|
|
Publications about Line networks
Result of the query in the list of publications :
Article |
1 - Unsupervised line network extraction in remote sensing using a polyline process.
C. Lacoste and X. Descombes and J. Zerubia. Pattern Recognition, 43(4): pages 1631-1641, April 2010.
Keywords : Marked point process, Line networks, Road network extraction.
@ARTICLE{lacoste10,
|
| author |
= |
{Lacoste, C. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Unsupervised line network extraction in remote sensing using a polyline process}, |
| year |
= |
{2010}, |
| month |
= |
{April}, |
| journal |
= |
{Pattern Recognition}, |
| volume |
= |
{43}, |
| number |
= |
{4}, |
| pages |
= |
{1631-1641}, |
| url |
= |
{http://dx.doi.org/10.1016/j.patcog.2009.11.003}, |
| keyword |
= |
{Marked point process, Line networks, Road network extraction} |
| } |
Abstract :
Marked point processes provide a rigorous framework to describe a scene by an unordered set of objects. The efficiency of this modeling has been shown on line network extraction with models manipulating interacting segments. In this paper, we extend this previous modeling to polylines composed of an unknown number of segments. Optimization is done via simulated annealing using a Reversible Jump Markov Chain Monte Carlo (RJMCMC) algorithm. We accelerate the convergence of the algorithm by using appropriate proposal kernels. Results on aerial and satellite images show that this new model outperforms the previous one. |
|
 top of the page
3 PhD Thesis and Habilitations |
1 - Contours actifs d'ordre supérieur et leur application à la détection de linéiques dans des images de télédétection.
M. Rochery. PhD Thesis, Universite de Nice Sophia Antipolis, Sophia Antipolis, September 2005.
Keywords : Active contour, Higher-order, Phase Field, Line networks, Road network.
@PHDTHESIS{rochery_these,
|
| author |
= |
{Rochery, M.}, |
| title |
= |
{Contours actifs d'ordre supérieur et leur application à la détection de linéiques dans des images de télédétection}, |
| year |
= |
{2005}, |
| month |
= |
{September}, |
| school |
= |
{Universite de Nice Sophia Antipolis}, |
| address |
= |
{Sophia Antipolis}, |
| pdf |
= |
{http://hal.inria.fr/docs/00/04/86/28/PDF/tel-00010631.pdf}, |
| keyword |
= |
{Active contour, Higher-order, Phase Field, Line networks, Road network} |
| } |
|
2 - Extraction de Réseaux Linéiques à partir d'Images Satellitaires et Aériennes par Processus Ponctuels Marqués.
C. Lacoste. PhD Thesis, Universite de Nice Sophia Antipolis, September 2004.
Keywords : Stochastic geometry, Object extraction, RJMCMC, Line networks, Simulated Annealing, Marked point process.
@PHDTHESIS{lacoste_these,
|
| author |
= |
{Lacoste, C.}, |
| title |
= |
{Extraction de Réseaux Linéiques à partir d'Images Satellitaires et Aériennes par Processus Ponctuels Marqués}, |
| year |
= |
{2004}, |
| month |
= |
{September}, |
| school |
= |
{Universite de Nice Sophia Antipolis}, |
| url |
= |
{https://hal.inria.fr/tel-00261397}, |
| pdf |
= |
{http://hal.inria.fr/docs/00/26/13/97/PDF/THESE_CAROLINE_LACOSTE.pdf}, |
| keyword |
= |
{Stochastic geometry, Object extraction, RJMCMC, Line networks, Simulated Annealing, Marked point process} |
| } |
Résumé :
Cette thèse aborde le problème de l'extraction non supervisée des réseaux linéiques (routes, rivières, etc.) à partir d'images satellitaires et aériennes. Nous utilisons des processus objet, ou processus ponctuels marqués, comme modèles a priori. Ces modèles permettent de bénéficier de l'apport d'un cadre stochastique (robustesse au bruit, corpus algorithmique, etc.) tout en manipulant des contraintes géométriques fortes. Un recuit simulé sur un algorithme de type Monte Carlo par Chaîne de Markov (MCMC) permet une optimisation globale sur l'espace des configurations d'objets, indépendamment de l'initialisation.
Nous proposons tout d'abord une modélisation du réseau linéique par un processus dont les objets sont des segments interagissant entre eux. Le modèle a priori est construit de façon à exploiter au mieux la topologie du réseau recherché au travers de potentiels fondés sur la qualité de chaque interaction. Les propriétés radiométriques sont prises en compte dans un terme d'attache aux données fondé sur des mesures statistiques.
Nous étendons ensuite cette modélisation à des objets plus complexes. La manipulation de lignes brisées permet une extraction plus précise du réseau et améliore la détection des bifurcations.
Enfin, nous proposons une modélisation hiérarchique des réseaux hydrographiques dans laquelle les affluents d'un fleuve sont modélisés par un processus de lignes brisées dans le voisinage de ce fleuve.
Pour chacun des modèles, nous accélérons la convergence de l'algorithme MCMC par l'ajout de perturbations adaptées.
La pertinence de cette modélisation par processus objet est vérifiée sur des images satellitaires et aériennes, optiques et radar. |
Abstract :
This thesis addresses the problem of the unsupervised extraction of line networks (roads, rivers, etc.) from remotely sensed images. We use object processes, or marked point processes, as prior models. These models benefit from a stochastic framework (robustness w.r.t. noise, algorithms, etc.) while incorporating strong geometric constraints. Optimization is done via simulated annealing using a Reversible Jump Markov Chain Monte Carlo (RJMCMC) algorithm, without any specific initialization.
We first propose to model line networks by a process whose objects are interacting line segments. The prior model is designed to exploit as fully as possible the topological properties of the network under consideration through potentials based on the quality of each interaction. The radiometric properties of the network are modeled using a data term based on statistical measures.
We then extend this model to more complex objects. The use of broken lines improves the detection of network junctions and increases the accuracy of the extracted network.
Finally, we propose a hierarchical model of hydrographic networks in which the tributaries of a given river are modeled by a process of broken lines in the neighborhood of this river. For each model, we accelerate convergence of the RJMCMC algorithm by using appropriate perturbations.
We show experimental results on aerial and satellite images (optical and radar data) to verify the relevance of the object process models. |
|
3 - Processus ponctuels pour l'extraction de réseaux linéiques dans les images satellitaires et aériennes.
R. Stoica. PhD Thesis, Universite de Nice Sophia Antipolis, February 2001.
Keywords : Marked point process, Line networks, Road network, Stochastic geometry, RJMCMC.
@PHDTHESIS{rs01,
|
| author |
= |
{Stoica, R.}, |
| title |
= |
{Processus ponctuels pour l'extraction de réseaux linéiques dans les images satellitaires et aériennes}, |
| year |
= |
{2001}, |
| month |
= |
{February}, |
| school |
= |
{Universite de Nice Sophia Antipolis}, |
| pdf |
= |
{Theses/These-stoica.pdf}, |
| keyword |
= |
{Marked point process, Line networks, Road network, Stochastic geometry, RJMCMC} |
| } |
Résumé :
Les réseaux routiers, ou les réseaux hydrographiques, les vaisseaux sanguins ou bien les fissures dans les matériaux sont connus dans la communauté du traitement d'image sous le nom générique de réseaux liné¨iques. La théorie des processus ponctuels marqués est un cadre mathématique rigoureux qui donne la possibilité de modéliser l'image comme un ensemble d'objets en interaction. Les deux idées principales qui ont motivé ce travail sont : ces réseaux sont approchés par de segments de droite connectés, et les réseaux liné¨iques dans une image sont la réalisation d'un processus ponctuel de Gibbs. Le processus ponctuel qui modèlise les réseaux comporte deux composantes. Le premier terme ("Candy" modèle) gère les états et les interactions entre segments : densité, connectivité, alignement et répulsion des segments. L'emplacement du réseau dans l'image est trouvé grâce au second terme, le terme d'attache aux données. Cette composante du modèle est construite à partir de tests d'hypothèses. L'estimateur des réseaux dans l'image est donné par le minimum d'une fonction d'énergie de Gibbs. Pour trouver l'optimum global de cette fonction, nous mettons en {\oe}uvre un algorithme de type recuit simulé qui s'appuie, sur une dynamique de type Monte Carlo par Chaînes de Markov (MCMC) à sauts réversibles. Des résultats sont présentes sur des images aériennes, SPOT et RADAR (RSO). Nous abordons ensuite deux de problèmes ouverts liés au "Candy" modèle, mais d'un interêt théorique général : la convergence d'une dynamique de Monte Carlo à sauts reversibles, et l'estimation des paramètres des processus ponctuels. Une solution à ces problèmes pourrait ouvrir une nouvelle direction dans la recherche de méthodes non-supervisése en traitement d'image. |
Abstract :
Road or hydrographical networks, blood vessels or fissures in materials are all known by the image processing community under the general name of line networks. The theory of point processes is a rigourous mathematical framework which allows us to model an image as a set of interacting objects. The two main ideas which are the basis of this work are : these networks can be considered as connected segments, and the line networks in an image are the realization of a Gibbs point process. The point process used to model the networks has two components. The first one (Candy model) deals with the states and the interaction of the segments : density, connectivity, alignment, attraction and rejection. The location of the network is determined by the second component, the data term. This component is based on hypothesis tests. The network estimator is given by the minimum of a Gibbs energy. We build a simulated annealing algorithm in order to avoid local minima. This algorithm uses reversible jump Monte Carlo Markov Chain (RJMCMC) dynamics. Results are shown on aerial, SPOT and RADAR (SAR) images. Finally, we start a study on two open problems related to the Candy model, but of general theoretical interest : the convergence of a RJMCMC dynamics, and parameter estimation related to point processes. A solution to these problems would give a new direction for the research of unsupervised methods in image processing. |
|
top of the page
Conference article |
1 - Phase field models and higher-order active contours.
M. Rochery and I. H. Jermyn and J. Zerubia. In Proc. IEEE International Conference on Computer Vision (ICCV), Beijing, China, October 2005.
Keywords : Active contour, Higher-order, Shape, Line networks, Road network, Phase Field.
@INPROCEEDINGS{rochery_iccv05,
|
| author |
= |
{Rochery, M. and Jermyn, I. H. and Zerubia, J.}, |
| title |
= |
{Phase field models and higher-order active contours}, |
| year |
= |
{2005}, |
| month |
= |
{October}, |
| booktitle |
= |
{Proc. IEEE International Conference on Computer Vision (ICCV)}, |
| address |
= |
{Beijing, China}, |
| pdf |
= |
{ftp://ftp-sop.inria.fr/ariana/Articles/rochery_iccv05.pdf}, |
| keyword |
= |
{Active contour, Higher-order, Shape, Line networks, Road network, Phase Field} |
| } |
Abstract :
The representation and modelling of regions is an important topic in computer vision. In this paper, we represent a region via a level set of a `phase field' function. The function is not constrained, eg to be a distance function; nevertheless, phase field energies equivalent to classical active contour energies can be defined. They represent an advantageous alternative to other methods: a linear representation space; ease of implementation (a PDE with no reinitialization); neutral initialization; greater topological freedom. We extend the basic phase field model with terms that reproduce `higher-order active contour' energies, a powerful way of including prior geometric knowledge in the active contour framework via nonlocal interactions between contour points. In addition to the above advantages, the phase field greatly simplifies the analysis and implementation of the higher-order terms. We define a phase field model that favours regions composed of thin arms meeting at junctions, combine this with image terms, and apply the model to the extraction of line networks from remote sensing images. |
|
top of the page
2 Technical and Research Reports |
1 - Contours Actifs d'Ordre Supérieur Appliqués à la Détection de Linéiques dans des Images de Télédétection.
M. Rochery and I. H. Jermyn and J. Zerubia. Research Report 5063, INRIA, France, December 2003.
Keywords : Line networks, Active contour, Deformable models, Object extraction.
@TECHREPORT{RRRochery03,
|
| author |
= |
{Rochery, M. and Jermyn, I. H. and Zerubia, J.}, |
| title |
= |
{Contours Actifs d'Ordre Supérieur Appliqués à la Détection de Linéiques dans des Images de Télédétection}, |
| year |
= |
{2003}, |
| month |
= |
{December}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5063}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00071521}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/71521/filename/RR-5063.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/15/21/PS/RR-5063.ps}, |
| keyword |
= |
{Line networks, Active contour, Deformable models, Object extraction} |
| } |
Résumé :
Dans ce rapport, nous présentons une nouvelle méthode pour l'incorporation d'une information sur la géométrie a priori dans le cadre des contours actifs. Nous introduisons une nouvelle classe de contours actifs d'ordre supérieur, qui sont des énergies quadratiques sur l'espace des 1-chaînes, contrairement aux énergies classiquement utilisées qui sont linéaires. Ces énergies permettent de définir des interactions non triviales entre les différents points du contour. Elles donnent naissance à des forces non locales, permettant ainsi d'introduire une information géométrique forte dans le modèle. D'un point de vue algorithmique, nous utilisons la méthodologie par courbes de niveau afin de trouver le minimum de l'énergie, la présence de forces non locales nécessitant une extension des méthodes standard utilisées pour l'évolution que nous décrivons. Nous utilisons ce nouveau modèle pour la détection de linéiques (routes, rivières, ...) dans les images de télédétection et nous montrons des résultats d'extraction sur des images réelles. |
Abstract :
In this report, we introduce a new class of active contour energies, quadratic on the space of 1-chains, as opposed to classical energies, which are linear. These energies define non trivial interactions between different points of the contour, and thus allow the incorporation of a priori shape information through the generation of non-local forces that carry geometric information. They also allow the definition of complex data terms linking the data at different points of the contour. To solve the models, we use the level set methodology, in the process extending the standard evolution methods to deal with the non-locality of the forces involved. We use this new approach in order to define models for the extraction of line networks (roads, rivers, ...) in satellite imagery. We show some results on real-world images. |
|
2 - A Comparative Study of Point Processes for Line Network Extraction in Remote Sensing.
C. Lacoste and X. Descombes and J. Zerubia. Research Report 4516, Inria, France, July 2002.
Keywords : Stochastic geometry, Marked point process, Road network, Line networks, RJMCMC.
@TECHREPORT{4516,
|
| author |
= |
{Lacoste, C. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{A Comparative Study of Point Processes for Line Network Extraction in Remote Sensing}, |
| year |
= |
{2002}, |
| month |
= |
{July}, |
| institution |
= |
{Inria}, |
| type |
= |
{Research Report}, |
| number |
= |
{4516}, |
| address |
= |
{France}, |
| url |
= |
{http://hal.inria.fr/inria-00072072}, |
| pdf |
= |
{http://hal.inria.fr/docs/00/07/20/72/PDF/RR-4516.pdf}, |
| ps |
= |
{http://hal.inria.fr/docs/00/07/20/72/PS/RR-4516.ps}, |
| keyword |
= |
{Stochastic geometry, Marked point process, Road network, Line networks, RJMCMC} |
| } |
Résumé :
Nous présentons, dans ce rapport, une étude comparative entre plusieurs modèles d'extraction de réseaux linéiques, issus de la géométrie stochastique. Nous nous pla ons dans le cadre des processus ponctuels marqués spécifiés par une densité par rapport au processus de Poisson homogène. L'objectif de cette étude est de déterminer quelle type de densité a priori est la plus adaptée à cette probématique de détection de réseaux linéiques, et plus particulièrement de réseaux routiers. Nous reprenons le Candy modèle, introduit dans [21] pour l'extraction de réseaux routiers, et nous l'utilisons comme modèle de référence. Ce modèle est basé sur l'idée qu'un réseau routier peut être assimilé à une réalisation d'un processus Markov objet, où les objets correspondent à des segments en interaction. Nous proposons deux variantes de ce modèle qui font intervenir des coefficients mesurant la qualité des interactions entre objets. La première est une généralisation du Candy modèle et la seconde correspond à une adaptation du modèle IDQ, proposé dans [13] pour l'extraction de bâtiments dans les modèles numériques d'élévation. Nous réalisons l'optimisation de chaque modèle par un recuit simulé sur un algorithme MCMC à sauts réversibles. Les résultats expérimentaux obtenus pour les trois modèles, sur des images satellitaires ou aériennes, permettent de vérifier l'intérêt de l'intégration de la qualité des interactions dans la densité a priori. |
Abstract :
We present in this report a comparative study between models of line network extraction, within a stochastic geometry framework. We rely on the theory of marked point processes specified by a density with respect to the uniform Poisson process. We aim to determine which prior density is the most relevant for road network detection. The Candy model, introduced in [21] for the extraction of road networks, is used as a reference model. This model is based on the idea that a road network can be thought of as a realization of a Markov object process, where the objects correspond to interacting line segments. We have developed two variants of this model which use quality coefficients for interactions. The first of these two variants is a generalization of the Candy model and the second one is an adaptation of the IDQ model proposed in [13] for the problem of building extraction from digital elevation models. The optimization is achieved by a simulated annealing with a RJMCMC algorithm. The experimental results, obtained for each model on aerial or satellite images, show the interest of adding quality coefficients for interactions in the prior density. |
|
top of the page
Collection article or Book chapter |
1 - An application of marked point process to the extraction of linear networks for images.
R. Stoica and X. Descombes and M.N.M. Van Lieshout and J. Zerubia. In Spatial statitics through applications, Publ. WITPress, 2002.
Keywords : Line networks, Road network, Object extraction, Satellite images, Marked point process.
@INCOLLECTION{stoicaXDlivre,
|
| author |
= |
{Stoica, R. and Descombes, X. and Van Lieshout, M.N.M. and Zerubia, J.}, |
| title |
= |
{An application of marked point process to the extraction of linear networks for images}, |
| year |
= |
{2002}, |
| booktitle |
= |
{Spatial statitics through applications}, |
| publisher |
= |
{WITPress}, |
| url |
= |
{http://www.witpress.com/books/978-1-85312-649-9}, |
| pdf |
= |
{http://oai.cwi.nl/oai/asset/10645/10645A.pdf}, |
| keyword |
= |
{Line networks, Road network, Object extraction, Satellite images, Marked point process} |
| } |
|
top of the page
These pages were generated by 
|
2011 Activity report
get the bibtex
