|
|
Publications of Mathias Ortner
Result of the query in the list of publications :
7 Conference articles |
7 - Building Extraction from Digital Elevation Model..
M. Ortner and X. Descombes and J. Zerubia. In Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Honk Kong, 2003.
@INPROCEEDINGS{mathiasicassp,
|
| author |
= |
{Ortner, M. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Building Extraction from Digital Elevation Model.}, |
| year |
= |
{2003}, |
| booktitle |
= |
{Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)}, |
| address |
= |
{Honk Kong}, |
| url |
= |
{http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=1199477}, |
| keyword |
= |
{} |
| } |
|
 top of the page
5 Technical and Research Reports |
1 - An adaptive simulated annealing cooling schedule for object detection in images.
M. Ortner and X. Descombes and J. Zerubia. Research Report 6336, INRIA, October 2007.
Keywords : Image procressing, Shape extraction, Spatial point process, Simulated Annealing, Adaptive cooling schedule.
@TECHREPORT{Ortner-Descombes,
|
| author |
= |
{Ortner, M. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{An adaptive simulated annealing cooling schedule for object detection in images}, |
| year |
= |
{2007}, |
| month |
= |
{October}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{6336}, |
| url |
= |
{https://hal.inria.fr/inria-00181764}, |
| pdf |
= |
{https://hal.inria.fr/inria-00181764}, |
| keyword |
= |
{Image procressing, Shape extraction, Spatial point process, Simulated Annealing, Adaptive cooling schedule} |
| } |
|
2 - A Marked Point Process of Rectangles and Segments for Automatic Analysis of Digital Elevation Models..
M. Ortner and X. Descombes and J. Zerubia. Research Report 5712, INRIA, France, October 2005.
Keywords : Marked point process, Buildings, RJMCMC.
@TECHREPORT{ortner-RR05,
|
| author |
= |
{Ortner, M. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{A Marked Point Process of Rectangles and Segments for Automatic Analysis of Digital Elevation Models.}, |
| year |
= |
{2005}, |
| month |
= |
{October}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5712}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00070305}, |
| keyword |
= |
{Marked point process, Buildings, RJMCMC} |
| } |
Résumé :
Ce travail présente une approche par géométrie stochastique pour l'extraction de primitives dans les images. Ces structures sont modélisées sous forme de réalisations d'un processus ponctuel spatial marqué dont les points sont des formes géométriques. Cette approche permet d'incorporer un modèle a priori sur la répartition spatiale des structures d'intérêt. Plus spécifiquement, nous présentons un modèle fondé sur l'interaction d'un processus de rectangles avec un processus de segments. Le premier est dédié à la détection des zones homogènes dans l'image et le second à la détection des discontinuités significatives. Nous définissons l'énergie d'une configuration de façon à favoriser la connection entre les segments, l'alignement des rectangles et l'adéquation entre les deux types de primitives. L'estimation repose sur l'emploi d'une technique de recuit-simulé. Le modèle proposé est appliqué à l'analyse de Modèles Numériques d'Elevation. Nous présentons des résultats sur des données réelles fournies par l'Institut Géographique National (IGN). Nous montrons en particulier que l'approche est efficace sur des données de types très différents. |
Abstract :
A marked point process of rectangles and segments for automatic analysis of Digital Elevation Models.
This work presents a framework for automatic feature extraction from images using stochastic geometry. Features in images are modeled as realizations of a spatial point process of geometrical shapes. This framework allows the incorporation of a prior knowledge on the spatial repartition of features. More specifically, we present a model based on the superposition of a process of segments and a process of rectangles. The former is dedicated to the detection of linear networks of discontinuities, while the latter aims at segmenting homogeneous areas. An energy is defined, favoring connections of segments, alignments of rectangles, as well as a relevant interaction between both types of objects. The estimation is performed by minimizing the energy using a simulated annealing algorithm. The proposed model is applied to the analysis of Digital Elevation Models (DEMs). These images are raster data representing the altimetry of a dense urban area. We present results on real data provided by the IGN (French National Geographic Institute) consisting in low quality DEMs of various types. |
|
3 - Automatic 3D Land Register Extraction from Altimetric Data in Dense Urban Areas.
M. Ortner and X. Descombes and J. Zerubia. Research Report 4919, INRIA, France, September 2003.
Keywords : Object extraction, Buildings, RJMCMC, Stochastic geometry, Digital Elevation Model (DEM), Marked point process.
@TECHREPORT{4919,
|
| author |
= |
{Ortner, M. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Automatic 3D Land Register Extraction from Altimetric Data in Dense Urban Areas}, |
| year |
= |
{2003}, |
| month |
= |
{September}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{4919}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00071660}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/71660/filename/RR-4919.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/16/60/PS/RR-4919.ps}, |
| keyword |
= |
{Object extraction, Buildings, RJMCMC, Stochastic geometry, Digital Elevation Model (DEM), Marked point process} |
| } |
Résumé :
Ce travail présente un algorithme qui extrait automatiquement un plan cadastral de la description altimétrique (relief) d'une zone urbaine dense. L'altimétrie d'une ville est une donnée qui est maintenant facilement accessible. Dans ce rapport, nous présentons par exemple des résultats sur deux types de données altimétriques : le premier consiste en un Modèle Numérique d'Elévation (MNE) obtenu par corrélation d'images optiques, le second correspond à un MNE obtenu par mesure LASER.Notre objectif principal est de définir un algorithme entièrement automatique capable d'extraire un grand nombre de bâtiments dans des zones urbaines denses.Nous nous intéressons donc plus particulièrement à l'extraction de formes élémentaires et proposons un algorithme qui modélise les bâtiments par des formes rectangulaires. Le résultat obtenu consiste en une carte cadastrale qui peut être utilisée pour faire une estimation précise des formes de toits, par exemple.L'algorithme proposé ici repose sur nos travaux précédents. Nous modélisons des villes par des configurations de rectangles auxquelles nous associons une énergie définie de manière à tenir compte aussi bien d'une information de bas niveau provenant des données utilisées que d'une connaissance géometrique de l'agencement des bâtiments dans les zones urbaines.L'estimation est ensuite faite en minimisant l'énergie définie grace à un recuit-simulé.Nous utilisons un échantilloneur MCMC qui est une combinaison de techniques générales de type Metropolis Hastings Green et de l'algorithme de simulation de processus ponctuel proposé par Geyer et Møller. Nous utilisons en particulier des noyaux de proposition originaux comme la naissance ou mort dans un voisinage, et nous définissons l'énergie par rapport à un processus ponctuel de Poisson non-homogène, ce qui permet d'améliorer le comportement dynamique de l'algorithme.Les resultats que nous présentons sont obtenus sur des donnée réelles fournies par l'IGN. Nous extrayons automatiquement des configurations composées d'une centaine de bâtiments sur des zones dont la taille est en moyenne de 200m sur 200m. L'erreur commise est en moyenne de 15. |
Abstract :
This work present an automatic algorithm that extract 3D land register from altimetric data in dense urban areas. Altimetry of a town is a data which is easily available yet difficult to exploit. For instance, we present here results on two kind of measurements : the first one consists in a Digital Elevation Model (DEM) built using a correlation algorithm and some optical data, while the second one consists in a DEM obtained by Laser measurments.Our main objective is to design an entirely automatic method that is able to deal with this kind of data in very dense urban areas.We thus focus on elementary shape extraction and propose an algorithm that extracts rectangular buildings. The result provided consists in a kind of vectorial land register map that can be used, for instance, to perform precise roof shape estimation.The proposed algorithm uses our previous work. Using a point process framework, we model towns as configuration of rectangles. An energy is defined, that takes into account both a low level information provided by the altimetry of the scene, and some geometric knowledge of the disposition of buildings in towns.The estimation is done by minimizing the energy using a simulated annealing. We use a MCMC sampler that is a combination of general Metropolis Hastings Green techniques and Geyer and Møller algorithm of sampling of point processes. We use some original proposition kernels, such as birth or death in a neighborhood and define the energy with respect to an inhomogeneous Poisson point process.We present results on real data provided by IGN (French Mapping Institute). Results were automatically obtained, on areas that are 200m by 200m large. These results consist in configurations of around 100 rectangles describing considered areas with an error of 15 missclassification. |
|
4 - Improved RJMCMC Point Process Sampler for Object Detection by Simulated Annealing.
M. Ortner and X. Descombes and J. Zerubia. Research Report 4900, INRIA, France, August 2003.
Keywords : Buildings, Object extraction, RJMCMC, Marked point process.
@TECHREPORT{4900,
|
| author |
= |
{Ortner, M. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Improved RJMCMC Point Process Sampler for Object Detection by Simulated Annealing}, |
| year |
= |
{2003}, |
| month |
= |
{August}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{4900}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00071683}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/71683/filename/RR-4900.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/16/83/PS/RR-4900.ps}, |
| keyword |
= |
{Buildings, Object extraction, RJMCMC, Marked point process} |
| } |
Résumé :
Nous commen ons par résumer l'algorithme de Geyer et Møller qui permet, en utilisant une chaîne de Markov, d'échantillonner des lois de processus ponctuels. Nous rappelons également le cadre théorique proposé par Green qui permet d'imposer la réversibilité d'une chaîne de Markov sous une loi désirée.Dans le cadre de nos applications en traitement d'image, nous sommes intéressés par la simulation de processus ponctuels dont la loi dépend fortement de la localisation géographique des points. Nous présentons donc ici des noyaux de proposition qui améliorent la capacité de l'algorithme de Geyer et Meyer à explorer les bons endroits de l'espace d'état. En particulier, nous proposons une transformation qui permet de faire apparaître ou disparaître des points dans un voisinage quelconque d'un autre point. Nous gardons également la possibilité de générer des points suivant une loi non uniforme.Nous construisons donc de tels noyaux de perturbations grâce au travail de Green de manière à garder la-(.) réversibilité de la chaîne de Markov construite. Nous démontrons ensuite les bonnes propriétés de stabilité qui assurent le bon comportement asymptotique de la chaîne. En particulier, grâce à une condition de «drift», nous montrons l'ergodicité géométrique et la récurrence de la chaîne au sens de Harris.Nous concluons en validant par l'expérience nos résultats théoriques, et en montrons leur utilité sur un exemple concret.Nous proposons d'ultimes améliorations pour conclure. |
Abstract :
We first recall Geyer and Møller algorithm that allows to sample point processes using a Markov chain. We also recall Green's framework that allows to build samplers on general state spaces by imposing reversibility of the designed Markov chain.Since in our image processing applications, we are interested by sampling highly spatially correlated and non-invariant point processes, we adapt these ideas to improve the exploration ability of the algorithm. In particular, we keep the ability of generating points with non-uniform distributions, and design an updating scheme that allows to generate points in some neighborhood of other points. We first design updating schemes under Green's framework to keep (.) reversibility of the Markov chain and then show that stability properties are not loosed. Using a drift condition we prove that the Markov chain is geometrically ergodic and Harris recurrent.We finally show on experimental results that these kinds of updates are usefull and propose other improvements. |
|
5 - Building Extraction from Digital Elevation Model.
M. Ortner and X. Descombes and J. Zerubia. Research Report 4517, Inria, France, July 2002.
Keywords : Buildings, Digital Elevation Model (DEM), RJMCMC.
@TECHREPORT{4517,
|
| author |
= |
{Ortner, M. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Building Extraction from Digital Elevation Model}, |
| year |
= |
{2002}, |
| month |
= |
{July}, |
| institution |
= |
{Inria}, |
| type |
= |
{Research Report}, |
| number |
= |
{4517}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00072071}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/72071/filename/RR-4517.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/20/71/PS/RR-4517.ps}, |
| keyword |
= |
{Buildings, Digital Elevation Model (DEM), RJMCMC} |
| } |
Résumé :
L'objectif de ce travail est de d'extraire des bâtiments sur des Modèles Numériques d'Elévation (MNE).Pour ce faire, nous introduisons un processus ponctuel dont les points représentent les bâtiments. La densité de ce processus ponctuel se divise en deux parties : la première est un modèle a priori utilisant des interactions entre les points pour introduire la connaissance que l'on a de la structure des bâtiments en zone urbaine, la seconde est un terme d'attache aux données pour assurer la cohérence entre les réalisations du processus ponctuel et le Modèle Numérique d'Elévation. Nous calculons ensuite une estimée de la zone urbaine à partir de cette densité en utilisant une simulation de Monte Carlo par Chaine de Markov et, en particulier, un algorithme de Metropolis Hastings Green, qui est une extension de l'algorithme de simulation de processus ponctuels proposé par Geyer et Møller.Nous proposons des résultats sur des données réelles fournies par l'IGN. |
Abstract :
We aim to extract buildings from Digital Elevation Models. To achieve this goal, we define a point process whose points represent buildings. We then define a density for this point process which is split into two parts. When written as an energy this density consists of two fields : an internal field that allows us to model the prior knowledge we have on patterns of buildings in urban areas, and an external field that makes the point process fit the data, ie. the Digital Elevation Model. Once we have defined this artificial likehood, we use a Metropolis Hastings Green sampler, which is an extension of Geyer and Møller algorithm to sample point processes. This gives an estimate of the observed urban area.We present results on real data provided by the French Mapping Institute (IGN). |
|
top of the page
Collection article or Book chapter |
1 - A Reversible Jump MCMC Sampler for Object Detection in Image Processing.
M. Ortner and X. Descombes and J. Zerubia. In Monte Carlo and Quasi-Monte Carlo Methods, Publ. Springer Verlag, 2005.
Keywords : RJMCMC, Marked point process, Object extraction.
@INCOLLECTION{ortner_lnsmc2qmc,
|
| author |
= |
{Ortner, M. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{A Reversible Jump MCMC Sampler for Object Detection in Image Processing}, |
| year |
= |
{2005}, |
| booktitle |
= |
{Monte Carlo and Quasi-Monte Carlo Methods}, |
| publisher |
= |
{Springer Verlag}, |
| url |
= |
{http://link.springer.com/book/10.1007/3-540-31186-6}, |
| pdf |
= |
{http://link.springer.com/chapter/10.1007%2F3-540-31186-6_23}, |
| keyword |
= |
{RJMCMC, Marked point process, Object extraction} |
| } |
|
top of the page
These pages were generated by 
|
New demo webpage
get the bibtex
