|
|
Publications of Christophe Samson
Result of the query in the list of publications :
2 Articles |
1 - A variational model for image classification and restoration.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. IEEE Trans. Pattern Analysis ans Machine Intelligence, 22(5): pages 460-472, May 2000.
@ARTICLE{cs00,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{A variational model for image classification and restoration}, |
| year |
= |
{2000}, |
| month |
= |
{May}, |
| journal |
= |
{IEEE Trans. Pattern Analysis ans Machine Intelligence}, |
| volume |
= |
{22}, |
| number |
= |
{5}, |
| pages |
= |
{460-472}, |
| pdf |
= |
{http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=857003}, |
| keyword |
= |
{} |
| } |
|
2 - A Level Set Model for Image Classification.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. International Journal of Computer Vision, 40(3): pages 187-198, 2000.
@ARTICLE{cs00b,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{A Level Set Model for Image Classification}, |
| year |
= |
{2000}, |
| journal |
= |
{International Journal of Computer Vision}, |
| volume |
= |
{40}, |
| number |
= |
{3}, |
| pages |
= |
{187-198}, |
| url |
= |
{http://link.springer.com/article/10.1023%2FA%3A1008183109594}, |
| keyword |
= |
{} |
| } |
|
 top of the page
PhD Thesis and Habilitation |
1 - Contribution à la classification d'images satellitaires par approche variationnelle et équations aux dérivées partielles.
C. Samson. PhD Thesis, Universite de Nice Sophia Antipolis, September 2000.
Keywords : Classification, Restoration, Level sets, Active contour.
@PHDTHESIS{cs,
|
| author |
= |
{Samson, C.}, |
| title |
= |
{Contribution à la classification d'images satellitaires par approche variationnelle et équations aux dérivées partielles}, |
| year |
= |
{2000}, |
| month |
= |
{September}, |
| school |
= |
{Universite de Nice Sophia Antipolis}, |
| url |
= |
{https://tel.archives-ouvertes.fr/tel-00319709}, |
| pdf |
= |
{http://tel.archives-ouvertes.fr/docs/00/31/97/09/PDF/SAMSONthesis.pdf}, |
| keyword |
= |
{Classification, Restoration, Level sets, Active contour} |
| } |
Résumé :
Ce travail est consacré au développement ainsi qu'à l'implantation de deux modèles variationnels pour la classification d'images. La classification d'images, consistant à attribuer une étiquette à chaque pixel d'une image, concerne de nombreuses applications à partir du moment où cette opération intervient très souvent à la base des chaînes de traitement et d'interprétation d'images. De nombreux modèles de classification ont déjà été développés dans un cadre stochastique ou à travers des approches structurales, mais rarement dans un contexte variationnel qui a déjà montré son efficacité dans divers domaines tels que la reconstruction ou la restauration d'images. Le premier modèle que nous proposons repose sur la minimisation d'une famille de critères dont la suite de solutions converge vers une partition des données composée de classes homogènes séparées par des contours réguliers. Cette approche entre dans le cadre des problèmes à discontinuité libre (it free discontinuity problems) et fait appel à des notions de convergence variationnelle telle que la théorie de la Gamma-convergence. La famille de fonctionnelles que nous proposons de minimiser contient un terme de régularisation, ainsi qu'un terme de classification. Lors de la convergence de cette suite de critères, le modèle change progressivement de comportement en commençant par restaurer l'image avant d'entamer le processus d'étiquetage des pixels. Parallèlement à cette approche, nous avons développé un second modèle de classification mettant en jeu un ensemble de régions et contours actifs. Nous utilisons une approche par ensembles de niveaux pour définir le critère à minimiser, cette approche ayant déjà suscité de nombreux travaux dans le cadre de la segmentation d'images. Chaque classe, et son ensemble de régions et contours associé, est défini à travers une fonction d'ensemble de niveaux. Le critère contient des termes reliés à l'information sur les régions ainsi qu'à l'information sur les contours. Nous aboutissons à la résolution d'un système d'équations aux dérivées partielles couplées et plongées dans un schéma dynamique. L'évolution de chaque région est guidée par un jeu de forces permettant d'obtenir une partition de l'image composée de classes homogènes et dont les frontières sont lisses. Nous avons mené des expériences sur de nombreuses données synthétiques ainsi que sur des images satellitaires SPOT. Nous avons également étendu ces deux modèles au cas de données multispectrales et obtenu des résultats sur des données SPOT XS que nous avons comparé à ceux obtenus par différents modèles. |
Abstract :
This work is devoted to the development and the implementation of variational models for image classification.\ Image classification, which consists in assiging a label to each pixel of a given image, concerns many applications since it is often the basic processing for many image interpretation systems. Many models have been developed within a stochastic framework or using structural approaches, but rarely within a variational framework whose efficiency has largely been proved for a wide variety of problems such as image reconstruction or restoration. The first model we propose herein is based on the minimization of a criterion family whose set of solutions in converging to a partition of the data set composed of homogeneous regions with regularized boundaries. This approach takes place within the context of free boundary problems and we use the Gamma-convergence theory for the theoretical study. The set of functionals we minimize contains a regularization term and a classification one. As the set of functionals is converging, the behavior of the model is progressively changing: the restoration process is vanishing while the labeling one is rising. The second model we propose is based on a set of active regions and contours. We use a level set formulation to define the criterion we want to minimize, this formulation allows a change of topology of the evolving sets. Each class and its associated set of regions and boundaries is defined thanks to a level set function. From the Euler equations, we solve a system of coupled partial differential equations through a dynamical scheme. The evolution of each region is governed by forces constraining the partition to be composed of homogeneous classes with smooth boundaries.\ We have conducted many experiments on both synthetic and real images. We have extended these models to the multispectral case for which the data are a set of images, and we show some results and comparisons on SPOT XS images. |
|
top of the page
6 Conference articles |
1 - Two variational models for multispectral image classification.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. In Proc. Energy Minimization Methods in Computer Vision and Pattern Recognition (EMMCVPR), Sophia Antipolis, France, September 2001.
@INPROCEEDINGS{lbf01a,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{Two variational models for multispectral image classification}, |
| year |
= |
{2001}, |
| month |
= |
{September}, |
| booktitle |
= |
{Proc. Energy Minimization Methods in Computer Vision and Pattern Recognition (EMMCVPR)}, |
| address |
= |
{Sophia Antipolis, France}, |
| url |
= |
{http://link.springer.com/chapter/10.1007%2F3-540-44745-8_23}, |
| keyword |
= |
{} |
| } |
|
2 - Multiphase evolution and variational image classification.
L. Blanc-Féraud and C. Samson and G. Aubert and J. Zerubia. In Congress SIMAI, Ischia, Italie, June 2000.
Note : papier
@INPROCEEDINGS{lbf00a,
|
| author |
= |
{Blanc-Féraud, L. and Samson, C. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{Multiphase evolution and variational image classification}, |
| year |
= |
{2000}, |
| month |
= |
{June}, |
| booktitle |
= |
{Congress SIMAI}, |
| address |
= |
{Ischia, Italie}, |
| note |
= |
{papier}, |
| url |
= |
{http://opac.inria.fr/record=b1115247}, |
| keyword |
= |
{} |
| } |
|
3 - Une approche variationnelle pour la classification d'images par régions actives.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. In Proc. Reconnaissance des formes et Intelligence Artificielle, Paris, France, February 2000.
@INPROCEEDINGS{cs00a,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{Une approche variationnelle pour la classification d'images par régions actives}, |
| year |
= |
{2000}, |
| month |
= |
{February}, |
| booktitle |
= |
{Proc. Reconnaissance des formes et Intelligence Artificielle}, |
| address |
= |
{Paris, France}, |
| pdf |
= |
{Articles/rfia2000.pdf}, |
| keyword |
= |
{} |
| } |
|
4 - A Level Set Model for Image Classification.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. In Proc. Scale-Space, Corfu, Grèce, September 1999.
@INPROCEEDINGS{cs99d,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{A Level Set Model for Image Classification}, |
| year |
= |
{1999}, |
| month |
= |
{September}, |
| booktitle |
= |
{Proc. Scale-Space}, |
| address |
= |
{Corfu, Grèce}, |
| url |
= |
{http://link.springer.com/chapter/10.1007%2F3-540-48236-9_27}, |
| keyword |
= |
{} |
| } |
|
5 - Simultaneous Image Classification and Restoration Using a Variational Approach.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. In Proc. IEEE Computer Vision and Pattern Recognition (CVPR), Fort Collins, Colorado, USA, June 1999.
@INPROCEEDINGS{cs99c,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{Simultaneous Image Classification and Restoration Using a Variational Approach}, |
| year |
= |
{1999}, |
| month |
= |
{June}, |
| booktitle |
= |
{Proc. IEEE Computer Vision and Pattern Recognition (CVPR)}, |
| address |
= |
{Fort Collins, Colorado, USA}, |
| url |
= |
{http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=784985}, |
| keyword |
= |
{} |
| } |
|
6 - Classification et Restauration d'Images par Approche Variationnelle.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. In Proc. Journées des jeunes chercheurs en vision par ordinateur, Aussois, France, 1999.
@INPROCEEDINGS{cs99b,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{Classification et Restauration d'Images par Approche Variationnelle}, |
| year |
= |
{1999}, |
| booktitle |
= |
{Proc. Journées des jeunes chercheurs en vision par ordinateur}, |
| address |
= |
{Aussois, France}, |
| pdf |
= |
{Articles/orasis1999.pdf}, |
| keyword |
= |
{} |
| } |
|
top of the page
3 Technical and Research Reports |
1 - Classification d'Images Multibandes par Modèles Variationnels.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. Research Report 4010, Inria, September 2000.
Keywords : Variational methods, Classification, Active contour, Level sets, Gamma Convergence.
@TECHREPORT{cs99e,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{Classification d'Images Multibandes par Modèles Variationnels}, |
| year |
= |
{2000}, |
| month |
= |
{September}, |
| institution |
= |
{Inria}, |
| type |
= |
{Research Report}, |
| number |
= |
{4010}, |
| url |
= |
{https://hal.inria.fr/inria-00072633}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/72633/filename/RR-4010.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/26/33/PS/RR-4010.ps}, |
| keyword |
= |
{Variational methods, Classification, Active contour, Level sets, Gamma Convergence} |
| } |
Résumé :
Dans ce rapport, nous proposons deux modèles variationnels pour la classificat- ion d'images multibandes.
Le premier modèle présenté repose sur la minimisation d'une famille de critères dont la suite de solutions converge vers une partition des données composée de classes homogènes séparées par des contours réguliers.
Parallèlement à cette approche, nous avons développé un second modèle de classification mettant en jeu un ensemble de régions et contours actifs. Nous utilisons une approche par ensembles de niveaux pour définir le critère à minimiser. Le critère proposé contient des termes reliés à l'information sur les régions ainsi qu'à l'information sur les contours.
L'imagerie multispectrale permet de prendre en compte, et de combiner, l'information des différentes bandes spectrales renvoyée par un capteur satellitaire ou aérien. L'extension au cas multispectral intervient à des niveaux différents pour les deux modèles proposés dans ce rapport. Nous traitons une application réelle sur une scène SPOT en mode XS pour laquelle nous disposons d'une vérité terrain. Nous comparons les deux modèles variationnels que nous proposons à d'autres approches dont un modèle stochastique hiérarchique, récemment développé à l'IRISA au sein du projet VISTA. |
Abstract :
Herein, we propose two variational models for multiband image classification.
\The first model we propose herein is based on the minimization of a criterion family whose set of solutions is converging to a partition of the data set composed of homogeneous regions with regularized boundaries. The second model we propose is based on a set of active regions and contours. We use a level set formulation to define the criterion we want to minimize. Each class and its associated set of regions and boundaries is defined thanks to a level set function.
The extension of these two models to the multispectral case is presented in this report. The extension of the dynamic model is quite straightforward whereas the one of the first model is more tricky.
We have conducted experiments on SPOT XS data whose ground truth is given. We compare the results we obtain with other approaches, in particular we compare the proposed models to a stochastic hierarchical model recently developed within the VISTA group from IRISA. |
|
2 - Multiphase Evolution and Image Classification.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. Research Report 3662, INRIA, April 1999.
@TECHREPORT{rr3662,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{Multiphase Evolution and Image Classification}, |
| year |
= |
{1999}, |
| month |
= |
{April}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{3662}, |
| url |
= |
{https://hal.inria.fr/inria-00073010}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/73010/filename/RR-3662.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/30/10/PS/RR-3662.ps}, |
| keyword |
= |
{} |
| } |
Résumé :
Dans ce rapport, nous présentons un modèle de classification supervisée basé sur une approche variationnelle. Nous souhaitons obtenir une partition optimale de l'image constituée de classes homogènes séparées par des interface- s régulières. Pour cela, nous représentons les régions définies par les classes ainsi que leurs interfaces par des fonctions d'ensembles de niveaux. Nous définissons une fonctionnelle sur ces ensembles de niveaux dont le minimum est une partition optimale. Les Equations aux Dérivées Partielles (EDP) relatives à la minimisation de la fonctionnelle sont couplées et plongées dans une schéma dynamique. En fixant un ensemble de niveaux initial, les différents termes des EDP guident l'évolution des interfaces (ensembles de niveaux zéro) vers les frontières de la partition optimale, par le biais de forces internes (régularité de l'interface) et externes (attache aux données et pas de chevauchement des régions ni de vide dans la partition). Nous avons effectué de nombreux tests sur des images synthétiques ainsi que sur des images réelles. |
Abstract :
This report presents a supervised classification model based on a variational approach. This model is devoted to find an optimal partition compound of homogeneous classes with regular interfaces. We represent the regions of the image defined by the classes and their interfaces by level set functions, and we define a functional whose minimum is an optimal partition. The coupled Partial Differential Equations (PDE) related to the minimization of the functional are considered through a dynamical scheme. Given an initial interface set (zero level set), the different terms of the PDE's are governing the motion of interfaces such that, at convergence, we get an optimal partition as defined above. Each interface is guided by internal forces (regularity of the interface), and external ones (data term, no vacuum, no regions overlapping). We conducted several experiments on both synthetic an real images. |
|
3 - Image Classification Using a Variational Approach.
C. Samson and L. Blanc-Féraud and G. Aubert and J. Zerubia. Research Report 3523, Inria, October 1998.
Keywords : Classification, Variational methods.
@TECHREPORT{samsonRR98,
|
| author |
= |
{Samson, C. and Blanc-Féraud, L. and Aubert, G. and Zerubia, J.}, |
| title |
= |
{Image Classification Using a Variational Approach}, |
| year |
= |
{1998}, |
| month |
= |
{October}, |
| institution |
= |
{Inria}, |
| type |
= |
{Research Report}, |
| number |
= |
{3523}, |
| url |
= |
{https://hal.inria.fr/inria-00073161}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/73161/filename/RR-3523.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/31/61/PS/RR-3523.ps}, |
| keyword |
= |
{Classification, Variational methods} |
| } |
Résumé :
Dans ce rapport nous présentons un modèle variationnel destiné à la classification d'images avec processus de régularisation préservant les contours. La notion de classification étant par nature discrète (i.e. attribuer un label à chaque pixel de l'image), il existe de nombreux modèles de classification par approche probabiliste, mais les modèles variationnels abordant ce sujet sont rares. Ces dernières années, l'approche variationnelle a montré sont efficacité dans le cadre de la restauration d'images avec prise en compte des discontinuités. Dans ce travail, nous ajoutons un processus de classification permettant d'obtenir une solution formée de régions homogènes dont les frontières sont régulières (une région étant définie par l'ensemble des pixels appartenant à la même classe). La justification théorique de notre modèle repose sur les travaux effectués dans le cadre des problèmes de transitions de phases en mécanique. L'algorithme que nous proposons est relativement rapide et facile à mettre en oeuvre. Nous comparons les résultats obtenus sur des images synthétiques et satellitaires avec ceux produits par un modèle stochastique avec régularisation de Potts. |
Abstract :
Herein, we present a variational model devoted to image classification coupled with an edge-preserving regularization process. The discrete nature of classification (i.e. to attribute a label to each pixel) has ledto the development of many probabilistic image classification models, but rarely to variational ones. In the last decade, the variational approach has proven its efficiency in the field of edge-preserving restoration. In this paper we add a classification capability which contributes to provide images compound of homogeneous regions with regularized boundaries, a region being defined as a set of pixels belonging to the same class. The soundness of our model is based on the works developed on the phase transitions theory in mechanics. The proposed algorithm is fast, easy to implement, and efficient. We compare our results on both synthetic and satellite images with the ones obtained by a stochastic model using a Potts regularization. |
|
top of the page
These pages were generated by 
|
New demo webpage
get the bibtex
