats expérimentaux sur de nombreux types de jeux de données démontrent que les modèles de structure curviligne proposés surpassent les techniques de l’état de l’art.
Mots-clés:
Modélisation de structure curviligne, processus ponctuel marque, inférence de structure, apprentissage automatique
