Difference between revisions of "Publications/xu.14.rfia"

From LRDE

 
Line 9: Line 9:
 
| category = national
 
| category = national
 
| lrdeprojects = Olena
 
| lrdeprojects = Olena
| abstract = Le cadre classique des filtres connexes consiste à enlever d'un graphe certaines de ses composantes connexes. Pour appliquer ces filtres, il est souvent utile de transformer une image en un arbre de composantes, et on élague cet arbre pour simplifier l'image de départ. Les arbres ainsi formés ont des propriétés remarquables pour la vision par ordinateur. Une première illustration de leur intérêt est la définition d'un détecteur de zones d'intérêt, vraiment invariant aux changements de contraste, qui nous permet d'obtenir des résultats à l'état de l'art en recalage d'images et en reconstruction 3D à base d'images. Poursuivant dans l'utilisation de ces arbres, nous proposons d'élargir le cadre des filtres connexes. Pour cela, nous introduisons la notion d'espaces des formes basés sur des arbres~: au lieu de filtrer des composantes connexes du graphe correspondant à l'imagenous proposons de filtrer des composantes connexes du graphe donné par l'arbre des composantes de l'image. Ce cadre général, que nous appelons morphologie basée sur les formes, peut être utilisé pour la détection et la segmentation d'objets, l'obtention de segmentations hiérarchiques, et le filtrage d'images. De nombreuses applications et illustrations montrent l'intérêt de ce cadre.
+
| abstract = Le cadre classique des filtres connexes consiste à enlever d'un graphe certaines de ses composantes connexes. Pour appliquer ces filtres, il est souvent utile de transformer une image en un arbre de composantes, et on élague cet arbre pour simplifier l'image de départ. Les arbres ainsi formés ont des propriétés remarquables pour la vision par ordinateur. Une première illustration de leur intérêt est la définition d'un détecteur de zones d'intérêt, vraiment invariant aux changements de contraste, qui nous permet d'obtenir des résultats à l'état de l'art en recalage d'images et en reconstruction 3D à base d'images. Poursuivant dans l'utilisation de ces arbres, nous proposons d'élargir le cadre des filtres connexes. Pour cela, nous introduisons la notion d'espaces des formes basés sur des arbres : au lieu de filtrer des composantes connexes du graphe correspondant à l'imagenous proposons de filtrer des composantes connexes du graphe donné par l'arbre des composantes de l'image. Ce cadre général, que nous appelons morphologie basée sur les formes, peut être utilisé pour la détection et la segmentation d'objets, l'obtention de segmentations hiérarchiques, et le filtrage d'images. De nombreuses applications et illustrations montrent l'intérêt de ce cadre.
 
| lrdepaper = http://www.lrde.epita.fr/dload/papers/xu.14.rfia.pdf
 
| lrdepaper = http://www.lrde.epita.fr/dload/papers/xu.14.rfia.pdf
 
| lrdekeywords = Image
 
| lrdekeywords = Image

Latest revision as of 11:07, 15 May 2020

Abstract

Le cadre classique des filtres connexes consiste à enlever d'un graphe certaines de ses composantes connexes. Pour appliquer ces filtres, il est souvent utile de transformer une image en un arbre de composantes, et on élague cet arbre pour simplifier l'image de départ. Les arbres ainsi formés ont des propriétés remarquables pour la vision par ordinateur. Une première illustration de leur intérêt est la définition d'un détecteur de zones d'intérêt, vraiment invariant aux changements de contraste, qui nous permet d'obtenir des résultats à l'état de l'art en recalage d'images et en reconstruction 3D à base d'images. Poursuivant dans l'utilisation de ces arbres, nous proposons d'élargir le cadre des filtres connexes. Pour cela, nous introduisons la notion d'espaces des formes basés sur des arbres : au lieu de filtrer des composantes connexes du graphe correspondant à l'imagenous proposons de filtrer des composantes connexes du graphe donné par l'arbre des composantes de l'image. Ce cadre général, que nous appelons morphologie basée sur les formes, peut être utilisé pour la détection et la segmentation d'objets, l'obtention de segmentations hiérarchiques, et le filtrage d'images. De nombreuses applications et illustrations montrent l'intérêt de ce cadre.

Documents

Bibtex (lrde.bib)

@InProceedings{	  xu.14.rfia,
  author	= {Yongchao Xu and Thierry G\'eraud and Laurent Najman},
  title		= {Espaces des formes bas\'es sur des arbres : d\'efinition
		  et applications en traitement d'images et vision par
		  ordinateur},
  booktitle	= {Actes du 19\`eme Congr\`es National sur Reconnaissance des
		  Formes et l'Intelligence Artificielle (RFIA)},
  year		= 2014,
  address	= {Rouen, France},
  month		= jul,
  volume	= 1,
  category	= {national},
  abstract	= {Le cadre classique des filtres connexes consiste \`a
		  enlever d'un graphe certaines de ses composantes connexes.
		  Pour appliquer ces filtres, il est souvent utile de
		  transformer une image en un arbre de composantes, et on
		  \'elague cet arbre pour simplifier l'image de d\'epart. Les
		  arbres ainsi form\'es ont des propri\'et\'es remarquables
		  pour la vision par ordinateur. Une premi\`ere illustration
		  de leur int\'er\^et est la d\'efinition d'un d\'etecteur de
		  zones d'int\'er\^et, vraiment invariant aux changements de
		  contraste, qui nous permet d'obtenir des r\'esultats \`a
		  l'\'etat de l'art en recalage d'images et en reconstruction
		  3D \`a base d'images. Poursuivant dans l'utilisation de ces
		  arbres, nous proposons d'\'elargir le cadre des filtres
		  connexes. Pour cela, nous introduisons la notion d'espaces
		  des formes bas\'es sur des arbres~: au lieu de filtrer des
		  composantes connexes du graphe correspondant \`a l'image,
		  nous proposons de filtrer des composantes connexes du
		  graphe donn\'e par l'arbre des composantes de l'image. Ce
		  cadre g\'en\'eral, que nous appelons morphologie bas\'ee
		  sur les formes, peut \^etre utilis\'e pour la d\'etection
		  et la segmentation d'objets, l'obtention de segmentations
		  hi\'erarchiques, et le filtrage d'images. De nombreuses
		  applications et illustrations montrent l'int\'er\^et de ce cadre.}
}