Publications of 2001

Result of the query in the list of publications :

• 2 Articles
• 2 PhD Thesis and Habilitations
• 15 Conference articles
• 4 Technical and Research Reports
• 2 Collection articles or Books chapters
• 1 Book

new search | get the bibtex

navigation : 1 - 2 - 3 display : 10 per page | 20 per page | 50 per page

4 Technical and Research Reports

2 - Building detection by markov object processes and a MCMC algorithm. L. Garcin and X. Descombes and J. Zerubia and H. Le Men. Research Report 4206, Inria, France, June 2001. Keywords : Stochastic geometry, Marked point process, Buildings, RJMCMC. @TECHREPORT{xd01a, author = {Garcin, L. and Descombes, X. and Zerubia, J. and Le Men, H.}, title = {Building detection by markov object processes and a MCMC algorithm}, year = {2001}, month = {June}, institution = {Inria}, type = {Research Report}, number = {4206}, address = {France}, url = {https://hal.inria.fr/inria-00072416}, pdf = {https://hal.inria.fr/file/index/docid/72416/filename/RR-4206.pdf}, ps = {https://hal.inria.fr/docs/00/07/24/16/PS/RR-4206.ps}, keyword = {Stochastic geometry, Marked point process, Buildings, RJMCMC} } Résumé : Le but de ce travail est de détecter les bâtiments à partir de photographies aeriennes numériques. Nous modélisons un ensemble de bâtiments par une configuration d'objets. Nous définissons un processus ponctuel sur l'ensemble des configurations qui se décompose en deux parties : * La première est un modèle a priori sur les configurations qui considère des interactions entre les objets, * la seconde est un modèle d'attache aux données qui induit la cohérence du résultat avec l'image traitée. Nous avons ainsi une distribution a posteriori dont nous recherchons la configuration maximale. Pour obtenir ce maximum, nous utilisons une simulatio- n de type MCMC - un algorithme de Metropolis-Hasting-Green- couplée avec un schéma de recuit simulé. Nous testons la méthode décrite à la fois sur des données synthétiques et des images stéréoscopiques réelles. Abstract : This work aims at detecting buildings in digital a­erial photographs. Here we model a set of buildings by a configuration of objects. We define a point process on the set of configurations, which splits into two parts : * the first one is a prior model on the configurations which use interactions between objects, * the second one is a data model which enforces the coherence with the image. Thus we have a posterior distribution whose maximum has to be found. In order to achieve this maximum, we use a MCMC simulation - a Metropolis-Hasting- s-Green algorithm - mixed with a simulated annealing. Then we test this method on both synthetic and real stereo-images.

3 - La poursuite de projection pour la classification d'image hyperspectrale texturée. G. Rellier and X. Descombes and F. Falzon and J. Zerubia. Research Report 4152, Inria, France, March 2001. Keywords : Classification, Texture, Hyperspectral imaging, Markov Fields. @TECHREPORT{xd01, author = {Rellier, G. and Descombes, X. and Falzon, F. and Zerubia, J.}, title = {La poursuite de projection pour la classification d'image hyperspectrale texturée}, year = {2001}, month = {March}, institution = {Inria}, type = {Research Report}, number = {4152}, address = {France}, url = {https://hal.inria.fr/inria-00072472}, pdf = {https://hal.inria.fr/file/index/docid/72472/filename/RR-4152.pdf}, ps = {https://hal.inria.fr/docs/00/07/24/72/PS/RR-4152.ps}, keyword = {Classification, Texture, Hyperspectral imaging, Markov Fields} } Résumé : Dans ce travail, nous considérons le problème de la classification supervisée de texture à partir d'images multi-composante de télédetection, dites hyperspectrales. Ces images, le plus souvent acquises par des instruments spectro-imageurs dont le nombre de canaux est en général supérieur à 10, fournissent ainsi une représentation du paysage échantillonnée à la fois spatialement et spectralement. Le but de ce travail est de réaliser une analyse de texture qui se déroule conjointement dans ces deux espaces discrets. On recherche ainsi à enrichir la représentation "habituelle" de texture fondée sur la prise en compte des variations locales de contraste, par l'adjonction d'une connaissance sur ses variations spectrales. L'applicati- on qui est susceptible de bénéficier directement des résultats de cette étude est la classification du tissu urbain. En effet, la réponse spectrale (radiométrique) des zones urbaines est en général ambiguë du fait de la similitude de réponse spectrale de certains matériaux constitutifs du paysage urbain avec certains éléments naturels tels que l'eau, le sol nu, la végétation. La multiplication des bandes spectrales a pour conséquence de rendre plus complexes les mesures et demande également la prise en considération d'un nombre d'échantillons d'apprentissage très important. Quand le nombre de ces échantillons n'est pas suffisant, il faut passer par une étape de réduction de la dimension de l'espace d'observation. Pour prendre en compte le problème de la dimension et celui de l'analyse de texture conjointement dans le domaine spatial et spectral, on se propose ici de faire coopérer un algorithme de poursuite de projection paramétrique, déjà utilisé pour la réduction d'espace dans un cadre non-contextuel, à un modèle de texture par champ markovien, dit modèle markovien gaussien. Abstract : In this work we develop a supervised texture classification algorithm for application to the class of multi-component images called hyperspectral. These images, usually recorded by spectrometers with a number of bands greater than 10, give both a spatially and spectrally sampled representation of a remote scene. The aim of this work is to perform a joint texture analysis in both discrete spaces. The use of spectral variations in this joint texture analysis scheme enables us to improve on the standard representa- tion of textures which only takes into account the local contrast variations. A likely application of this work is urban area classification. Indeed, the spectral response of urban areas is in general ambiguous because some of its constitutive elements have the same reflectance as natural elements such as water, vegetation or bare soil. The greater number of spectral bands makes the measures more complex and so creates the need for a greater number of training samples. When the number of training samples is not sufficient, a necessary step in the analysis is to reduce the dimension of the observation space. To take into account both the problem of dimensional- ity and the jointly spectral and spatial texture analysis, we propose to use in cooperation a projection pursuit algorithm and a Gauss-Markov random field texture model.

4 - Modelling SAR images with a generalization of the Rayleigh distribution. E.E. Kuruoglu and J. Zerubia. Research Report 4121, Inria, France, February 2001. Keywords : Alpha-stable distribution. @TECHREPORT{KuruJZ01a, author = {Kuruoglu, E.E. and Zerubia, J.}, title = {Modelling SAR images with a generalization of the Rayleigh distribution}, year = {2001}, month = {February}, institution = {Inria}, type = {Research Report}, number = {4121}, address = {France}, url = {https://hal.inria.fr/inria-00072507}, pdf = {https://hal.inria.fr/file/index/docid/72507/filename/RR-4121.pdf}, ps = {https://hal.inria.fr/docs/00/07/25/07/PS/RR-4121.ps}, keyword = {Alpha-stable distribution} } Résumé : L'imagerie Radar à Synthése d'Ouverture (RSO) a conduit à d'importantes applications, du fait de son avantage certain sur l'imagerie satellitaire optique (utilisation tout temps).Cependant, du fait de la physique du capteur RSO, les images produites présentent des artefacts non désirables, connus sous le nom de bruit de chatoiement. L'hypothèse que les parties réelles et qqimaginaires del'onde reçue suivent une loi Gaussienne (ce qui revient à dire que l'amplitude de l'onde suit une distribution de Rayleigh)découle des hypothèses classiquement faites sur le modèle de génération de l'image RSO. Cependant, des données expérimentales présentent des charactéristiques impulsionnelles correspondant à des distributions à queue lourde sous-jascente- s, qui ne sont pas de type Rayleigh. D'autres distributions telles que les lois de Weibull ou log-normale ont été proposées. Cependant, dans la plupart des cas, ces modèles sont empiriques ne prenant pas, encompte la physique du capteur, et sont trop spécifiques. Dans ce rapport, en relachant quelques hypothèses qui conduisent au modèle de Rayleigh et en utilisant des résultats récents publiés dans la littérature surles distributions $alpha$-stables, nous proposons une version généralisée (à queue lourde) du modèle de Rayleigh. Ceci est fondé sur l'hypothèse que les parties reélle et imaginaire du signal reçu suivent une loi $alpha$-s- table isotrope, suggérée par une généralisation du théorème central limite. Nous présentons également de nouvelles mèthodes d'estimation des paramètres d'une distribution de Rayleigh à queue lourde fondées sur des statistiques d'ordre fractionnaire négatif. Les tests expérimentaux montrent que le modèle de Rayleigh à queue lourde permet de décrire une grande variété de données qui ne pourraient pas être décrites defaçon satisfaisante par un modèle de Rayleigh classique. Abstract : Synthetic aperture radar (SAR) imagery has found important applications since its introduction, due to its clear advantage over optical satellite imagery, being operable in various weather conditions. However, due to the physics of radar imaging process, sar images contain unwanted artefacts in the form of a granular look which is called speckle. the assumptions of the classical SAR image generation model lead to the convention that the real and imaginary parts of the received wave follow a Gaussian law, which in turn means that the amplitude of the wave has a Rayleigh distribution- . However, some experimental data show impulsive characteristics which correspond to underlying heavy-tailed distributions, clearly non-rayleigh. some alternative distributions have been suggested such as weibull and log-normal distributions, however, in most of the cases these models are empirical, not derived with the consideration of underlying physical conditions and therefore are case specific. In this report, relaxing some of the assumptions leading to the classical rayleigh model and using the recent results in the literature on $alpha$-stable distributions, we develop a generalised (heavy-tailed) version of the rayleigh model based on the assumption that the real and the imaginary parts of the received signal follows an isotropic $alpha$-stable law which is suggested by a generalised form of the central limit theorem. we also derive novel methods for the estimation of the heavy-tailed rayleigh distribution parameter- s based on negative fractional-order statistics for model fitting. our experimental results show that the heavy-tailed rayleigh model can describe a wide range of data which could not be described by the classical rayleigh model.

top of the page

2 Collection articles or Books chapters

1 - Problèmes non supervisés. X. Descombes and Y. Goussard. In Approche bayésienne pour les problèmes inverses, Ed. J. Idier, Publ. Hermes, 2001. Copyright : @INCOLLECTION{GoussardXD01, author = {Descombes, X. and Goussard, Y.}, title = {Problèmes non supervisés}, year = {2001}, booktitle = {Approche bayésienne pour les problèmes inverses}, editor = {J. Idier}, publisher = {Hermes}, url = {http://editions.lavoisier.fr/mathematiques/approche-bayesienne-pour-les-problemes-inverses/idier/hermes-science-publications/traite-ic2/livre/9782746203488}, keyword = {} }

2 - Déconvolution en imagerie. J. Idier and L. Blanc-Féraud. In Approche bayésienne pour les problèmes inverses, Ed. J. Idier, Publ. Hermes, 2001. @INCOLLECTION{lbflivre, author = {Idier, J. and Blanc-Féraud, L.}, title = {Déconvolution en imagerie}, year = {2001}, booktitle = {Approche bayésienne pour les problèmes inverses}, editor = {J. Idier}, publisher = {Hermes}, url = {http://editions.lavoisier.fr/mathematiques/approche-bayesienne-pour-les-problemes-inverses/idier/hermes-science-publications/traite-ic2/livre/9782746203488}, keyword = {} }

top of the page

Book

1 - Energy minimization methods in computer vision and pattern recognition. M. Figueiredo and J. Zerubia and A.K. Jain. Publ. Springer Verlag, (LNCS 2134), 2001. @BOOK{JZ, author = {Figueiredo, M. and Zerubia, J. and Jain, A.K.}, title = {Energy minimization methods in computer vision and pattern recognition}, year = {2001}, publisher = {Springer Verlag}, number = {LNCS 2134}, url = {http://www.springer.com/us/book/9783540425236}, keyword = {} }

top of the page

navigation : 1 - 2 - 3 display : 10 per page | 20 per page | 50 per page

These pages were generated by