Publications de Josiane Zerubia

Résultat de la recherche dans la liste des publications :

• 59 Articles
• 173 Articles de conférence
• 64 Rapports de recherche et Rapports techniques
• 7 Articles de collection ou Chapitres de livres
• 3 Livres

nouvelle recherche | bibtex

navigation : 1 - 2- ... - 25 - 26 - 27- ... - 30 - 31 affichage : 10 par page | 20 par page | 50 par page

64 Rapports de recherche et Rapports techniques

19 - A Non-Bayesian Model for Tree Crown Extraction using Marked Point Processes. G. Perrin et X. Descombes et J. Zerubia. Rapport de Recherche 5846, INRIA, France, février 2006. Mots-clés : Energie d'attache aux données, Extraction d'objets, Extraction de Houppiers, Processus ponctuels marques, Geometrie stochastique, Reconstruction en 3D. @TECHREPORT{rr_perrin_nonbay_05, author = {Perrin, G. and Descombes, X. and Zerubia, J.}, title = {A Non-Bayesian Model for Tree Crown Extraction using Marked Point Processes}, year = {2006}, month = {février}, institution = {INRIA}, type = {Research Report}, number = {5846}, address = {France}, url = {http://hal.inria.fr/inria-00070180/fr/}, pdf = {http://hal.inria.fr/inria-00070180/fr/}, keyword = {Energie d'attache aux données, Extraction d'objets, Extraction de Houppiers, Processus ponctuels marques, Geometrie stochastique, Reconstruction en 3D} } Résumé : Dans ce rapport de recherche, notre but est d'extraire les houppiers à partir d'images aériennes de forêts à l'aide de processus ponctuels marqués d'ellipses ou d'ellipsoïdes. Notre approche consiste, en effet, à modéliser les données comme des réalisations de tels processus. Une fois l'objet géométrique de référence choisi, nous échantillonnons le processus objet défini par une densité grâce à un algorithme MCMC à sauts réversibles, optimisé par un recuit simulé afin d'extraire la meilleure configuration d'objets, qui nous donne l'extraction recherchée. Nous obtenons ainsi le nombre des arbres, leur localisation et leur taille. Nous présentons, dans ce rapport, un modèle 2D et un modèle 3D pour extraire des statistiques forestières. Ceux-ci sont testés sur des images aériennes infrarouge couleur très haute résolution fournies par l'Inventaire Forestier National (IFN). Abstract : High resolution aerial and satellite images of forests have a key role to play in natural resource management. As they enable forestry managers to study forests at the scale of trees, it is now possible to get a more accurate evaluation of the resources. Automatic algorithms are needed in that prospect to assist human operators in the exploitation of these data. In this paper, we present a stochastic geometry approach to extract 2D and 3D parameters of the trees, by modelling the stands as some realizations of a marked point process of ellipses or ellipsoids, whose points are the locations of the trees and marks their geometric features. As a result we obtain the number of stems, their position, and their size. This approach yields an energy minimization problem, where the energy embeds a regularization term (prior density), which introduces some interactions between the objects, and a data term, which links the objects to the features to be extracted, in 2D and 3D. Results are shown on Colour Infrared aerial images provided by the French National Forest Inventory (IFN)

20 - Higher-Order Active Contour Energies for Gap Closure. M. Rochery et I. H. Jermyn et J. Zerubia. Rapport de Recherche 5717, INRIA, France, octobre 2005. Mots-clés : Reseaux routiers, Continuity, Gap closure, Ordre superieur, Contour actif, Forme. @TECHREPORT{RR_5717, author = {Rochery, M. and Jermyn, I. H. and Zerubia, J.}, title = {Higher-Order Active Contour Energies for Gap Closure}, year = {2005}, month = {octobre}, institution = {INRIA}, type = {Research Report}, number = {5717}, address = {France}, url = {http://hal.inria.fr/inria-00070300/fr/}, pdf = {https://hal.inria.fr/file/index/docid/70300/filename/RR-5717.pdf}, ps = {http://hal.inria.fr/docs/00/07/03/00/PS/RR-5717.ps}, keyword = {Reseaux routiers, Continuity, Gap closure, Ordre superieur, Contour actif, Forme} } Résumé : L'un des principaux problèmes lors de l'extraction de réseaux linéiques dans des images, et en particulier l'extraction de réseaux routiers dans des images de télédétection, est l'existence d'interruptions dans les données, causées, par exemple, par des occultations. Ces interruptions peuvent mener à des trous dans le réseau extrait qui n'existent pas dans le réseau réel. Dans ce rapport, nous décrivons une énergie de contour actif d'ordre supérieur qui, en plus de favoriser les régions composées de bras fins et connectés entre eux, inclut un terme d'a priori qui pénalise les configurations du réseau où des extremités proches et se faisant face apparaissent. L'apparition dans le réseau extrait de ces configurations est donc moins probable. Si des extremités proches et se faisant face apparaissent pendant l'évolution par descente de gradient utilisée pour minimiser l'énergie, le nouveau terme dans l'énergie crée une attraction entre ces extremités, qui se rapprochent donc l'une de l'autre et se rejoignent, fermant ainsi le trou entre elles. Pour minimiser l'énergie, nous développons des techniques spécifiques pour traiter les derivées d'ordre élevé qui apparaissent dans l'équation de descente de gradient. Nous présentons des résultats d'extraction automatique de réseaux routiers à partir d'images de télédétection, montrant ainsi la capacité du modèle à surmonter les interruptions. Abstract : One of the main difficulties in extracting line networks from images, and in particular road networks from remote sensing images, is the existence of interruptions in the data caused, for example, by occlusions. These can lead to gaps in the extracted network that do not correspond to gaps in the real network. In this report, we describe a higher-order active contour energy that in addition to favouring network-like regions composed of thin arms joining at junctions, also includes a prior term that penalizes network configurations containing `nearby opposing extremities', and thereby makes their appearance in the extracted network less likely. If nearby opposing extremities form during the gradient descent evolution used to minimize the energy, the new energy term causes the extremities to attract one another, and hence to move towards one another and join, thus closing the gap. To minimize the energy, we develop specific techniques to handle the high-order derivatives that appear in the gradient descent equation. We present the results of automatic extraction of networks from real remote-sensing images, showing the ability of the model to overcome interruptions.

21 - A Marked Point Process of Rectangles and Segments for Automatic Analysis of Digital Elevation Models.. M. Ortner et X. Descombes et J. Zerubia. Rapport de Recherche 5712, INRIA, France, octobre 2005. Mots-clés : Processus ponctuels marques, Batiments, RJMCMC. @TECHREPORT{ortner-RR05, author = {Ortner, M. and Descombes, X. and Zerubia, J.}, title = {A Marked Point Process of Rectangles and Segments for Automatic Analysis of Digital Elevation Models.}, year = {2005}, month = {octobre}, institution = {INRIA}, type = {Research Report}, number = {5712}, address = {France}, url = {https://hal.inria.fr/inria-00070305}, keyword = {Processus ponctuels marques, Batiments, RJMCMC} } Résumé : Ce travail présente une approche par géométrie stochastique pour l'extraction de primitives dans les images. Ces structures sont modélisées sous forme de réalisations d'un processus ponctuel spatial marqué dont les points sont des formes géométriques. Cette approche permet d'incorporer un modèle a priori sur la répartition spatiale des structures d'intérêt. Plus spécifiquement, nous présentons un modèle fondé sur l'interaction d'un processus de rectangles avec un processus de segments. Le premier est dédié à la détection des zones homogènes dans l'image et le second à la détection des discontinuités significatives. Nous définissons l'énergie d'une configuration de façon à favoriser la connection entre les segments, l'alignement des rectangles et l'adéquation entre les deux types de primitives. L'estimation repose sur l'emploi d'une technique de recuit-simulé. Le modèle proposé est appliqué à l'analyse de Modèles Numériques d'Elevation. Nous présentons des résultats sur des données réelles fournies par l'Institut Géographique National (IGN). Nous montrons en particulier que l'approche est efficace sur des données de types très différents. Abstract : A marked point process of rectangles and segments for automatic analysis of Digital Elevation Models. This work presents a framework for automatic feature extraction from images using stochastic geometry. Features in images are modeled as realizations of a spatial point process of geometrical shapes. This framework allows the incorporation of a prior knowledge on the spatial repartition of features. More specifically, we present a model based on the superposition of a process of segments and a process of rectangles. The former is dedicated to the detection of linear networks of discontinuities, while the latter aims at segmenting homogeneous areas. An energy is defined, favoring connections of segments, alignments of rectangles, as well as a relevant interaction between both types of objects. The estimation is performed by minimizing the energy using a simulated annealing algorithm. The proposed model is applied to the analysis of Digital Elevation Models (DEMs). These images are raster data representing the altimetry of a dense urban area. We present results on real data provided by the IGN (French National Geographic Institute) consisting in low quality DEMs of various types.

22 - A Parametric Model for Automatic 3D Building Reconstruction from High Resolution Satellite Images. F. Lafarge et X. Descombes et J. Zerubia et M. Pierrot-Deseilligny. Rapport de Recherche 5687, INRIA, France, septembre 2005. Mots-clés : Reconstruction en 3D, Batiments, RJMCMC, Modele numerique d'elevation (MNE). @TECHREPORT{5687, author = {Lafarge, F. and Descombes, X. and Zerubia, J. and Pierrot-Deseilligny, M.}, title = {A Parametric Model for Automatic 3D Building Reconstruction from High Resolution Satellite Images}, year = {2005}, month = {septembre}, institution = {INRIA}, type = {Research Report}, number = {5687}, address = {France}, url = {http://hal.inria.fr/inria-00070326/fr/}, pdf = {https://hal.inria.fr/file/index/docid/70326/filename/RR-5687.pdf}, ps = {http://hal.inria.fr/docs/00/07/03/26/PS/RR-5687.ps}, keyword = {Reconstruction en 3D, Batiments, RJMCMC, Modele numerique d'elevation (MNE)} } Résumé : Dans ce rapport, nous développons un modèle paramétrique pour la reconstruction automatique de bâtiments en 3D fondé sur une approche bayésienne à partir de simulations PLEIADES. Les images satellitaires haute résolution représentent un nouveau type de données permettant de traiter les problèmes de reconstruction 3D de bâtiments. Leur résolution ``relativement basse'' et leur faible rapport signal sur bruit pour ce type de problèmes ne permet pas l'utilisation des méthodes standard développées dans le cas des images aériennes. Nous proposons une approche paramétrique utilisant des Modèles Numériques d'Elévation (MNE) et les empreintes de bâtiments associées modélisées par rectangles. La méthode proposée est fondée sur une approche bayésienne. Une technique de type de Monte Carlo par Chaînes de Markov est utilisée afin d'optimiser le modèle énergétique. Abstract : This report develops a parametric model for automatic 3D building reconstruction based on a Bayesian approach from PLEIADES simulations. High resolution satellite images are a new kind of data to deal with 3D building reconstruction problems. Their ``relatively low'' resolution and low signal noise ration do not allow to use standard methods developed for the aerial image case. We propose a parametric approach using Digital Elevation Models (DEM) and associated rectangular building footprints. The proposed method is based on a Bayesian approach. A Markov Chain Monte Carlo technique is used to optimize the energy model.

23 - Hydrographic Network Extraction from Radar Satellite Imagesusing a Hierarchical Model within a Stochastic Geometry Framework. C. Lacoste et X. Descombes et J. Zerubia et N. Baghdadi. Rapport de Recherche 5697, INRIA, France, septembre 2005. @TECHREPORT{rrHimne, author = {Lacoste, C. and Descombes, X. and Zerubia, J. and Baghdadi, N.}, title = {Hydrographic Network Extraction from Radar Satellite Imagesusing a Hierarchical Model within a Stochastic Geometry Framework}, year = {2005}, month = {septembre}, institution = {INRIA}, type = {Research Report}, number = {5697}, address = {France}, url = {http://hal.inria.fr/inria-00070318}, pdf = {http://hal.inria.fr/docs/00/07/03/18/PDF/RR-5697.pdf}, keyword = {} } Résumé : Ce rapport présente un algorithme d'extraction non supervisée de réseaux hydrographiques à partir d'images satellitaires exploitant la structure arborescante de tels réseaux. L'extraction du surfacique (branches de largeur supérieure à trois pixels) est réalisée par un algorithme efficace fondé sur une modélisation par champ de Markov. Ensuite, l'extraction du linéique se fait par un algorithme récursif fondé sur un modèle hiérarchique dans lequel les affluents d'un fleuve donné sont modélisés par un processus ponctuel marqué défini dans le voisinage de ce fleuve. L'optimisation de chaque processus ponctuel est réalisée par un recuit simulé utilisant un algorithme de Monte Carlo par chaîne de Markov à sauts réversibles. Nous obtenons de bons résultats en terme d'omissions et de surdétections sur une image radar de type ERS. Abstract : This report presents a two-step algorithm for unsupervised extraction of hydrographic networks from satellite images, that exploits the tree structures of such networks. First, the thick branches of the network are detected by an efficient algorithm based on a Markov random field. Second, the line branches are extracted using a recursive algorithm based on a hierarchical model of the hydrographic network, in which the tributaries of a given river are modeled by an object process (or a marked point process) defined within the neighborhood of this river. Optimization of each point process is done via simulated annealing using a reversible jump Markov chain Monte Carlo algorithm. We obtain encouraging results in terms of omissions and overdetections on a radar satellite image.

24 - A Polyline Process for Unsupervised Line Network Extraction in Remote Sensing. C. Lacoste et X. Descombes et J. Zerubia. Rapport de Recherche 5698, INRIA, France, septembre 2005. @TECHREPORT{rrCaroline, author = {Lacoste, C. and Descombes, X. and Zerubia, J.}, title = {A Polyline Process for Unsupervised Line Network Extraction in Remote Sensing}, year = {2005}, month = {septembre}, institution = {INRIA}, type = {Research Report}, number = {5698}, address = {France}, url = {http://hal.inria.fr/inria-00070317}, pdf = {http://hal.inria.fr/docs/00/07/03/17/PDF/RR-5698.pdf}, ps = {http://hal.inria.fr/docs/00/07/03/17/PS/RR-5698.ps}, keyword = {} } Résumé : Ce rapport présente un nouveau modèle issu de la géométrie stochastique pour l'extraction non supervisée de réseaux linéiques (routes, rivières, etc.) à partir d'images satellitaires ou aériennes. Le réseau linéique présent dans la scène observée est modélisé par un processus de lignes brisées, appelé CAROLINE. Le modèle a priori incorpore de fortes contraintes géométriques et topologiques au travers de potentiels sur la forme des lignes brisées et de potentiels d'interaction. Les propriétés radiométriques sont incorporées via la construction d'un terme d'attache aux données fondé sur des tests statistiques. Un recuit simulé sur un algorithme de type Monte Carlo par Chaîne de Markov (MCMC) à sauts réversibles permet une optimisation globale sur l'espace des configurations d'objets, indépendamment de l'initialisation. L'ajout de perturbations pertinentes permet une accélération de la convergence de l'algorithme. Des résultats expérimentaux obtenus sur des images satellitaires et aériennes sont présentés et comparés à ceux obtenus avec un précédent modèle fondé sur un processus de segments, appelé Quality Candy. Abstract : This report presents a new stochastic geometry model for unsupervised extraction of line networks (roads, rivers, etc.) from remotely sensed images. The line network in the observed scene is modeled by a polyline process, named CAROLINE. The prior model incorporates strong geometrical and topological constraints through potentials on the polyline shape and interaction potentials. Data properties are taken into account through a data term based on statistical tests. Optimization is done via a simulated annealing scheme using a Reversible Jump Markov Chain Monte Carlo (RJMCMC) algorithm, without any specific initialization. We accelerate the convergence of the algorithm by using appropriate proposal kernels. Experimental results are provided on aerial and satellite images and compared with the results obtained with a previous model, that is a segment process called Quality Candy.

25 - Optimization Techniques for Energy Minimization Problem in a Marked Point Process Application to Forestry. G. Perrin et X. Descombes et J. Zerubia. Rapport de Recherche 5704, INRIA, France, septembre 2005. Mots-clés : Recuit Simule, Processus ponctuels marques, Geometrie stochastique, Optimisation. @TECHREPORT{rr_perrin_optim_05, author = {Perrin, G. and Descombes, X. and Zerubia, J.}, title = {Optimization Techniques for Energy Minimization Problem in a Marked Point Process Application to Forestry}, year = {2005}, month = {septembre}, institution = {INRIA}, type = {Research Report}, number = {5704}, address = {France}, url = {https://hal.inria.fr/inria-00070312}, pdf = {https://hal.inria.fr/file/index/docid/70312/filename/RR-5704.pdf}, ps = {https://hal.inria.fr/docs/00/07/03/12/PS/RR-5704.ps}, keyword = {Recuit Simule, Processus ponctuels marques, Geometrie stochastique, Optimisation} } Résumé : Dans ce rapport de recherche, nous utilisons les processus ponctuels marqués afin d'extraire un nombre inconnu d'objets dans des images aériennes. Ces processus sont définis par une énergie, qui contient un terme a priori formalisant les interactions entre objets ainsi qu'un terme d'attache aux données. Nous cherchons à minimiser cette énergie, afin d'obtenir la meilleure configuration d'objets, à l'aide d'un recuit simulé qui s'inscrit dans l'algorithme d'échantillonnage MCMC à sauts réversibles. Nous comparons ici différents schémas de décroissance de température, et présentons certaines méthodes qui permettent d'améliorer la convergence de l'algorithme en un temps fini. Abstract : We use marked point processes to detect an unknown number of trees from high resolution aerial images. This approach turns to be an energy minimization problem, where the energy contains a prior term which takes into account the geometrical properties of the objects, and a data term to match these objects onto the image. This stochastic process is simulated via a Reversible Jump Markov Chain Monte Carlo procedure, which embeds a Simulated Annealing scheme to extract the best configuration of objects. We compare in this paper different cooling schedules of the Simulated Annealing algorithm which could provide some good minimization in a short time. We also study some adaptive proposition kernels.

26 - Higher Order Active Contours. M. Rochery et I. H. Jermyn et J. Zerubia. Rapport de Recherche 5656, INRIA, France, août 2005. Mots-clés : Contour actif, Ordre superieur, Reseaux routiers, Forme, A priori. @TECHREPORT{RR_5656, author = {Rochery, M. and Jermyn, I. H. and Zerubia, J.}, title = {Higher Order Active Contours}, year = {2005}, month = {août}, institution = {INRIA}, type = {Research Report}, number = {5656}, address = {France}, url = {https://hal.inria.fr/inria-00070352}, pdf = {https://hal.inria.fr/file/index/docid/70352/filename/RR-5656.pdf}, ps = {https://hal.inria.fr/docs/00/07/03/52/PS/RR-5656.ps}, keyword = {Contour actif, Ordre superieur, Reseaux routiers, Forme, A priori} } Résumé : Nous introduisons une nouvelle classe de contours actifs qui offre des perspectives intéressantes pour la modélisation des régions et des formes, et nous appliquons un cas particulier de ces modèles à l'extraction de réseaux linéiques dans des images satellitaires et aériennes. Les nouveaux modèles sont des fonctionnelles polynômiales arbitraires sur l'espace des contours, et généralisent ainsi les fonctionnelles linéaires utilisées dans les modèles classiques de contours actifs. Alors que les fonctionnelles classiques s'écrivent avec de simples intégrales sur le contour, les nouvelles énergies sont définies comme des intégrales multiples, décrivant ainsi des interactions de longue portée entre les différents ensembles de points du contour. Utilisées comme des termes d'a priori, les fonctionnelles décrivent des familles de contours aux propriétés géométriques complexes, sans faire référence à une forme spécifique et sans nécessiter l'estimation de la position. Utilisées comme des termes d'attache aux données, elles permettent de décrire des interactions multi-points entre le contour et les données. Afin de minimiser ces énergies, nous adoptons la méthodologie des courbes de niveau. Les forces dérivées des énergies sont cependant non locales, et nécessitent une extension des méthodes de courbes de niveau standard. Les réseaux sont une famille de formes d'une grande importance dans de nombreuses applications et en particulier en télédétection. Pour les modéliser, nous faisons un choix particulier d'énergie quadratique qui décrit des structures branchées et nous ajoutons un terme d'attache aux données qui lie les données et la géométrie du contour au niveau des paires de points du contour. Des résultats d'extraction prometteurs sont montrés sur des images réelles. Abstract : We introduce a new class of active contour models that hold great promise for region and shape modelling, and we apply a special case of these models to the extraction of road networks from satellite and aerial imagery. The new models are arbitrary polynomial functionals on the space of boundaries, and thus greatly generalize the linear functionals used in classical contour energies. While classical energies are expressed as single integrals over the contour, the new energies incorporate multiple integrals, and thus describe long-range interactions between different sets of contour points. As prior terms, they describe families of contours that share complex geometric properties, without making reference to any particular shape, and they require no pose estimation. As likelihood terms, they can describe multi-point interactions between the contour and the data. To optimize the energies, we use a level set approach. The forces derived from the new energies are non-local however, thus necessitating an extension of standard level set methods. Networks are a shape family of great importance in a number of applications, including remote sensing imagery. To model them, we make a particular choice of prior quadratic energy that describes reticulated structures, and augment it with a likelihood term that couples the data at pairs of contour points to their joint geometry. Promising experimental results are shown on real images.

27 - Point Processes in Forestry : an Application to Tree Crown Detection. G. Perrin et X. Descombes et J. Zerubia. Rapport de Recherche 5544, INRIA, France, avril 2005. Mots-clés : Processus ponctuels marques, Extraction d'objets, RJMCMC, Extraction de Houppiers, Geometrie stochastique. @TECHREPORT{5544, author = {Perrin, G. and Descombes, X. and Zerubia, J.}, title = {Point Processes in Forestry : an Application to Tree Crown Detection}, year = {2005}, month = {avril}, institution = {INRIA}, type = {Research Report}, number = {5544}, address = {France}, url = {https://hal.inria.fr/inria-00070463}, pdf = {https://hal.inria.fr/file/index/docid/70463/filename/RR-5544.pdf}, ps = {https://hal.inria.fr/docs/00/07/04/63/PS/RR-5544.ps}, keyword = {Processus ponctuels marques, Extraction d'objets, RJMCMC, Extraction de Houppiers, Geometrie stochastique} } Résumé : Dans ce rapport de recherche, notre but est d'extraire des houppiers à partir d'images aériennes de forêts à l'aide de processus ponctuels marqués de disques et d'ellipses. Notre approche consiste, en effet, à modéliser les données comme des réalisations de tels processus. Une fois l'objet géométrique de référence choisi, nous échantillonnons le processus objet défini par une densité grâce à un algorithme MCMC à sauts réversibles, optimisé par un recuit simulé afin d'extraire le maximum a posteriori de cette densité. Cette configuration optimale nous donnera l'extraction recherchée. Dans une première partie, nous proposons de revenir quelque peu sur les processus ponctuels marqués et leur application dans la foresterie. Puis, nous présentons deux nouveaux modèles d'extraction de houppiers à base de disques et d'ellipses, et discutons de quelques améliorations au niveau de la simulation et de l'optimisation de notre algorithme. Nous présentons des résultats obtenus sur des images aériennes très haute résolution fournies par l'Inventaire Forestier National (IFN), ainsi que sur des images synthétiques simulées avec le logiciel AMAP (Bionatics, projet Digiplante). Abstract : In this research report, we aim at extracting tree crowns from remotely sensed images using marked point processes of discs and ellipses. Our approach is indeed to consider that the data are some realizations of a marked point process. Once a geometrical object is defined, we sample a marked point process defined by a density with a Reversible Jump Markov Chain Monte Carlo dynamics and simulated annealing to get the maximum a posteriori estimator of the tree crown distribution on the image. In a first part, we propose to review the basis of marked point processes and some of their examples used in forestry statistic inference. Then, we present two new models, with discs and ellipses, and discuss some improvements made in the optimization or in the simulation. Results are shown on high resolution aerial images of poplars provided by the French Forest Inventory (IFN), and synthetic images simulated with AMAP software (Bionatics, Digiplante project).

28 - Restauration d'Images Biologiques 3D en Microscopie Confocale par Transformée en Ondelettes Complexes. G. Pons Bernad et L. Blanc-Féraud et J. Zerubia. Rapport de Recherche 5507, INRIA, France, février 2005. Mots-clés : Microscopie confocale, Transformee en ondelettes complexes 3D, Restauration, Debruitage, Deconvolution. @TECHREPORT{5507, author = {Pons Bernad, G. and Blanc-Féraud, L. and Zerubia, J.}, title = {Restauration d'Images Biologiques 3D en Microscopie Confocale par Transformée en Ondelettes Complexes}, year = {2005}, month = {février}, institution = {INRIA}, type = {Research Report}, number = {5507}, address = {France}, url = {https://hal.inria.fr/inria-00070500}, pdf = {https://hal.inria.fr/file/index/docid/70500/filename/RR-5507.pdf}, ps = {https://hal.inria.fr/docs/00/07/05/00/PS/RR-5507.ps}, keyword = {Microscopie confocale, Transformee en ondelettes complexes 3D, Restauration, Debruitage, Deconvolution} } Résumé : La microscopie confocale est une méthode puissante pour l'imagerie 3D de spécimens biologiques. Néanmoins, les images acquises sont dégradées non seulement par du flou dû à la lumière provenant de zones non focalisées du spécimen, mais aussi par un bruit de Poisson dû à la détection. Plusieurs algorithmes de déconvolution ont été proposés pour réduire ces dégradations. Un des plus utilisés est l'algorithme itératif de Richardson-Lucy, qui calcule un maximum de vraisemblance adapté à une statistique poissonienne. Mais cet algorithme tend à amplifier le bruit. Une solution consiste alors à introduire une contrainte de régularisation (par exemple, fondée sur la Variation Totale). Ici, nous nous concentrons sur des méthodes fondées sur l'analyse par ondelettes, en particulier sur des méthodes de débruitage via la transformée en ondelettes, qui semblent être plus appropriées à la microscopie en fluorescence 3D. Nous développons dans ce rapport un algorithme de Transformation en Ondelettes Complexes 3D introduit par N. Kingsbury. Celui-ci permet une décomposition invariante par translation et rotation et une sélectivité directionnelle des coefficients en ondelettes. Nous montrons sur des images synthétiques et sur des images réelles les résultats de cet algorithme de débruitage. Ce dernier est ensuite inséré dans le processus de déconvolution. Abstract : Confocal laser scanning microscopy is a powerful technique for 3D imaging of biological specimens. However the acquired images are degraded by blur from out-of-focus light and Poisson noise. Several deconvolution algorithms have been proposed to reduce these degradations, including the Richardson-Lucy iterative algorithm, which computes a maximum likelihood estimation adapted to Poisson statistics. Nevertheless, this algorithm tends to amplify noise. Other solutions exist which combine Richardson-Lucy algorithm and regularization (for example with a Total Variation constraint). In this report, we will concentrate on methods based on wavelet analysis, in particular on wavelet denoising methods, which turn out to be very effective in application to 3D confocal images. To obtain a translation and rotation invariant decomposition algorithm, we have developped the 3D Complex Wavelet Transform introduced by Nick Kingsbury. These wavelets allow moreover a directional selectivity of the wavelet coefficients. We show on simulated and real images the denoising results. This algorithm is then used for the deconvolution purpose.

haut de la page

navigation : 1 - 2- ... - 25 - 26 - 27- ... - 30 - 31 affichage : 10 par page | 20 par page | 50 par page

Ces pages sont générées par