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 |
+ | | 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
- Authors
- Yongchao Xu, Thierry Géraud, Laurent Najman
- Where
- Actes du 19ème Congrès National sur Reconnaissance des Formes et l'Intelligence Artificielle (RFIA)
- Place
- Rouen, France
- Type
- inproceedings
- Projects
- Olena
- Keywords
- Image
- Date
- 2014-07-01
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.} }