Publications of type 'techreport'

Result of the query in the list of publications :

• 90 Technical and Research Reports

new search | get the bibtex

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

90 Technical and Research Reports

51 - Extraction de Houppiers par Processus Objet. G. Perrin and X. Descombes and J. Zerubia. Research Report 5037, INRIA, France, December 2003. Keywords : Object extraction, Tree Crown Extraction, Stochastic geometry, Marked point process, RJMCMC. @TECHREPORT{Perrin03, author = {Perrin, G. and Descombes, X. and Zerubia, J.}, title = {Extraction de Houppiers par Processus Objet}, year = {2003}, month = {December}, institution = {INRIA}, type = {Research Report}, number = {5037}, address = {France}, url = {https://hal.inria.fr/inria-00071547}, pdf = {https://hal.inria.fr/file/index/docid/71547/filename/RR-5037.pdf}, ps = {https://hal.inria.fr/docs/00/07/15/47/PS/RR-5037.ps}, keyword = {Object extraction, Tree Crown Extraction, Stochastic geometry, Marked point process, RJMCMC} } Résumé : Nous cherchons à extraire des houppiers à partir d'images de télédétection. Pour ce faire, nous construisons un processus objet et assimilons nos images d'arbres à des réalisations de ce processus. La première étape consiste à définir d'une part les objets géométriques modélisant les arbres, et d'autre part la densité du processus à simuler.La seconde étape consiste à construire un algorithme MCMC à sauts réversibles, et une estimée de la configuration d'objets. Les transitions aléatoires de la chaîne sont régies par des noyaux de propositions, chacun étant associé à une perturbation.Nous testons notre modèle sur des images aériennes de peupleraies fournies par l'IFN. Abstract : In this paper we aim at extracting tree crowns from remotely sensed images. Our approach is to consider that these images are some realizations of a marked point process. The first step is to define the geometrical objects that design the trees, and the density of the process.Then, we use a reversible jump MCMC dynamics and a simulated annealing to get the maximum a posteriori estimator of the tree crowns distribution on the image. Transitions of the Markov chain are managed by some specific proposition kernels.Results are shown on aerial images of poplars given by IFN.

52 - Texture-adaptive mother wavelet selection for texture analysis. G.C.K. Abhayaratne and I. H. Jermyn and J. Zerubia. Research Report, INRIA, France, December 2003. @TECHREPORT{Abhayaratne, author = {Abhayaratne, G.C.K. and Jermyn, I. H. and Zerubia, J.}, title = {Texture-adaptive mother wavelet selection for texture analysis}, year = {2003}, month = {December}, institution = {INRIA}, type = {Research Report}, address = {France}, url = {https://hal.inria.fr/hal-01208017}, pdf = {Rapports/RR-8783.pdf}, keyword = {} }

53 - A Probabilistic Framework for Adaptive Texture Description. K. Brady and I. H. Jermyn and J. Zerubia. Research Report 4920, INRIA, France, September 2003. Keywords : Segmentation, Texture, Wavelet packet. @TECHREPORT{4920, author = {Brady, K. and Jermyn, I. H. and Zerubia, J.}, title = {A Probabilistic Framework for Adaptive Texture Description}, year = {2003}, month = {September}, institution = {INRIA}, type = {Research Report}, number = {4920}, address = {France}, url = {https://hal.inria.fr/inria-00071659}, pdf = {https://hal.inria.fr/file/index/docid/71659/filename/RR-4920.pdf}, ps = {https://hal.inria.fr/docs/00/07/16/59/PS/RR-4920.ps}, keyword = {Segmentation, Texture, Wavelet packet} } Résumé : Ce rapport présente le développement d'un nouveau cadre probabiliste cohérent pour la description adaptative de texture. En partant d'une distribution de probabilité sur un espace d'images infinies, nous générons une distribution sur des régions finies par marginalisation. Pour une distribution gaussienne, les contraintes de calcul imposées par la diagonalisation nous conduisent naturellement à des modèles utilisant des paquets d'ondelettes adaptatifs. Ces modèles reflètent les principales périodicités présentes dans les textures et permettent également d'avoir des corrélations à longue portée tout en préservant l'indépendance des coefficients des paquets d'ondelettes. Nous avons appliqué notre méthode à la segmentation. Deux types de données figurent dans notre ensemble de test: des mosaïques synthétiques de Brodatz et des images satellitaires haute résolution. Dans le cas des textures synthétiques, nous utilisons la version non-décimée de la transformée en paquets d'ondelettes afin de diagonaliser la distribution gaussienne de manière efficace, bien qu'approximative. Cela nous permet d'effectuer une classification de la mosaique pixel par pixel. Une étape de régularisation est ensuite effectuée afin d'arriver à un résultat de segmentation final plus lisse. Afin d'obtenir les meilleurs résultats possibles dans le cas de données réelles, la moyenne de la distribution est ensuite introduite dans le modèle. L'approximation faite pour la classification des mosaiques de textures synthetiques a été testée sur des images réelles, mais les résultats obtenus n'étaient pas satisfaisants. C'est pourquoi nous avons introduit, pour ce type de données, une technique de classification heuristique basée sur la transformée en paquets d'ondelettes décimée. Les résultats de segmentation sont ensuite régularisés à l'aide de la même méthode que dans le cas synthétique. Nous présentons les résultats pour chaque type de données et concluons par une discussion. Abstract : This report details the development of a probabilistic framework for adaptive texture description. Starting with a probability distribution on the space of infinite images, we generate a distribution on finite regions by marginalisation. For a Gaussian distribution, the computational requirement of diagonalisation leads naturally to adaptive wavelet packet models which capture the principal periodicities present in the textures and allow long-range correlations while preserving the independence of the wavelet packet coefficients. These models are then applied to the task of segmentation. Two data types are included in our test bed: synthetic Brodatz mosaics and high-resolution satellite images. For the case of the synthetic textures, undecimated versions of the wavelet packet transform are used to diagonalise the Gaussian distribution efficiently, albeit approximately. This enables us to perform a pixelwise classification of the mosaics. A regularisation step is then implemented in order to arrive at a smooth final segmentation. In order to obtain the best possible results for the real dataset, the mean of the distribution is included in the model. The approximation made for the classification of the synthetic texture mosaics is tested on the remote sensing images, but it produces unsatisfactory results. Therefore we introduce a heuristic classification technique for this dataset, based on a decimated wavelet packet transform. The resulting segmentation is then regularised using the same method as in the synthetic case. Results are presented for both types of data and a discussion follows.

54 - 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.

55 - 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.

56 - Modeling very Oscillating Signals : Application to Image Processing. G. Aubert and J.F. Aujol. Research Report 4878, INRIA, France, July 2003. Keywords : Bounded Variation Space, Sobolev space, Image decomposition, Optimization, Partial differential equation. @TECHREPORT{4878, author = {Aubert, G. and Aujol, J.F.}, title = {Modeling very Oscillating Signals : Application to Image Processing}, year = {2003}, month = {July}, institution = {INRIA}, type = {Research Report}, number = {4878}, address = {France}, url = {https://hal.inria.fr/inria-00071705}, pdf = {https://hal.inria.fr/file/index/docid/71705/filename/RR-4878.pdf}, ps = {https://hal.inria.fr/docs/00/07/17/05/PS/RR-4878.ps}, keyword = {Bounded Variation Space, Sobolev space, Image decomposition, Optimization, Partial differential equation} } Résumé : Cet article complète le travail présenté dans cite{Aujol[3]} dans lequel nous avions développé l'analyse numérique d'un modéle variationnel, initialement introduit par L. Rudin, S. Osher and E. Fatemi cite{Rudin[1]}, et revisité depuis par Y. Meyer cite{Meyer[1]}, pour supprimer le bruit et isoler les textures dans une image. Dans un tel modèle, on décompose l'image f en deux composantes (u+v), u et v minimisant une énergie. La première composante u appartient à BV et contient l'information géométrique de l'image, alors que la seconde v appartient à un espace G qui contient les signaux à fortes oscillations, i.e. le bruit et les textures. Dans cite{Meyer[1]}, Y. Meyer effectue son étude dans ^2 entier, et son approche repose principalement sur des outils d'analyse harmonique. Nous nous pla ons dans le cas d'un ouvert borné de ^2, ce qui constitue le cadre adapté au traitement d'images, et notre approche repose sur des arguments d'analyse fonctionnelle. Nous définissons l'espace G dans ce cadre puis donnons quelques unes de ses propriétés. Nous étudions ensuite la fonctionnelle permettant de calculer les composantes u et v. Abstract : This article is a companion paper of a previous work cite{Aujol[3]} where we have developed the numerical analysis of a variational model first introduced by L. Rudin, S. Osher and E. Fatemi cite{Rudin[1]} and revisited by Y. Meyer cite{Meyer[1]} for removing the noise and capturing textures in an image. The basic idea in this model is to decompose f into two components (u+v) and then to search for (u,v) as a minimizer of an energy functional. The first component u belongs to BV and contains geometrical informations while the second one v is sought in a space G which contains signals with large oscillations, i.e. noise and textures. In Y. Meyer carried out his study in the whole ^2 and his approach is rather built on harmonic analysis tools. We place ourselves in the case of a bounded set of ^2 which is the proper setting for image processing and our approach is based upon functional analysis arguments. We define in this context the space G, give some of its properties and then study in this continuous setting the energy functional which allows us to recover the components u and v. model signals with strong oscillations. For instance, in an image, this space models noises and textures. case of a bounded open set of ^2 which is the proper setting for image processing. We give a definition of G adapted to our case, and we show that it still has good properties to model signals with strong oscillations. In cite{Meyer[1]}, the author had also paved the way to a new model to decompose an image into two components: one in BV (the space of bounded variations) which contains the geometrical information, and one in G which consists in the noises ad the textures. An algorithm to perform this decomposition has been proposed in cite{Meyer[1]}. We show here its relevance in a continuous setting.

57 - Image Denoising using Stochastic Differential Equations. X. Descombes and E. Zhizhina. Research Report 4814, INRIA, France, May 2003. Keywords : Denoising. @TECHREPORT{4814, author = {Descombes, X. and Zhizhina, E.}, title = {Image Denoising using Stochastic Differential Equations}, year = {2003}, month = {May}, institution = {INRIA}, type = {Research Report}, number = {4814}, address = {France}, url = {https://hal.inria.fr/inria-00071772}, pdf = {https://hal.inria.fr/file/index/docid/71772/filename/RR-4814.pdf}, ps = {https://hal.inria.fr/docs/00/07/17/72/PS/RR-4814.ps}, keyword = {Denoising} } Résumé : Ce rapport concerne le problème de la restauration d'image avec une approche par Équation Différentielle Stochastique. Nous considérons un processus de diffusion convergeant vers une mesure de Gibbs. L'hamiltonien de la mesure de Gibbs contient un terme d'interactions, apportant des contraintes de lissage sur la solution, et un terme d'attache aux données. Nous étudions deux schémas d'approximation discrète de la dynamique de Langevin associée à ce processus de diffusion : les approximation d'Euler et explicite forte de Taylor. La vitesse de convergence des algorithmes correspondants est comparée à celle de l'algorithme de Metropolis-Hasting. Des résultats sont montrés sur des images de synthèse et réelles. Il montrent la supériorité de l'approche proposée lorsque l'on considère un faible nombre d'itérations. Abstract : We address the problem of image denoising using a Stochastic Differential Equation approach. We consider a diffusion process which converges to a Gibbs measure. The Hamiltonian of the Gibbs measure embeds an interaction term, providing smoothing properties, and a data term. We study two discrete approximations of the Langevin dynamics associated with this diffusion process: the Euler and the Explicit Strong Taylor approximations. We compare the convergence speed of the associated algorithms and the Metropolis-Hasting algorithm. Results are shown on synthetic and real data. They show that the proposed approach provides better results when considering a small number of iterations.

58 - The Methodology and Practice of the Evaluation of Image Retrieval Systems and Segmentation Methods. I. H. Jermyn and C. Shaffrey and N. Kingsbury. Research Report 4761, INRIA, France, March 2003. Keywords : Image database, Segmentation, Semantic. @TECHREPORT{4761, author = {Jermyn, I. H. and Shaffrey, C. and Kingsbury, N.}, title = {The Methodology and Practice of the Evaluation of Image Retrieval Systems and Segmentation Methods}, year = {2003}, month = {March}, institution = {INRIA}, type = {Research Report}, number = {4761}, address = {France}, url = {https://hal.inria.fr/inria-00071825}, pdf = {https://hal.inria.fr/file/index/docid/71825/filename/RR-4761.pdf}, ps = {https://hal.inria.fr/docs/00/07/18/25/PS/RR-4761.ps}, keyword = {Image database, Segmentation, Semantic} } Résumé : La recherche d'images par le contenu est importante pour deux raisons. Premièrement, la croissance d'archives d'images fréquemment citée dans beaucoup d'applications, et l'expansion rapide du Web, signifient qu'il est nécessaire d'utiliser des systèmes de recherche efficaces pour les bases de données afin que la masse de données accumulée soit utile. Deuxièmement, la recherche dans les bases de données image pose des questions importantes liées à la vision par ordinateur : une recherche efficace demande une véritable compréhension des images. Pour ces raisons, l'évaluation des systèmes de recherche dans les bases de données image devient une priorité. Il existe déjà une littérature importante évaluant des systèmes spécifiques, mais peu de discussions sont publiées sur les méthodes d'évaluation en soi. Dans la première partie de ce rapport, nous proposons un cadre dans lequel ces sujets peuvent être abordés, nous analysons des méthodologies d'évaluation possibles, indiquant quand elles sont pertinentes et quand elles ne le sont pas, et nous critiquons la technique «query-by-example» et les méthodes d'évaluation qui s'y rapportent. Dans la deuxième partie du rapport, nous appliquons les résultats de cette analyse à une collection spécifique d'images. Cette collection est problématique mais typique: il n'existe pas de vérité terrain sémantique. Considérant la recherche fondée sur la segmentation d'image, nous présentons une nouvelle méthode pour son évaluation. Contrairement aux méthodes d'évaluation qui reposent sur l'existence ou la création d'une vérité terrain, la méthodologie proposée utilise des sujets humains pour un test psychovisuel qui compare les résultats des différentes méthodes de segmentation. Le test est con u pour répondre à deux questions : existe-t-il une segmentation «meilleure» que les autres et si oui qu'apprenons-nous des méthodes de segmentation pour la recherche dans des bases de données image? Les résultats confirment la cohérence des jugements humains, permettant ainsi une évaluation significative. Abstract : Content-Based Image Retrieval is important for two reasons. First, the oft-cited growth of image archives in many fields, and the rapid expansion of the Web, mean that successful image retrieval systems are fast becoming a necessity if the mass of accumulated data is to be useful. Second, database retrieval provides a framework within which the important questions of machine vision are brought into focus: successful retrieval is likely to require genuine image understanding. In view of these points, the evaluatio- n of retrieval systems becomes a matter of priority. There is already a substantial literature evaluating specific systems, but little high-level discussion of the evaluation methodologies themselves seems to have taken place. In the first part of the report, we propose a framework within which such issues can be addressed, analyse possible evaluation methodologies, indicate where they are appropriate and where they are not, and critique query-by-example and evaluation methodologies related to it. In the second part of the report, we apply the results of this analysis to a particular dataset. The dataset is problematic but typical: no ground truth is available for its semantics. Considering retrieval based on image segmentation- s, we present a novel method for its evaluation. Unlike methods of evaluation that rely on the existence or creation of ground truth, the proposed evaluatio- n procedure subjects human subjects to a psychovisual test comparing the results of different segmentation schemes. The test is designed to answer two questions: does consensus about a `best' segmentation exist, and if it does, what do we learn about segmentation schemes for retrieval? The results confirm that human subjects are consistent in their judgements, thus allowing meaningful evaluation.

59 - Image Decomposition : Application to Textured Images and SAR Images. J.F. Aujol and G. Aubert and L. Blanc-Féraud and A. Chambolle. Research Report 4704, INRIA, France, January 2003. Keywords : Total variation, Bounded Variation Space, Texture, Classification, Restoration, Synthetic Aperture Radar (SAR). @TECHREPORT{4704, author = {Aujol, J.F. and Aubert, G. and Blanc-Féraud, L. and Chambolle, A.}, title = {Image Decomposition : Application to Textured Images and SAR Images}, year = {2003}, month = {January}, institution = {INRIA}, type = {Research Report}, number = {4704}, address = {France}, url = {https://hal.inria.fr/inria-00071882}, pdf = {https://hal.inria.fr/file/index/docid/71882/filename/RR-4704.pdf}, ps = {https://hal.inria.fr/docs/00/07/18/82/PS/RR-4704.ps}, keyword = {Total variation, Bounded Variation Space, Texture, Classification, Restoration, Synthetic Aperture Radar (SAR)} } Résumé : Dans ce rapport, nous présentons un nouvel algorithme pour décomposer une imagef en u+v, u étant à variation bornée, et v contenant les textures et le bruit de l'image originale. Nous introduisons une fonctionnelle adaptée à ce problème. Le minimum de cette fonctionnelle correspond à la décomposition cherchée de l'image. Le calcul de ce minimum se fait par minimisation successive par rapport à chacune des variables, chaque minimisati- on étant réalisée à l'aide d'un algorithme de projection. Nous faisons l'étude théorique de notre modèle, et nous présentons des résultats numériques. D'une part, nous montrons comment la composante v peut être utilisée pour faire de la classification d'images texturées, et d'autre part nous montrons comment la composante u peut être utilisée en restauration d'images SAR. Abstract : In this report, we present a new algorithm to split an image f into a component u belonging to BV and a component v made of textures and noise of the initial image. We introduce a functional adapted to this problem. The minimum of this functional corresponds to the image decomposition we want to get. We compute this minimum by minimizing successively our functional with respect to u and v. We carry out the mathematical study of our algorithm. We present some numerical results. On the one hand, we show how the v component can be used to classify textured images, and on the other hand, we show how the u component can be used in SAR image restoration.

60 - Supervised Classification for Textured Images. J.F. Aujol and G. Aubert and L. Blanc-Féraud. Research Report 4640, Inria, France, November 2002. Keywords : Texture, Classification, Wavelets, Partial differential equation, Level sets. @TECHREPORT{4640, author = {Aujol, J.F. and Aubert, G. and Blanc-Féraud, L.}, title = {Supervised Classification for Textured Images}, year = {2002}, month = {November}, institution = {Inria}, type = {Research Report}, number = {4640}, address = {France}, url = {https://hal.inria.fr/inria-00071945}, pdf = {https://hal.inria.fr/file/index/docid/71945/filename/RR-4640.pdf}, ps = {https://hal.inria.fr/docs/00/07/19/45/PS/RR-4640.ps}, keyword = {Texture, Classification, Wavelets, Partial differential equation, Level sets} } Résumé : Dans ce rapport, nous présentons un modèle de classification supervisée basé sur une approche variationnelle. Ce modèle s'applique spécifiquement aux images texturées. Nous souhaitons obtenir une partition optimale de l'image constituée de textures séparées par des interfaces régulières. Pour cela, nous représentons les régions définies par les classes ainsi que leurs interfaces par des fonctions d'ensemble de niveaux. Nous définissons une fonctionnelle sur ces ensembles de niveaux dont le minimum est une partition optimale. Cette fonctionnelle comporte en particulier un terme d'attache aux données spécifique aux textures. Nous utilisons une transformée en paquets d'ondelettes pour analyser les textures, ces dernières étant caractérisées par la distribution de leur énergie dans chaque sous-bande de la décompositon. Les équations aux dérivées partielles (EDP) relatives à la minimisation de la fonctionnelle sont couplées et plongées dans un schéma dynamique. En fixant un ensemble de niveaux initial, les différents termes des EDP guident l'évolution des interfaces (ensemble de niveau zéro) vers les frontières de la partion optimale, par le biais de forces externes (régularité de l'interface) et internes (attache aux données et contraintes partition). Nous avons effectué des tests sur des images synthétiques et sur des images réelles. Abstract : In this report, we present a supervised classification model based on a variational approach. This model is specifically devoted to textured images. We want to get an optimal partition of an image which is composed of textures separated by regular interfaces. To reach this goal, we represent the regions defined by the classes as well as their interfaces by level set functions. We define a functional on these level sets whose minimizers define an optimal partition. In particular, this functional owns a data term specific to textures. We use a packet wavelet transform to analyze the textures, these ones being characterized by their energy distribution in each sub-band of the decomposition. The partial differential equations (PDE) related to the minimization of the functional are embeded in a dynamical scheme. Given an initial interface set (zero level set), the different terms of the PDE's govern the motion of interfaces such that, at convergence, we get an optimal partition as defined above. Each interface is guided by external forces (regularity of the interface), and internal ones (data term and partition constraints). We have conducted several experiments on both synthetic and real images.

61 - On Bayesian Estimation in Manifolds. I. H. Jermyn. Research Report 4607, Inria, France, November 2002. Keywords : Rare event, Bayesian estimation, Invariant. @TECHREPORT{4607, author = {Jermyn, I. H.}, title = {On Bayesian Estimation in Manifolds}, year = {2002}, month = {November}, institution = {Inria}, type = {Research Report}, number = {4607}, address = {France}, url = {https://hal.inria.fr/inria-00071978}, pdf = {https://hal.inria.fr/file/index/docid/71978/filename/RR-4607.pdf}, ps = {https://hal.inria.fr/docs/00/07/19/78/PS/RR-4607.ps}, keyword = {Rare event, Bayesian estimation, Invariant} } Résumé : Il est fréquemment dit que les estimées au sens du maximum a posteriori (MAP) et du minimum de l'erreur quadratique moyenne (MMSE) d'un paramètre continu ne sont pas invariantes relativement aux «reparamètrisations» de l'espace des paramètres . Ce rapport clarifie les questions autour de ce problème, en soulignant la différence entre l'invariance aux changements de coordonnées, qui est une condition sine qua non pour un problème mathématiq- uement bien défini, et l'invariance aux difféomorphismes, qui est une question significative, et fournit une solution. On montre d'abord que la présence d'une structure métrique sur peut être utilisée pour définir les estimées aux sens du MAP et du MMSE qui sont invariantes aux changements de coordonnées, et on explique pourquoi cela est la fa on naturelle et nécessaire pour le faire. Le problème de l'estimation et les quantités géométriques qui y sont associées sont tous définis d'une fa on clairement invariante aux changements de coordonnées. On montre que la même estimée au sens du MAP est obtenue en utilisant soit la `maximisation d'une densité' soit une fonction de perte delta, définie de fa on invariante. Puis, on discute le choix d'une métrique pour . En imposant un critère d'invariance qui est naturel dans le cadre bayesien, on montre que ce choix est unique. Il ne correspond pas nécessairement à un choix de coordonnées. L'estimée au sens du MAP qui en résulte coincide avec l'estimée fondée sur la longueur minimum de message (MML), mais la demonstration n'utilise pas de discrétisation ou d'approximation. Abstract : It is frequently stated that the maximum a posteriori (MAP) and minimum mean squared error (MMSE) estimates of a continuous parameter are not invariant to arbitrary «reparametrizations» of the parameter space . This report clarifies the issues surrounding this problem, by pointing out the difference between coordinate invariance, which is a sine qua non for a mathematically well-defined problem, and diffeomorphism invariance, which is a substantial issue, and provides a solution. We first show that the presence of a metric structure on can be used to define coordinate-invari- ant MAP and MMSE estimates, and we argue that this is the natural and necessary way to proceed. The estimation problem and related geometrical quantities are all defined in a manifestly coordinate-invariant way. We show that the same MAP estimate results from `density maximization' or from using an invariantly-defined delta function loss. We then discuss the choice of a metric structure on . By imposing an invariance criterion natural within a Bayesian framework, we show that this choice is essentially unique. It does not necessarily correspond to a choice of coordinates. The resulting MAP estimate coincides with the minimum message length (MML) estimate, but no discretization or approximation is used in its derivation.

62 - Analyse Intra-urbaine à partir d'Images Satellitaires par une Approche de Fusion de Données sur la Ville de Mexico. O. Viveros-Cancino and X. Descombes and J. Zerubia. Research Report 4578, Inria, France, October 2002. Keywords : Data fusion, Markov Fields, Texture, Urban areas, Confusion matrix. @TECHREPORT{4578, author = {Viveros-Cancino, O. and Descombes, X. and Zerubia, J.}, title = {Analyse Intra-urbaine à partir d'Images Satellitaires par une Approche de Fusion de Données sur la Ville de Mexico}, year = {2002}, month = {October}, institution = {Inria}, type = {Research Report}, number = {4578}, address = {France}, url = {https://hal.inria.fr/inria-00072010}, pdf = {https://hal.inria.fr/file/index/docid/72010/filename/RR-4578.pdf}, ps = {https://hal.inria.fr/docs/00/07/20/10/PS/RR-4578.ps}, keyword = {Data fusion, Markov Fields, Texture, Urban areas, Confusion matrix} } Résumé : Ce document présente une analyse intra-urbaine afin d'améliorer la détection des différents tissus urbains avec une application sur la ville de Mexico. La méthode de fission-fusion est proposée ainsi qu'une méthode pour fusionner les classes existantes. Les deux méthodes se composent des étapes suivantes : premièrement, une analyse de texture, nommée étape de fission, est faite pour mieux décrire l'image, ensuite, une classification supervisée, nommée étape de fusion, est faite sur les paramètres issus de l'analyse de texture à partir des valeurs de qualité, notamment la valeur Kappa calculée sur la matrice de confusion. Ces étapes sont réalisées sur des images optiques (SPOT) et radar (ERS) de la ville de Mexico et sont suivies d'un régularisation. Abstract : In this research report we present an intra-urban analysis to improve urban texture extraction. Two methods are proposed : a fission-fusion method and another method which fuses already existing classes. Both methods consist of two steps. The first step, called fission, performs a texture analysis which looks for structures with different parameters. The second step, called fusion, involves a supervised classification using quality parameters, in particular the kappa value which is computed from the confusion matrix. These two steps are carried out on SPOT and radar images of Mexico city. A regularization step is then performed which completes our analysis.

63 - Gamma-Convergence of Discrete Functionals with non Convex Perturbation for Image Classification. G. Aubert and L. Blanc-Féraud and R. March. Research Report 4560, Inria, France, September 2002. Keywords : Generalised Gaussians, Classification, Regularization. @TECHREPORT{4560, author = {Aubert, G. and Blanc-Féraud, L. and March, R.}, title = {Gamma-Convergence of Discrete Functionals with non Convex Perturbation for Image Classification}, year = {2002}, month = {September}, institution = {Inria}, type = {Research Report}, number = {4560}, address = {France}, url = {https://hal.inria.fr/inria-00072028}, pdf = {https://hal.inria.fr/file/index/docid/72028/filename/RR-4560.pdf}, ps = {https://hal.inria.fr/docs/00/07/20/28/PS/RR-4560.ps}, keyword = {Generalised Gaussians, Classification, Regularization} } Résumé : Ce rapport contient la justification mathématique du modèle variationnel proposé en traitement d'image pour la classification supervisée. A partir des travaux effectués en mécanique des fluides pour les transitions de phase, nous avons développé un modèle de classification par minimisation d'une suite de fonctionnelles. Le résultat est une image de classes formée de régions homogènes séparées par des contours réguliers. Ce modèle diffère de ceux utilisés en mécanique des fluides car la perturbation utilisée n'est pas quadratique mais correspond à une fonction de régularisation d'image préservant les contours. La gamma-convergence de cette nouvelle suite de fonctionnelles est prouvée. Abstract : The purpose of this report is to show the theoretical soundness of a variation- al method proposed in image processing for supervised classification. Based on works developed for phase transitions in fluid mechanics, the classification is obtained by minimizing a sequence of functionals. The method provides an image composed of homogeneous regions with regular boundaries, a region being defined as a set of pixels belonging to the same class. In this paper, we show the gamma-convergence of the sequence of functionals which differ from the ones proposed in fluid mechanics in the sense that the perturbation term is not quadratic but has a finite asymptote at infinity, corresponding to an edge preserving regularization term in image processing.

64 - Mathematical Statement to one Dimensional Phase Unwrapping : a Variational Approach. C. Lacombe and G. Aubert and L. Blanc-Féraud. Research Report 4521, Inria, France, July 2002. Keywords : Sobolev space, Bounded Variation Space, Synthetic Aperture Radar (SAR), Interferometry, Phase unwrapping. @TECHREPORT{4521, author = {Lacombe, C. and Aubert, G. and Blanc-Féraud, L.}, title = {Mathematical Statement to one Dimensional Phase Unwrapping : a Variational Approach}, year = {2002}, month = {July}, institution = {Inria}, type = {Research Report}, number = {4521}, address = {France}, url = {https://hal.inria.fr/inria-00072067}, pdf = {https://hal.inria.fr/file/index/docid/72067/filename/RR-4521.pdf}, ps = {https://hal.inria.fr/docs/00/07/20/67/PS/RR-4521.ps}, keyword = {Sobolev space, Bounded Variation Space, Synthetic Aperture Radar (SAR), Interferometry, Phase unwrapping} } Résumé : Beaucoup d'alogorithmes de déroulement de phase ont été développés et formulés dans le domaine discret durant ces dix dernières années. Nous proposons ici, une formulation variationnelle pour résoudre le problème. Cette étude dans le domaine continu va nous permettre d'imposer quelques contraintes sur la régularité de la solution et de les implémenter efficacement. Cette méthode est présentée dans le cas unidimensionnel, et servira de base pour nos développement futurs pour le cas réel en 2D. Abstract : Over the past ten years, many phase unwrapping algorithms have been developed and formulated in a discrete setting. Here we propose a variational formulatio- n to solve the problem. This continuous framework will allow us to impose some constraints on the smoothness of the solution and to implement them efficiently. This method is presented in the one dimensional case, and will serve as a basis for future developments in the real 2D case.

65 - Signed Distance Functions and Viscosity Solutions of Discontinuous Hamilton-Jacobi Equations. J.F. Aujol and G. Aubert. Research Report 4507, Inria, France, July 2002. Keywords : Partial differential equation, Signed distance function, Hamilton-Jacobi equation, Skeleton. @TECHREPORT{4507, author = {Aujol, J.F. and Aubert, G.}, title = {Signed Distance Functions and Viscosity Solutions of Discontinuous Hamilton-Jacobi Equations}, year = {2002}, month = {July}, institution = {Inria}, type = {Research Report}, number = {4507}, address = {France}, url = {https://hal.inria.fr/inria-00072081}, pdf = {https://hal.inria.fr/file/index/docid/72081/filename/RR-4507.pdf}, ps = {https://hal.inria.fr/docs/00/07/20/81/PS/RR-4507.ps}, keyword = {Partial differential equation, Signed distance function, Hamilton-Jacobi equation, Skeleton} } Résumé : Dans ce travail, nous commençons par revoir quelques propriétés de la fonction distance signée. En particulier, nous examinons le squelette d'une courbe de ^2, et nous obtenons une description complète de sa fermeture. Nous donnons aussi une condition suffisante pour que l'adhérence du squelette soit de mesure de Lebesgue nulle. Nous menons alors une étude complète de l'EDP: du/dt +sign(u_0(x))(|Du|-1)=0 , cette dernière étant reliée étroitement à la fonction distance signée. Les articles spécialisés ne fournissent pas de résultats mathématiques pour ce genre d'EDP. En effet, nous sommes confrontés à un Hamiltonien discontinu. Nous nous intéressons ensuite à une classe d'EDP plus générale: du/dt +sign(u_0(x))H(Du)=0 , où H est un opérateur convexe. En se plaçant dans le cadre d'hypothèses techniques raisonnables, nous obtenons le même genre de résultats que précédemment. A notre connaissance, il s'agit de résultats nouveaux pour des opérateurs hamiltoniens discontinus. Abstract : In this paper, we first review some properties of the signed distance function. In particular, we examine the skeleton of a curve in ^2 and get a complete description of its closure. We also give a sufficient condition for the closure of the skeleton to be of zero Lebesgue's measure. We then make a complete study of the PDE: du/dt +sign(u_0(x))(|Du|-1)=0 , which is closely related to the signed distance function. The existing literature provides no mathematical results for such PDEs. Indeed, we face the difficulty of considering a discontinuous Hamiltonian operator with respect to the space variable. We state an existence and uniqueness theorem, giving in particular an explicit Hopf-Lax formula for the solution as well as its asymptotic behaviour. This generalizes classical results for continous Hamitonian. We then get interested in a more general class of PDEs: du/dt +sign(u_0(x))H(D- u)=0, with H convex Under some technical but reasonable assumptions, we obtain the same kind of results. As far as we know, they are new for discontinuous Hamiltonians.

66 - 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).

67 - 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.

68 - Analyse de Texture Hyperspectrale par Modélisation Markovienne. G. Rellier and X. Descombes and F. Falzon and J. Zerubia. Research Report 4479, INRIA, France, June 2002. Keywords : Classification, Markov Fields, Texture, Hyperspectral imaging. @TECHREPORT{4479, author = {Rellier, G. and Descombes, X. and Falzon, F. and Zerubia, J.}, title = {Analyse de Texture Hyperspectrale par Modélisation Markovienne}, year = {2002}, month = {June}, institution = {INRIA}, type = {Research Report}, number = {4479}, address = {France}, url = {https://hal.inria.fr/inria-00072109}, pdf = {https://hal.inria.fr/file/index/docid/72109/filename/RR-4479.pdf}, ps = {https://hal.inria.fr/docs/00/07/21/09/PS/RR-4479.ps}, keyword = {Classification, Markov Fields, Texture, Hyperspectral imaging} } Résumé : L'analyse de texture est l'objet de nombreuses recherches dans le domaine de l'imagerie mono et multispectrale. En parallèle, sont apparus ces dernières années de nouveaux instruments spectro-imageurs ayant un grand nombre de canaux (supérieur à 10), fournissant des images appelées hyperspectrales qui sont 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. Pour ce faire, on utilise une modélisation probabiliste vectorielle de la texture via un champ de Markov gaussien. Les paramètres de ce champ permettent la caractérisation de différentes textures présentes dans les images hyperspec- trales. L'application visée dans cette étude étant la classification du tissu urbain, qui est mal caractérisée par la seule radiométrie, on utilise ces paramètres comme de nouvelles bandes afin d'effectuer la classification par le critère du Maximum de Vraisemblance. Les résultats sur des images AVIRIS montrent une nette amélioration de la classification due à l'utilisatio- n de l'information de texture. Abstract : Texture analysis has been widely investigated in monospectral and multispectr- al imagery domain. In the same time, new image sensors with a large number of bands (more than 10) have been designed. They are able to provide images with both fine spectral and spatial sampling, called hyperspectral images. The aim of this work is to perform a joint texture analysis in both discrete spaces. To achieve this goal, we have a probabilistic vectorial texture modeling, with Gauss-Markov Random Field. The MRF parameters allow for the characterisation of different hyperspectral textures. A likely application of this work being the classification of urban areas, which are not well characterized by radiometry alone, we use these parameters as new features is a Maximum Likelihood classification algorithm. The results obtain on AVIRIS hyperspectral images show better classifications when using texture information.

69 - Segmentation of textured satellite and aerial images by Bayesian inference and Markov Random Fields. S. Wilson and J. Zerubia. Research Report 4336, INRIA, France, December 2001. @TECHREPORT{wilsonJZ01, author = {Wilson, S. and Zerubia, J.}, title = {Segmentation of textured satellite and aerial images by Bayesian inference and Markov Random Fields}, year = {2001}, month = {December}, institution = {INRIA}, type = {Research Report}, number = {4336}, address = {France}, url = {https://hal.inria.fr/inria-00072251}, pdf = {https://hal.inria.fr/file/index/docid/72251/filename/RR-4336.pdf}, ps = {https://hal.inria.fr/docs/00/07/22/51/PS/RR-4336.ps}, keyword = {} } Résumé : Nous étudions un modèle markovien double, initialement proposé par Melas et Wilson, pour la segmentation d'image. Le nombre de classes de l'image est obtenu par inférence bayésienne via un algorithme de Metropolis à saut réversible. Les mouvements habituellement utilisés dans une telle dynamique consistent en la fission ou la fusion de classes. Mais cela peut nécessiter beaucoup de temps de calcul, en particulier sur des images de grande taille. Ici, nous étudions des mouvements plus simples qui sont rapides à mettre en oeuvre, mais dont la mélangeance peut être longue. Nous proposons alors un schéma de fission/fusion plus complexe et comparons les performances obtenues. Nous effectuons des tests sur des images satellitai- res et aériennes. Abstract : We investigate Bayesian solutions to image segmentation based on the double Markov random field model, originally proposed by Melas and Wilson. Inference on the number of classes in the image is done via reversible jump Metropolis moves. These moves, usually implemented by splitting and merging classes, can be very slow, making them impractical for large images. We investigate simpler reversible jump moves that are quick to implement but show that they may mix very slowly. We propose a more complex split and merge scheme and compare its performance. Tests are conducted on satellite and aerial images.

70 - 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.

71 - 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.

72 - 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.

73 - 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.

74 - Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine. O. Pony and X. Descombes and J. Zerubia. Research Report 4008, Inria, September 2000. Keywords : Hyperspectral imaging, Markov Fields, Simulated Annealing, Gibbs Random Fields, Potts model, Texture. @TECHREPORT{pony00, author = {Pony, O. and Descombes, X. and Zerubia, J.}, title = {Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine}, year = {2000}, month = {September}, institution = {Inria}, type = {Research Report}, number = {4008}, url = {https://hal.inria.fr/inria-00072636}, pdf = {https://hal.inria.fr/file/index/docid/72636/filename/RR-4008.pdf}, ps = {https://hal.inria.fr/docs/00/07/26/36/PS/RR-4008.ps}, keyword = {Hyperspectral imaging, Markov Fields, Simulated Annealing, Gibbs Random Fields, Potts model, Texture} } Résumé : L'observation satellitaire en zone rurale et périurbaine fournit des images hyperspectrales exploitables en vue de réaliser une cartographie ou une analyse du paysage. Nous avons appliqué une classification par maximum de vraisemblance sur des images de zone agricole. Afin de régulariser la classification, nous considérons la modélisation d'image par champs de Markov, dont l'équivalence avec les champs de Gibbs nous permet d'utiliser plusieurs algorithmes itératifs d'optimisation : l'ICM et le recuit simulé, qui convergent respectivement vers une classification sous-optimale ou optimale pour une certaine énergie. Un modèle d'énergie est proposé : le modèle de Potts, que nous améliorons pour le rendre adaptatif aux classes présentes dans l'image. L'étude de la texture dans l'image initiale permet d'introduire des critères artificiels qui s'ajoutent à la radiométrie de l'image en vue d'améliorer la classification. Ceci permet de bien segmenter les zones périurbaines, la forêt, la campagne, dans le cadre d'un plan d'occupation des sols. Trois images hyperspectrales et une vérité terrain ont été utilisées pour réaliser des tests, afin de mettre en évidence les méthodes et le paramétrage adéquats pour obtenir les résultats les plus satisfaisants. Abstract : Satellite observation in rural and semiurban areas provides hyperspectral images which enable us to make a map or an analysis of the landscape. Herein, we applied a maximum likelihood classification on agricultural images. In order to improve this procedure, it is possible in each pixel to use contextual information. Thus, we consider Markov random fields image modeling. The equivalence between Markov and Gibbs fields allows us to use some iterative algorithms of optimisation : ICM and simulated annealing, which converge respectively towards a suboptimal or an optimal classification for a given energy. An energy model is proposed : the Potts model, which can be improved to be adaptive to the classes defined in the image. Texture analysis on the initial image is used to introduce artificial criteria, added to the original image, in order to improve classification. This proves to be useful for segmenting semiurban regions, forests, and the countryside, within the framework of a land-use plan. We use three hyperspectral images and a ground truth to carry out tests, in order to highlight the best methods and parameter setting to obtain the most satisfactory results.

75 - Adaptive parameter estimation for satellite image deconvolution. A. Jalobeanu and L. Blanc-Féraud and J. Zerubia. Research Report 3956, Inria, June 2000. Keywords : Deconvolution, Regularization, Markov Fields, Likelihood maximum. @TECHREPORT{jalo00a, author = {Jalobeanu, A. and Blanc-Féraud, L. and Zerubia, J.}, title = {Adaptive parameter estimation for satellite image deconvolution}, year = {2000}, month = {June}, institution = {Inria}, type = {Research Report}, number = {3956}, url = {https://hal.inria.fr/inria-00072693}, pdf = {https://hal.inria.fr/file/index/docid/72693/filename/RR-3956.pdf}, ps = {https://hal.inria.fr/docs/00/07/26/93/PS/RR-3956.ps}, keyword = {Deconvolution, Regularization, Markov Fields, Likelihood maximum} } Résumé : La déconvolution des images satellitaires floues et bruitées est un problème inverse mal posé, qui peut être régularisé dans un cadre bayésien par l'utilisation d'un modèle a priori de la solution reconstruite. Les modèles de régularisation homogènes ne permettent pas d'obtenir des résultats parfaitement satisfaisants, car les images satellitaires ont des propriétés qui varient spatialement. Nous proposons d'utiliser un modèle inhomogène, et nous étudions différentes méthodes permettant d'estimer les paramètres adaptatifs. L'estimateur que nous avons retenu est le maximum de vraisemblance (MV). Nous montrons que cet estimateur, lorsqu'il est calculé à partir de l'image dégradée, est inutilisable pour la déconvolution d'images, car il n'est pas robuste au bruit. Nous montrons ensuite que l'estimation n'est correcte que si elle est effectuée sur l'image originale. Comme cette image est inconnue, nous devons en calculer une approximation, dont la qualité doit être suffisante pour que les résultats de l'estimation soient utiles pour la restauration. Nous détaillons finalement une méthode hybride, permettant d'estimer les paramètres adaptatifs à partir d'une image déconvoluée par un algorithme utilisant des ondelettes, afin de reconstruire l'image. Les résultats obtenus présentent à la fois des bords francs, des textures nettes, et un très bon rapport signal/bruit dans les zones homogènes, dans la mesure où la technique proposée s'adapte localement aux caractéristiques des données. Une comparaison avec des algorithmes concurrents linéaires et non linéaires est aussi effectuée, pour illustrer son efficacité. Abstract : The deconvolution of blurred and noisy satellite images is an ill-posed inverse problem, which can be regularized within a Bayesian context by using an a priori model of the reconstructed solution. Homogeneous regularizat- ion models do not provide sufficiently satisfactory results, since real satellite data show spatially variant characteristics. We propose here to use an inhomogeneous model, and we study different methods to estimate its space-variant parameters. The chosen estimator is the Maximum Likelihood (ML). We show that this estimator, when computed on the corrupted image, is not suitable for image deconvolution, because it is not robust to noise. Then we show that the estimation is correct only if it is made from the original image. Since this image is unknown, we need to compute an approximati- on of sufficiently good quality to provide useful estimation results. Finally we detail an hybrid method used to estimate the space-variant parameters from an image deconvolved by a wavelet-based algorithm, in order to reconstruct the image. The obtained results simultaneously exhibit sharp edges, correctly restored textures and a high SNR in homogeneous areas, since the proposed technique adapts to the local characteristics of the data. A comparison with linear and non-linear concurrent algorithms is also presented to illustrate the efficiency of the proposed method.

76 - Étude de la restitution des paramètres instrumentaux en imagerie satellitaire. A. Jalobeanu and L. Blanc-Féraud and J. Zerubia. Research Report 3957, Inria, June 2000. Keywords : Deconvolution, Markov Fields, Likelihood maximum, Variational methods. @TECHREPORT{jalo00b, author = {Jalobeanu, A. and Blanc-Féraud, L. and Zerubia, J.}, title = {Étude de la restitution des paramètres instrumentaux en imagerie satellitaire}, year = {2000}, month = {June}, institution = {Inria}, type = {Research Report}, number = {3957}, url = {https://hal.inria.fr/inria-00072691}, pdf = {https://hal.inria.fr/file/index/docid/72691/filename/RR-3957.pdf}, ps = {https://hal.inria.fr/docs/00/07/26/91/PS/RR-3957.ps}, keyword = {Deconvolution, Markov Fields, Likelihood maximum, Variational methods} } Résumé : Le but de cette étude est l'estimation des paramètres du bruit et de la fonction de flou en imagerie satellitaire. En effet, ces images sont dégradées par le système optique, et par un bruit additif lié au capteur. Les paramètres instrumentaux, connus lors du lancement du satellite, peuvent évoluer au cours du temps. Il est alors nécessaire de pouvoir les estimer à partir des images observées, afin de pouvoir corriger ces images, par déconvolution, dans les meilleures conditions. Le noyau de convolution est paramétré par une fonction traduisant la physique du système imageur étudié. Il s'agit d'estimer les paramètres du noyau, ainsi que la variance du bruit, qui est supposé blanc et gaussien. Pour la déconvolution à paramètre- s fixés, nous utilisons une approche variationnelle, qui consiste à minimiser une fonctionnelle traduisant l'attache aux données et la régularisation de l'image cherchée, interdisant l'amplification du bruit tout en préservant les contours. La méthode proposée repose essentiellement sur deux étapes. Le bruit est estimé en utilisant un filtre passe-bande au moyen d'une transformée en cosinus. Ensuite, l'estimation conjointe du paramètre de régularisation et des paramètres du noyau est effectuée par Maximum de Vraisemblance (MV), en utilisant une méthode de Monte Carlo par Chaînes de Markov (MCMC). Nous présentons également dans ce rapport un état de l'art des méthodes de déconvolution aveugle, ainsi qu'une étude sur l'estimati- on du noyau de convolution lorsqu'il n'est pas paramétré. Abstract : The purpose of this study is the estimation of the parameters of the noise and the blur function in remote sensing. Indeed, satellite images are corrupted by the optical system and by an additive noise due to the sensor. The instrumental parameters, known at the lauch of the satellite, can evolve with time. Therefore, it is necessary to estimate them from the observed images, to enable the deconvolution of these images in the best conditions. The convolution kernel is parametrized by a function which describes the physics of the imaging system. We have to estimate the parameters of the kernel as well as the variance of the noise supposed to be white and Gaussian. For the deconvolution with fixed parameters, we use a variational approach which consists of minimizing a functional involving the data and the regularization of the solution, avoiding the amplification of the noise while preserving edges. The proposed method essentially consists of two steps. The noise is estimated using a bandpass filter using a Cosine transform. Then, the joint estimation of the regularizin- g parameter and the kernel parameters is achieved by computing the Maximum Likelihood (ML), using a Markov Chain Monte Carlo (MCMC) method. We also present in this report the state of the art of blind deconvolution methods and a study of the estimation of the convolution kernel when it is not parametrized.

77 - Satellite image deconvolution using complex wavelet packets. A. Jalobeanu and L. Blanc-Féraud and J. Zerubia. Research Report 3955, Inria, June 2000. Keywords : Deconvolution, Bayesian estimation, Wavelet packet. @TECHREPORT{jalo00, author = {Jalobeanu, A. and Blanc-Féraud, L. and Zerubia, J.}, title = {Satellite image deconvolution using complex wavelet packets}, year = {2000}, month = {June}, institution = {Inria}, type = {Research Report}, number = {3955}, url = {https://hal.inria.fr/inria-00072694}, pdf = {https://hal.inria.fr/file/index/docid/72694/filename/RR-3955.pdf}, ps = {https://hal.inria.fr/docs/00/07/26/94/PS/RR-3955.ps}, keyword = {Deconvolution, Bayesian estimation, Wavelet packet} } Résumé : La déconvolution des images satellitaires floues et bruitées est un problème inverse mal posé. L'inversion directe entraîne une amplification inacceptable du bruit. Généralement, soit le problème est régularisé lors de l'inversion, soit le bruit est filtré après déconvolution et décomposition dans le domaine de la transformée en ondelettes. Nous avons developpé dans ce rapport la deuxième solution, en seuillant les coefficients d'une nouvelle transformée en paquets d'ondelettes complexes, les fonctions de seuillage étant estimées de manière automatique. L'utilisation de paquets d'ondelettes complexes rend cette méthode invariante par translation, et tient compte des directions, tout en restant d'une complexité O(N). Les résultats obtenus présentent à la fois des textures nettes et un très bon rapport signal/bruit dans les zones homogènes. Par rapport aux algorithmes concurrents, la méthode que nous proposons est plus rapide, invariante par rotation, et tient compte de la directionnalité des détails et des textures de l'image pour mieux les restaurer. Les images déconvoluées de cette manière peuvent être utilisées telles quelles (la restauration peut être intégrée directement dans la chaîne d'acquisition). Mais elles peuvent également constituer le point de départ d'une méthode de régularisation adaptative, permettant d'obtenir des contours plus francs. Abstract : The deconvolution of blurred and noisy satellite images is an ill-posed inverse problem. The direct inversion leads to unacceptable noise amplificatio- n. Usually, either the problem is regularized during the inversion process, or the noise is filtered after deconvolution and decomposition in the wavelet transform domain. Herein, we have developed the second solution, by thresholding the coefficients of a new complex wavelet packet transform; the thresholding functions are automatically estimated. The use of complex wavelet packets enables translation invariance, and takes into account the directions, while remaining of complexity O(N). The obtained results exhibit both correctly restored textures and a high SNR in homogeneous areas. Compared to concurrent algorithms, the proposed method is faster, rotation invariant and takes into account the directions of the details and textures of the image to restore them better. The images deconvolved this way can be used as they are (the restoration step proposed here can be directly inserted in the acquisition chain). But they also can provide a starting point of an adaptive regularization method, enabling one to obtain sharper edges.

78 - Local registration and deformation of a road cartographic database on a SPOT satellite image. G. Rellier and X. Descombes and J. Zerubia. Research Report 3939, Inria, May 2000. Keywords : Markov Fields, Road network. @TECHREPORT{rel00, author = {Rellier, G. and Descombes, X. and Zerubia, J.}, title = {Local registration and deformation of a road cartographic database on a SPOT satellite image}, year = {2000}, month = {May}, institution = {Inria}, type = {Research Report}, number = {3939}, url = {https://hal.inria.fr/inria-00072711}, pdf = {https://hal.inria.fr/file/index/docid/72711/filename/RR-3939.pdf}, ps = {https://hal.inria.fr/docs/00/07/27/11/PS/RR-3939.ps}, keyword = {Markov Fields, Road network} } Résumé : Dans ce rapport, nous présentons une méthode pour le recalage local d'un réseau cartographique routier sur une image SPOT, reposant sur l'utilisation des champs de Markov sur graphe. Les données image et cartographique étant obtenues par des sources exogènes, elles sont dégradées par du bruit de nature différente. Ce phénomène peut être à l'origine de différences important- es entre les données. De plus, les cartographes peuvent parfois introduire des distortions dans les cartes afin de souligner certains détails que presente la route (lacets d'une route de montagne) : c'est la généralisation. L'algorithme proposé vise à corriger les erreurs dues au bruit et à la généralisation, et à améliorer la précision du tracé des routes. La méthode proposée consiste à transformer la donnée cartographique en un graphe, et ensuite à définir un champ de Markov afin de faire correspondre le graphe et l'image. Abstract : Herein, we propose a local registration method for cartographic road networks on SPOT satellite images based on Markov Random Fields (MRF) on graphs. Since the cartographic and image data are obtained from exogeneous sources, the noises degrading these data are of different nature. This phenomenon can create important differences between the data. In addition, cartographers sometimes introduce distortions, in the so-called generalization process, in the road map in order to emphasize some details of the road (like the bends of a mountain road). The proposed algorithm aims at correcting the error due to noise and generalization, hence increasing the accuracy of the road map. The proposed method consists in translating the cartographic data into a graph model, and then defining a MRF to fit the graph on the image.

79 - Simulation de processus objets : Etude de faisabilité pour une application à la segmentation d'image. M. Imberty and X. Descombes. Research Report 3881, Inria, February 2000. Keywords : Marked point process, Stochastic geometry, Segmentation. @TECHREPORT{xd00im, author = {Imberty, M. and Descombes, X.}, title = {Simulation de processus objets : Etude de faisabilité pour une application à la segmentation d'image}, year = {2000}, month = {February}, institution = {Inria}, type = {Research Report}, number = {3881}, url = {https://hal.inria.fr/inria-00072772}, pdf = {https://hal.inria.fr/file/index/docid/72772/filename/RR-3881.pdf}, ps = {https://hal.inria.fr/docs/00/07/27/72/PS/RR-3881.ps}, keyword = {Marked point process, Stochastic geometry, Segmentation} } Résumé : Dans cette étude, nous comparons l'efficacité de deux techniques de simulation par chaînes de Markov (MCMC) de processus aléatoires sur des ensembles d'objets géométriques : l'algorithme de naissance-mort et celui de Metropolis-- Hastings-Green. Les comparaisons sont effectuées sur différents modèles de processus objets de type attractif présentant un intérêt en traitement d'image. Nous appliquons ensuite ces méthodes de simulation à la segmentation d'image. Pour cela, nous nous plaçons dans le cadre bayésien : nous définisson- s donc un modèle a priori attractif simple sur des objets rectangulaires, ainsi qu'un terme d'attache aux données garantissant l'adéquation des objets à l'image. Nous utilisons ensuite un recuit simulé pour extraire les différentes zones de l'image. Des tests sont effectués sur des images synthétiques. Abstract : In this study, we compare the efficiency of two algorithms using Monte Carlo Markov chains methods in order to simulate random processes of geometric- al objects sets : the algorithm of birth and death and the dynamics of Metropolis-Hastings-Green. The comparisons are carried out on various object models for clustered patterns, which could be of interest in image processing. Then we apply these methods of simulation to image segmentation, using the bayesian approach : thus we define a simple prior model on rectangul- ar objects, as well as a posterior probability guaranteeing the adequacy of the objects to the data. We finally use a stochastic annealing to extract the various zones of the image. Some tests are performed on synthetic data.

80 - A Markov point process for road extraction in remote sensed images. R. Stoica and X. Descombes and J. Zerubia. Research Report 3923, Inria, 2000. Keywords : Stochastic geometry, Marked point process, Candy model, Road network, RJMCMC. @TECHREPORT{rs00, author = {Stoica, R. and Descombes, X. and Zerubia, J.}, title = {A Markov point process for road extraction in remote sensed images}, year = {2000}, institution = {Inria}, type = {Research Report}, number = {3923}, url = {https://hal.inria.fr/inria-00072729}, pdf = {https://hal.inria.fr/file/index/docid/72729/filename/RR-3923.pdf}, ps = {https://hal.inria.fr/docs/00/07/27/29/PS/RR-3923.ps}, keyword = {Stochastic geometry, Marked point process, Candy model, Road network, RJMCMC} } Résumé : Nous proposons une nouvelle méthode pour extraire les routes dans les images satellitales et aériennes. Notre approche est basée sur la géométrie stochastique et les dynamiques MCMC à saut réversible. Nous considérons que le réseau routier est un réseau fin, et que ce réseau peut être approximé par des segments connectés. Nous construisons un processus ponctuel marqué qui peut simuler et détecter des réseaux fins. La densité de probabilité de ce processus comporte deux termes : le terme d'attache aux données et le terme a priori. Pour former un réseau, les segments doivent être connectés. Nous souhaitons que les segments soient bien alignés et qu'ils ne se superposent pas. Toutes ces contraintes sont prises en compte par le modèle a priori (Candy modèle). L'emplacement du réseau est donné par le terme d'attache aux données. Ce terme est construit à partir des tests d'hypothèses. Notre modèle probabiliste permet de construire le MAP de l'estimateur du réseau linéique. Pour éviter les minima locaux, nous utilisons un algorithme de type recuit simulé, construit sur une dynamique MCMC à sauts réversibles. Nous montrons des résultats sur des images SPOT, ERS et aériennes. Abstract : In this paper we propose a new method to extract roads in remote sensed images. Our approach is based on stochastic geometry theory and reversible jump Monte Carlo Markov Chains dynamic. We consider that roads consist of a thin network in the image. We make the hypothesis that such a network can be approximated by a network composed of connected line segments. We build a marked point process, which is able to simulate and detect thin networks. The segments have to be connected, in order to form a line-netw- ork. Aligned segments are favored whereas superposition is penalized. Those constraints are taken in account by the prior model (Candy model), which is an area-interaction point process.The location of the network and the specifities of a road network in the image are given by the likelihood term. This term is based on statistical hypothesis tests. The proposed probabilistic model yelds a MAP estimator of the road network. In order to avoid local minima, a simulated annealing algorithm, using a reversible jump MCMC dynamic is designed. Results are shown on SPOT, ERS and aerial images.

81 - Isotropic Properties of Some Multi-body Interaction Models: Two Quality Criteria for Markov Priors in Image Processing. X. Descombes and E. Pechersky. Research Report 3752, Inria, August 1999. Keywords : Gibbs Random Fields, Segmentation, Restoration. @TECHREPORT{xd99k, author = {Descombes, X. and Pechersky, E.}, title = {Isotropic Properties of Some Multi-body Interaction Models: Two Quality Criteria for Markov Priors in Image Processing}, year = {1999}, month = {August}, institution = {Inria}, type = {Research Report}, number = {3752}, url = {http://hal.inria.fr/inria-00072910}, pdf = {http://hal.inria.fr/docs/00/07/29/10/PDF/RR-3752.pdf}, ps = {http://hal.inria.fr/docs/00/07/29/10/PS/RR-3752.ps}, keyword = {Gibbs Random Fields, Segmentation, Restoration} } Résumé : Les champs de Gibbs sont très utilisés en traitement d'image à la fois pour la segmentation et la restauration. Définis sur la trâme discrète sous-jacente à l'image, ils présentent un comportement non isotrope. Dans ce rapport, nous étudions et quantifions cette non-isotropie, pour des modèles avec des interactions 3x3, en calculant la tension de bord en fonction de l'angle d'une droite séparant le plan en deux parties contenant une phase différente. De cette étude, nous dérivons deux critères quantitatifs d'anisotropie des modèles. Nous calculons ensuite la forme d'une goutte d'une phase immergée dans une autre phase à la température nulle pour les différents modèles, et étudions la non isotropie des formes obtenues. Pour finir, les artéfacts induits par cette non-isotropie sont mis en évidence sur des exemples de segmentation et de restauration d'image. Abstract : Gibbs Fields are widely used in image processing for both segmentation and restoration. Defined on a discrete lattice representing the image they exhibit a non-isotropic behavior. Herein, we study and quantify this non-isotropy by computing the boundary tension as a function of the angle of a line separating the plane in two parts containing a different phase. From this study, we derive two quantitative criteria of the non isotropy of the model. We then compute the shape at zero temperature of a droplet of one phase within the other phase and study the non-isotropy of the shape for the different models. Finally, we show the artifacts due to this non-isotropic behavior for image segmentation and restoration.

82 - A Deterministic Annealing PMHT Algorithm with an Application to Particle Tracking. A. Strandlie and J. Zerubia. Research Report 3711, Inria, June 1999. Keywords : EM algorithm, Particle tracking. @TECHREPORT{jz99c, author = {Strandlie, A. and Zerubia, J.}, title = {A Deterministic Annealing PMHT Algorithm with an Application to Particle Tracking}, year = {1999}, month = {June}, institution = {Inria}, type = {Research Report}, number = {3711}, url = {https://hal.inria.fr/inria-00072957}, pdf = {https://hal.inria.fr/file/index/docid/72957/filename/RR-3711.pdf}, ps = {https://hal.inria.fr/docs/00/07/29/57/PS/RR-3711.ps}, keyword = {EM algorithm, Particle tracking} } Résumé : Nous considérons l'algorithme PMHT pour suivre la trajectoire de particules dans des détecteurs utilisés en physique des hautes énergies. Cet algorithme a récemment été développé pour suivre des cibles multiples dans un environneme- nt encombré. Il est fondé sur l'estimateur du maximum de vraisemblance, et s'appuie sur un algorithme de type EM. L'algorithme résultant correspond à l'utilisation en parallèle de plusieurs filtres de Kalman itératifs couplés. Il est proche de l'algorithme EA, mais il est de plus capable de prendre en compte le bruit associé au processus, comme par exemple la diffusion de Coulomb multiple. Dans ce rapport, nous présentons les propriétés classiques d'un tel algorithme et proposons une généralisation incluant un recuit déterministe. Nous proposons également plusieurs modificati- ons améliorant les performances de cet algorithme. En particulier, nous avons modifié les probabilités reliant les événements élémentaires aux trajectoires afin d'obtenir une compétition entre ces événements dans une même couche du détecteur. Enfin, nous présentons des résultats obtenus sur des simulations réalisées à partir du détecteur ATLAS (TRT). Nous considérons l'algorithme PMHT pour suivre la trajectoire de particules dans des détecteurs utilisés en physique des hautes énergies. Cet algorithme a récemment été développé pour suivre des cibles multiples dans un environneme- nt encombré. Il est fondé sur l'estimateur du maximum de vraisemblance, et s'appuie sur un algorithme de type EM. L'algorithme résultant correspond à l'utilisation en parallèle de plusieurs filtres de Kalman itératifs couplés. Il est proche de l'algorithme EA, mais il est de plus capable de prendre en compte le bruit associé au processus, comme par exemple la diffusion de Coulomb multiple. Dans ce rapport, nous présentons les propriétés classiques d'un tel algorithme et proposons une généralisation incluant un recuit déterministe. Nous proposons également plusieurs modificati- ons améliorant les performances de cet algorithme. En particulier, nous avons modifié les probabilités reliant les événements élémentaires aux trajectoires afin d'obtenir une compétition entre ces événements dans une même couche du détecteur. Enfin, nous présentons des résultats obtenus sur des simulations réalisées à partir du détecteur ATLAS (TRT). Abstract : We introduce the Probabilistic Multi-Hypothesis Tracking (PMHT) algorithm for particle tracking in high-energy physics detectors. This algorithm has been developed recently for tracking multiple targets in clutter, and it is based on maximum likelihood estimation by aid of the EM algorithm. The resulting algorithm basically consists of running several iterated and coupled Kalman filters and smoothers in parallel. It is similar to the Elastic Arms algorithm, but it possesses the additional feature of being able to take process noise into account, as for instance multiple Coulomb scattering. Herein, we review its basic properties and derive a generalized version of the algorithm by including a deterministic annealing scheme. Further developments of the algorithm in order to improve the performance are also discussed. In particular, we propose to modify the hit-to-track assignment probabilities in order to obtain competition between hits in the same detector layer. Finally, we present results of an implementat- ion of the algorithm on simulated tracks from the ATLAS Inner Detector Transition Radiation Tracker (TRT). We introduce the Probabilistic Multi-Hypot- hesis Tracking (PMHT) algorithm for particle tracking in high-energy physics detectors. This algorithm has been developed recently for tracking multiple targets in clutter, and it is based on maximum likelihood estimation by aid of the EM algorithm. The resulting algorithm basically consists of running several iterated and coupled Kalman filters and smoothers in parallel. It is similar to the Elastic Arms algorithm, but it possesses the additional feature of being able to take process noise into account, as for instance multiple Coulomb scattering. Herein, we review its basic properties and derive a generalized version of the algorithm by including a deterministic annealing scheme. Further developments of the algorithm in order to improve the performance are also discussed. In particular, we propose to modify the hit-to-track assignment probabilities in order to obtain competition between hits in the same detector layer. Finally, we present results of an implementation of the algorithm on simulated tracks from the ATLAS Inner Detector Transition Radiation Tracker (TRT).

83 - 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.

84 - Indexing and retrieval in multimedia libraries through parametric texture modeling using the 2D Wold decomposition. R. Stoica and J. Zerubia and J.M. Francos. Research Report 3594, Inria, December 1998. Keywords : Markov Fields, Texture, Segmentation, Indexation. @TECHREPORT{stoica98, author = {Stoica, R. and Zerubia, J. and Francos, J.M.}, title = {Indexing and retrieval in multimedia libraries through parametric texture modeling using the 2D Wold decomposition}, year = {1998}, month = {December}, institution = {Inria}, type = {Research Report}, number = {3594}, url = {https://hal.inria.fr/inria-00073085}, pdf = {https://hal.inria.fr/file/index/docid/73085/filename/RR-3594.pdf}, ps = {https://hal.inria.fr/docs/00/07/30/85/PS/RR-3594.ps}, keyword = {Markov Fields, Texture, Segmentation, Indexation} } Résumé : Ce rapport présente une méthode paramétrique permettant de faire de l'indexati- on et de la recherche dans une base de données multimédia. L'indexation (étiquetage) et la recherche de données multimédia sont réalisées grâce à la modélisation paramétrique de textures qui se trouvent dans les images de la base de données. Les textures sont caracterisées par des paramètres qui servent d'indices pour la recherche dans la base de données. Afin de pouvoir identifier les différentes régions texturées d'une image et estimer les paramètres correspondants, un algorithme de segmentation-estimatio- n est proposé dans ce rapport, qui fait appel à une décomposition de Wold 2D pour le modèle de texture et à un modèle markovien pour l'étiquetage. L'indexation nécessite de définir une distance entre les images. Une nouvelle distance, inspirée de la distance de Kullback, est décrite dans ce rapport. Elle utilise les paramètres estimés correspondants au modèle 2D de chaque texture. Les résultats obtenus relativement à la segmentation et à l'indexatio- n sont proches de ceux obtenus par un opérateur humain. Abstract : This paper presents a parametric method for indexing and retrieval of multimedia data in digital libraries. %Indexing (labeling) and retrieval %of multimedia data, based on the properties %of the imagery components of the stored data record, are derived. Indexing (labeling) and retrieval of the multimedia data are performed using parametric modeling of the textured segments found in the data imagery components. The estimated parametric models of the textured segments serve as their indices, and hence as indices of the entire image, as well as of the multimedia record which the image is part thereof. To achieve the ability to identify textured image regions and estimate their parameters, a joint segmentation-estimation algorithm that combines the 2-D Wold decomposition based texture model with a Markovian labeling process, is derived. Ordering and indexing of images require a definition of a distance measure between images. Using the framework of the Kullback distance between probability distributions, a new rigorous distance measure between textures is derived. The distance between any two textured image segments is evaluated using their estimated parametric models. The proposed segmentation, distance evaluation, and indexing methods are shown to produce comparable results to those obtained by a human viewer.

85 - 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.

86 - Mise en correspondance et recalage de graphes : application aux réseaux routiers extraits d'un couple carte/image. C. Hivernat and X. Descombes and S. Randriamasy and J. Zerubia. Research Report 3529, Inria, October 1998. Keywords : Markov Fields, Road network, Graph matching. @TECHREPORT{hiv98, author = {Hivernat, C. and Descombes, X. and Randriamasy, S. and Zerubia, J.}, title = {Mise en correspondance et recalage de graphes : application aux réseaux routiers extraits d'un couple carte/image}, year = {1998}, month = {October}, institution = {Inria}, type = {Research Report}, number = {3529}, url = {https://hal.inria.fr/inria-00073156}, pdf = {https://hal.inria.fr/file/index/docid/73156/filename/RR-3529.pdf}, ps = {https://hal.inria.fr/docs/00/07/31/56/PS/RR-3529.ps}, keyword = {Markov Fields, Road network, Graph matching} } Résumé : Nous considérons le problème de la mise en correspondance du réseau routier extrait d'une image SPOT avec celui fourni par une base de données cartographi- que. Cette mise en correspondance comprend deux étapes principales fondées sur des modélisations markoviennes. Dans la première étape, les pixels de l'image sont appariés aux segments cartographiques. Le résultat de cette étape permet de découper le réseau obtenu sur l'image sous forme de chaînes. Ces chaînes sont ensuite mises en correspondance avec les segments cartographiques. Pour finir, une étape de qualification des résultats permet de fournir les primitives fiables afin d'affiner le recalage initial. En bouclant l'algorithme sur la mise en correspondance nous obtenons un processus itératif permettant d'améliorer à la fois le recalage et la mise en correspondance. La qualification automatique des résultats est également une aide à l'interprétation pour la mise à jour cartographique. Abstract : We consider herein the matching problem between the road network extracted from a SPOT image and the roads contained in a cartographic database. This matching consists of two main steps based on a Markovian modelling. During the first step, the image road pixels are associated to the map segments. the derived result allows us to split the image network into chains. These chains are matched with the map segments. Finally, an automatic validation procedure provides matched chains/segments which are used to improve the initial registration. An iterative scheme is obtained by performin- g a new matching. The automatic result validation is also helpful for map updating.

87 - Estimation d'hyperparamètres pour la restauration d'images satellitaires par une méthode MCMCML. A. Jalobeanu and L. Blanc-Féraud and J. Zerubia. Research Report 3469, Inria, August 1998. Keywords : Markov Fields, Regularization, Variational methods, Likelihood maximum. @TECHREPORT{jaloRR98, author = {Jalobeanu, A. and Blanc-Féraud, L. and Zerubia, J.}, title = {Estimation d'hyperparamètres pour la restauration d'images satellitaires par une méthode MCMCML}, year = {1998}, month = {August}, institution = {Inria}, type = {Research Report}, number = {3469}, url = {https://hal.inria.fr/inria-00073221}, pdf = {https://hal.inria.fr/file/index/docid/73221/filename/RR-3469.pdf}, ps = {https://hal.inria.fr/docs/00/07/32/21/PS/RR-3469.ps}, keyword = {Markov Fields, Regularization, Variational methods, Likelihood maximum} } Résumé : Le problème que nous abordons ici est la déconvolution d'images satellitaires, qui sont dégradées par l'optique et l'électronique utilisées pour leur acquisition. Les dégradations sont connues : les images sont convoluées par un opérateur H, et la variance du bruit N additif, blanc et gaussien, est connue. Nous utilisons un modèle de régularisation introduisant une fonction de potentiel phi, qui interdit l'amplification du bruit lors de la restauration tout en préservant les discontinuités. Ce modèle admet deux hyperparamètres lambda et delta. Nous nous intéressons ici à l'estimation des hyperparamètres optimaux afin d'effectuer la déconvolution de manière automatique. Nous proposons pour cela d'utiliser l'estimateur du maximum de vraisemblance appliqué à l'image observée. Cet estimateur constitue le critère que nous allons optimiser. Pour évaluer ses dérivées, nous devons estimer des espérances calculées sur des échantillon- s, tenant compte des données observées et de l'a priori imposé. Cette probabilité faisant intervenir l'opérateur de convolution, il est très difficile d'utiliser un échantillonneur classique. Nous avons développé un algorithme de type Geman-Yang modifié, utilisant une variable auxiliaire, ainsi qu'une transformée en cosinus. Nous présentons à cette occasion un nouvel algorithme de déconvolution, rapide, qui est dérivé de cette méthode d'échantillonnage. Nous proposons un algorithme "MCMCML" permettant d'effectuer simultanément l'estimation des hyperparamètres lambda et delta et la restauration de l'image dégradée. Une étude des échantillonneurs (y compris ceux de Gibbs et Metropolis), portant sur la vitesse de convergence et les difficultés de calcul liées à l'attache aux données, a également été réalisée. Abstract : This report deals with satellite image restoration. These images are corrupted by an optical blur and electronic noise, due to the physics of the sensors. The degradation model is known : blurring is modeled by convolution, with a linear operator H, and the noise is supposed to be additive, white and Gaussian, with a known variance. The recovery problem is ill-posed and therefore must be regularized. We use a regularization model which introduces a phi function, which avoids noise amplification while preserving image discontinuities (ie. edges) of the restored image. This model exhibits two hyperparameters (lambda and delta). Our goal is to estimate the optimal parameters in order to reconstruct images automatically. Herein, we propose to use the Maximum Likelihood estimator, applied to the observed image. To optimize this criterion, we must estimate expectations by sampling (samples are extracted from a Markov chain) to evaluate its derivatives. These samples are images whose probability takes into account the convolution operator. Thus, it is very difficult to obtain them directly by using a standard sampler. We have developped a modified Geman-Yang algorithm, using an auxiliary variable and a cosine transform. We also present a new reconstruc- tion method based on this sampling algorithm. We detail the MCMCML algorithm which ables to simultaneously estimate lambda and delta parameters, and to reconstruct the corrupted image. An experimental study of samplers (including Gibbs and Metropolis algorithms), with respect to the rate of convergence and the difficulties of dependent data sampling, is also presented in this report.

88 - Extraction des zones urbaines fondée sur une analyse de la texture par modélisation markovienne. A. Lorette and X. Descombes and J. Zerubia. Research Report 3423, Inria, May 1998. Keywords : Texture, Markov Fields, Urban areas, Entropy. @TECHREPORT{loretteRR98, author = {Lorette, A. and Descombes, X. and Zerubia, J.}, title = {Extraction des zones urbaines fondée sur une analyse de la texture par modélisation markovienne}, year = {1998}, month = {May}, institution = {Inria}, type = {Research Report}, number = {3423}, url = {http://hal.inria.fr/inria-00073267}, pdf = {http://hal.inria.fr/docs/00/07/32/67/PDF/RR-3423.pdf}, ps = {http://hal.inria.fr/docs/00/07/32/67/PS/RR-3423.ps}, keyword = {Texture, Markov Fields, Urban areas, Entropy} } Résumé : Pour délimiter un masque urbain précis à partir d'une image satellitaire la seule information du niveau de gris est insuffisante. Laplupart des méthodes font donc appel à une analyse de la texture de l'image. Nous nous sommes placés dans ce cadre. Dans une première étape, nous avons défini un nouveau paramètre de texture à partir d'un modèle markovien gaussien. Nous obtenons ce nouveau paramètre en calculant la variance conditionnelle de l'image dans huit directions. Ainsi, nous éliminons la mauvaise classification d'objets ayant une orientation privilégiée tels que les vignes et les serres par exemple. Dans une seconde étape, nous proposons un algorithme de emphfuzzy Cmeans modifié incluant un terme d'entropie et pour lequel le nombre de classes n'est pas fixé a priori. Cet algorithme nous permet d'obtenir une première classification de l'image. Enfin, nous régularisons l'image ainsi obtenue grâce à une modélisation par champs de Markov. Des résultats obtenus sur des simulations d'images SPOT5 fournies par le CNES sont présentés. Abstract : Urban areas cannot be extracted from satellite images through only grey level information. Hence most methods analyze the texture of the image to discriminate between urban areas and non urban areas. We define a new texture parameter derived from a Markovian Gaussian model. This new parameter takes into account the variance of the image in eight directions- . Consequently it copes with the misclassification of objects with a privileged orientation like vineyards or greenhouses for instance. Afterwards we develop a modified fuzzy Cmeans algorithm including an entropy term. The advantage of such an algorithm is that the number of classes does not need to be known a priori. By applying this modified fuzzy Cmeans algorithm on the parameter image we obtain a first classification. Finally we regularize the segmented image by using a Markov random field modelling. Some results on SPOT5 simulated images are presented. These images are provided by the CNES (French Space Agency).

89 - An elementary proof of the equivalence between 2D and 3D classical snakes and geodesic active contours. G. Aubert and L. Blanc-Féraud. Research Report 3340, Inria, January 1998. Keywords : Geodesic active contours, Partial differential equation. @TECHREPORT{lbf98i, author = {Aubert, G. and Blanc-Féraud, L.}, title = {An elementary proof of the equivalence between 2D and 3D classical snakes and geodesic active contours}, year = {1998}, month = {January}, institution = {Inria}, type = {Research Report}, number = {3340}, url = {https://hal.inria.fr/inria-00073349}, pdf = {https://hal.inria.fr/file/index/docid/73349/filename/RR-3340.pdf}, ps = {https://hal.inria.fr/docs/00/07/33/49/PS/RR-3340.ps}, keyword = {Geodesic active contours, Partial differential equation} } Résumé : Les équations aux dérivées partielles (EDP) définissant l'évolution de courbe plane permettent, avec une implantation par ligne de niveau, un changement de topologie par rapport à la courbe initiale et sont de ce fait un outil puissant pour la segmentation d'objet dans une image. Récemment, Caselles et al. ont montrés l'équivalence entre les modèles de contours actifs classiques de Kass et al. et de contours actifs géodésiques qui définissent une EDP particulière d'évolution de courbe. Cependant la preuve proposée par Caselles n'est valable que pour la segmentation d'objet d'une image 2D avec des courbes 1D et fait appel à des concepts de la théorie hamiltonienne, sans aucun sens physique pour les contours actifs. Ce papier propose une preuve utilisant uniquement des calculs élémentaires d'analyse mathématique, valables aussi pour la segmentation d'image 3D à l'aide de surface. Abstract : Recently, Caselles et al. have shown in the equivalence between a classical snake problem of Kass et al. and a geodesic active contour model. The PDE derived from the geodesic problem gives an evolution equation for active contours which is very powerfull for image segmentation since changes of topology are allowed using the level set implementation. However in Caselles' paper the equivalence with classical snake is only shown for 2D images with 1D curves, by using concepts of Hamiltonian theory which have no meanings for active contours. This paper propose a proof using only elementary calculus of mathematical analysis. This proof is also valid in the 3D case for active surfaces.

90 - Estimation-segmentation du flot optique et contours actifs. R. Ciampini and L. Blanc-Féraud and M. Barlaud and E. Salerno. Research Report 98-11, Laboratoire I3S, 1998. @TECHREPORT{lbf98j, author = {Ciampini, R. and Blanc-Féraud, L. and Barlaud, M. and Salerno, E.}, title = {Estimation-segmentation du flot optique et contours actifs}, year = {1998}, institution = {Laboratoire I3S}, type = {Research Report}, number = {98-11}, pdf = {Rapports/RR98-11-I3S.pdf}, keyword = {} }

top of the page

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

These pages were generated by