|
|
Publications de Josiane Zerubia
Résultat de la recherche dans la liste des publications :
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. |
|
29 - SAR Image Filtering Based on the Heavy-Tailed Rayleigh Model.
A. Achim et E.E. Kuruoglu et J. Zerubia. Rapport de Recherche 5493, INRIA, France, février 2005.
Mots-clés : Radar a Ouverture Synthetique (SAR), Estimation MAP, Distribution alpha-stable, Transformee de Mellin.
@TECHREPORT{5493,
|
| author |
= |
{Achim, A. and Kuruoglu, E.E. and Zerubia, J.}, |
| title |
= |
{SAR Image Filtering Based on the Heavy-Tailed Rayleigh Model}, |
| year |
= |
{2005}, |
| month |
= |
{février}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5493}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00070514}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/70514/filename/RR-5493.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/05/14/PS/RR-5493.ps}, |
| keyword |
= |
{Radar a Ouverture Synthetique (SAR), Estimation MAP, Distribution alpha-stable, Transformee de Mellin} |
| } |
Résumé :
Les images issues d'un radar à synthèse d'ouverture (RSO) sont affectées de manière inhérente par un bruit dépendant du signal, généralement connu sous le nom de bruit de chatoiement et qui est dû à la cohérence de l'onde radar. Dans ce rapport, nous proposons un nouveau filtre adaptatif pour débruiter les images RSO et nous déduisons un estimateur du maximum a posteriori (MAP) pour la section efficace du diagramme de gain en radar. On utilise d'abord une transformée logarithmique afin de changer le bruit multiplicatif en bruit additif. Nous modélisons la section efficace à l'aide d'une densité de probabilité récemment introduite - la densité de Rayleigh à queue lourde, qui a été obtenue en supposant que les parties réelles et imaginaires du signal complexe reçu peuvent être mieux caractérisées à l'aide de la famille des distributions alpha-stables. Nous estimons les paramètres du modèle à partir d'observations bruitées en faisant appel à la théorie statistique de deuxième espèce qui est fondée sur la transformée de Mellin. Enfin, nous faisons la comparaison entre la méthode que nous proposons et d'autres filtres classiques pour le débruitage d'images RSO. Nos résultats expérimentaux démontrent que le filtre MAP homomorphique fondé sur le modèle de Rayleigh à queue lourde est parmi les meilleurs pour enlever le bruit de chatoiement. |
Abstract :
Synthetic aperture radar (SAR) images are inherently affected by a signal dependent noise known as speckle, which is due to the radar wave coherence. In this report, we propose a novel adaptive despeckling filter and derive a maximum a posteriori (MAP) estimator for the radar cross section (RCS). We first employ a logarithmic transformation to change the multiplicative speckle into additive noise. We model the RCS using the recently introduced heavy-tailed Rayleigh density function, which was derived based on the assumption that the real and imaginary parts of the received complex signal are best described using the alpha-stable family of distribution. We estimate model parameters from noisy observations by means of second-kind statistics theory, which relies on the Mellin transform. Finally, we compare our proposed algorithm with several classical speckle filters applied on actual SAR images. Experimental results show that the homomorphic MAP filter based on the heavy-tailed Rayleigh prior for the RCS is among the best for speckle removal. |
|
30 - Détection de Feux de Forêt par Analyse Statistique de la Radiométrie d'Images Satellitaires.
F. Lafarge et X. Descombes et J. Zerubia. Rapport de Recherche 5369, INRIA, France, décembre 2004.
Mots-clés : Feux de foret, Champs Gaussiens, Évenement rare.
@TECHREPORT{5369,
|
| author |
= |
{Lafarge, F. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Détection de Feux de Forêt par Analyse Statistique de la Radiométrie d'Images Satellitaires}, |
| year |
= |
{2004}, |
| month |
= |
{décembre}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5369}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00070634}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/70634/filename/RR-5369.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/06/34/PS/RR-5369.ps}, |
| keyword |
= |
{Feux de foret, Champs Gaussiens, Évenement rare} |
| } |
Résumé :
Nous proposons, dans ce rapport, une méthode de détection des feux de forêt par imagerie satellitaire fondée sur la théorie des champs aléatoires. L'idée consiste à modéliser l'image par une réalisation d'un champ gaussien afin d'en extraire, par une analyse statistique, les éléments étrangers pouvant correspondre aux feux.
Le canal IRT (InfraRouge Thermique) contient des longueurs d'onde particulièrement sensibles à l'émission de chaleur. L'intensité d'un pixel d'une image IRT est donc d'autant plus forte que la température de la zone associée à ce pixel est élevée. Les feux de forêt peuvent alors être caractérisés par des pics d'intensité sur ce type d'images. Nous proposons une méthode de classification non supervisée et automatique fondée sur la théorie des champs gaussiens. Pour ce faire, nous modélisons dans un premier temps l'image par une réalisation d'un champ gaussien. Les zones de feux, minoritaires et de fortes intensités sont considérées comme des éléments étrangers à ce champ : ce sont des évènements rares. Ensuite, par une analyse statistique, nous déterminons un jeu de probabilités définissant, pour une zone donnée de l'image, un degré d'appartenance au champ gaussien, et par complémentarité aux zones potentiellement en feux. |
Abstract :
We present in this report a method for forest fire detection in satellite images based on random field theory. The idea is to model the image as a realization of a gaussian field in order to extract the rare events, which are potential fires, by a statistical analysis.
The TIR (Thermical InfraRed) channel has a wavelength sensitive to the emission of heat : the higher the heat of a area, the higher the intensity of the corresponding pixel of the image. Then a forest fire can be characterized by peak intensity in TIR images. We present an fully automatic unsupervised classification method based on Gaussian field theory. First we model the image as a realization of a Gaussian field. The fire areas, which have high intensity and are supposed to be a minority, are considered as foreign elements of that field : they are rare events. Then we determine by a statistical analysis a set of probabilities which characterizes the degree of belonging to the Gaussian field of a small area of the image. So, we estimate the probability that the area is a potential fire. |
|
31 - Noyaux Texturaux pour les Problèmes de Classification par SVM en Télédétection.
F. Lafarge et X. Descombes et J. Zerubia. Rapport de Recherche 5370, INRIA, France, décembre 2004.
Mots-clés : Support Vector Machines, Classification, Feux de foret, Zones urbaines, Base d'apprentissage, Champs de Markov.
@TECHREPORT{5370,
|
| author |
= |
{Lafarge, F. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Noyaux Texturaux pour les Problèmes de Classification par SVM en Télédétection}, |
| year |
= |
{2004}, |
| month |
= |
{décembre}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5370}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00070633}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/70633/filename/RR-5370.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/06/33/PS/RR-5370.ps}, |
| keyword |
= |
{Support Vector Machines, Classification, Feux de foret, Zones urbaines, Base d'apprentissage, Champs de Markov} |
| } |
Résumé :
Nous détaillons dans ce rapport la construction de deux noyaux texturaux s'utilisant dans les problèmes de classification par «Support Vector Machines» en télédétection. Les SVM constituent une méthode de classification supervisée particulièrement bien adaptée pour traiter des données de grande dimension telles que les images satellitaires. Par cette méthode, nous souhaitons réaliser l'apprentissage de paramètres qui permettent la différenciation entre deux ensembles de pixels connexes non-identiques. Nous travaillons pour cela sur des fonctions noyaux, fonctions caractérisant une certaine similarité entre deux données. Dans notre cas, cette similarité sera fondée à la fois sur une notion radiométrique et sur une notion texturale. La principale difficulté rencontrée dans cette étude réside dans l'élaboration de paramètres texturaux pertinents qui modélisent au mieux l'homogénéité d'un ensemble de pixels connexes. Nous appliquons les noyaux proposés à deux problèmes de télédétection: la détection de feux de forêt et la détection de zones urbaines à partir d'images satellitaires haute résolusion. |
Abstract :
We present in this report two textural kernels for «Support Vector Machines» classification applied to remote sensing problems. SVMs constitute a method of supervised classification well adapted to deal with data of high dimension, such as images. We would like to learn parameters which allow the differentiation between two sets of connected pixels. We also introduce kernel functions which characterize a notion of similarity between two pieces of data. In our case this similarity is based on a radiometric charateristic and a textural characteristic. The main difficulty is to elaborate textural parameters which are pertinent and characterize as well as possible the homogeneity of a set of connected pixels. We apply this method to remote sensing problems : the detection of forest fires and the extraction of urban areas in high resolution satellite images. |
|
32 - 3D Microscopy Deconvolution using Richardson-Lucy Algorithm with Total Variation Regularization.
N. Dey et L. Blanc-Féraud et C. Zimmer et P. Roux et Z. Kam et J.C. Olivo-Marin et J. Zerubia. Rapport de Recherche 5272, INRIA, France, juillet 2004.
Mots-clés : Microscopie confocale, Deconvolution, Reponse impulsionnelle, Variation totale.
@TECHREPORT{5272,
|
| author |
= |
{Dey, N. and Blanc-Féraud, L. and Zimmer, C. and Roux, P. and Kam, Z. and Olivo-Marin, J.C. and Zerubia, J.}, |
| title |
= |
{3D Microscopy Deconvolution using Richardson-Lucy Algorithm with Total Variation Regularization}, |
| year |
= |
{2004}, |
| month |
= |
{juillet}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5272}, |
| address |
= |
{France}, |
| url |
= |
{http://hal.inria.fr/inria-00070726/fr/}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/70726/filename/RR-5272.pdf}, |
| ps |
= |
{http://hal.inria.fr/docs/00/07/07/26/PS/RR-5272.ps}, |
| keyword |
= |
{Microscopie confocale, Deconvolution, Reponse impulsionnelle, Variation totale} |
| } |
Résumé :
La microscopie confocale (Confocal laser scanning microscopy ou microscopie confocale à balayage laser) est une méthode puissante de plus en plus populaire pour l'imagerie 3D de spécimens biologiques. Malheureusement, les images acquises sont dégradées non seulement par du flou dû à la lumière provenant de zones du spécimen non focalisées, mais aussi par un bruit de Poisson dû à la détection, qui se fait à faible flux de photons. Plusieurs méthodes de déconvolution ont été proposées pour réduire ces dégradations, avec en particulier l'algorithme itératif de Richardson-Lucy, qui calcule un maximum de vraisemblance adapté à une statistique poissonienne. Mais cet algorithme utilisé comme tel ne converge pas nécessairement vers une solution adaptée, car il tend à amplifier le bruit. Si par contre on l'utilise avec une contrainte de régularisation (connaissance a priori sur l'objet que l'on cherche à restaurer, par exemple), Richardson-Lucy régularisé converge toujours vers une solution adaptée, sans amplification du bruit. Nous proposons ici de combiner l'algorithme de Richardson-Lucy avec une contrainte de régularisation basée sur la Variation Totale, dont l'effet d'adoucissement permet d'éviter les oscillations d'intensité tout en préservant les bords des objets. Nous montrons sur des images synthétiques et sur des images réelles que cette contrainte de régularisation améliore les résultats de la déconvolution à la fois qualitativement et quantitativement. Nous comparons plusieurs méthodes de déconvolution bien connues à la méthode que nous proposons, comme Richardson-Lucy standard (pas de régularisation), Richardson-Lucy régularisé avec Tikhonov-Miller, et un algorithme basé sur la descente de gradients (sous l'hypothèse d'un bruit additif gaussien). |
Abstract :
Confocal laser scanning microscopy is a powerful and increasingly popular technique for 3D imaging of biological specimens. However the acquired images are degraded by blur from out-of-focus light and Poisson noise due to photon-limited detection. Several deconvolution methods have been proposed to reduce these degradations, including the Richardson-Lucy iterative algorithm, which computes a maximum likelihood estimation adapted to Poisson statistics. However this algorithm does not necessarily converge to a suitable solution, as it tends to amplify noise. If it is used with a regularizing constraint (some prior knowledge on the data), Richardson-Lucy regularized with a well-chosen constraint, always converges to a suitable solution. Here, we propose to combine the Richardson-Lucy algorithm with a regularizing constraint based on Total Variation, whose smoothing avoids oscillations while preserving object edges. We show on simulated and real images that this constraint improves the deconvolution results both visually and using quantitative measures. We compare several well-known deconvolution methods to the proposed method, such as standard Richardson-Lucy (no regularization), Richardson-Lucy with Tikhonov-Miller regularization, and an additive gradient-based algorithm. |
|
33 - SAR Amplitude Probability Density Function Estimation based on a Generalized Gaussian Scattering Model.
G. Moser et J. Zerubia et S.B. Serpico. Rapport de Recherche 5153, INRIA, France, mars 2004.
Mots-clés : Radar a Ouverture Synthetique (SAR), Gaussiennes generalisees.
@TECHREPORT{5153,
|
| author |
= |
{Moser, G. and Zerubia, J. and Serpico, S.B.}, |
| title |
= |
{SAR Amplitude Probability Density Function Estimation based on a Generalized Gaussian Scattering Model}, |
| year |
= |
{2004}, |
| month |
= |
{mars}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5153}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00071430}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/71430/filename/RR-5153.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/14/30/PS/RR-5153.ps}, |
| keyword |
= |
{Radar a Ouverture Synthetique (SAR), Gaussiennes generalisees} |
| } |
Résumé :
En télédetection, un problème important est celui de développer des modèles précis pour representer les statistiques des intensités des pixels. En ce qui concerne les données du type Radar à Synthèse d'Ouverture (RSO), cette modélisation constitue un point capital pour la classification ou le débruitage d'une image, par exemple. Dans ce rapport de recherche, une nouvelle méthode d'estimation paramétrique pour les amplitudes d'images RSO est proposée. Elle tient compte de la nature physique des phénomènes de diffusion qui générent une image RSO en adoptant une modèle de gaussiennes generalisées pour les phénomènes de rétrodiffusion. Une expression, sous forme explicite, de la densité de probabilité de l'amplitude est obtenue et un algorithme spécifique d'estimation des paramètres est proposé afin de pouvoir utiliser le modèle proposé. Une mèthode récente fondée sur les «logs-cumulants» est appliquée, dérivant de l'utilisation d'une transformée de Mellin (à la place de la transformée de Fourier usuelle) dans le calcul des fonctions caractéristiques et de la généralisation des concepts de moment et de cumulant correspondante. Les estimées obtenues par la mèthode des log-cumulants pour le modèle d'amplitude fondé sur des gaussiennes généralisées se révelent être calculables numériquement et également consistantes. Dans ce rapport de recherche, l'approche paramètrique proposée est validée sur diverses images radar RSO (ERS, XSAR, ESAR et des radar aéroportés). Les résultats expérimentaux montrent que la mèthode proposée modèlise mieux la densité de probabilité de l'amplitude que beaucoup de modèles paramétriques proposés précédemment pour les phénomènes de rétrodiffusion. |
Abstract :
In the context of remotely sensed data analysis, an important problem is the development of accurate models for the statistics of the pixel intensities. Focusing on Synthetic Aperture Radar (SAR) data, this modelling process turns out to be a crucial task, for instance, for classification or for denoising purposes. In the present report, an innovative parametric estimation methodology for SAR amplitude data is proposed, which takes into account the physical nature of the scattering phenomena generating a SAR image by adopting a generalized Gaussian (GG) model for the backscattering phenomena. A closed form expression for the corresponding amplitude probability density function (PDF) is derived and a specific parameter estimation algorithm is developed in order to deal with the proposed model. Specifically, the recently proposed «method-of-log-cumulants» (MoLC) is applied, which stems from the adoption of the Mellin transform (instead of the usual Fourier transform) in the computation of characteristic functions, and from the corresponding generalization of the concepts of moment and of cumulant. For the developed GG-based amplitude model, the resulting MoLC estimates turn out to be numerically feasible and are also proved to be consistent. The proposed parametric approach is validated using several real ERS-1, XSAR, ESAR and airborne SAR images and the experimental results prove that the method models the amplitude probability density function better than several previously proposed parametric models for the backscattering phenomena. |
|
34 - Dictionary-based Stochastic Expectation-Maximization for SAR amplitude probability density function estimation.
G. Moser et J. Zerubia et S.B. Serpico. Rapport de Recherche 5154, INRIA, France, mars 2004.
Mots-clés : Radar a Ouverture Synthetique (SAR), EM Stochastique (SEM), Modeles de melange fini.
@TECHREPORT{5154,
|
| author |
= |
{Moser, G. and Zerubia, J. and Serpico, S.B.}, |
| title |
= |
{Dictionary-based Stochastic Expectation-Maximization for SAR amplitude probability density function estimation}, |
| year |
= |
{2004}, |
| month |
= |
{mars}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5154}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00071429}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/71429/filename/RR-5154.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/14/29/PS/RR-5154.ps}, |
| keyword |
= |
{Radar a Ouverture Synthetique (SAR), EM Stochastique (SEM), Modeles de melange fini} |
| } |
Résumé :
En télédetection, un problème vital est le besoin de développer des modèles précis pour représenter les statistiques des intensités des images. Dans ce rapport de recherche, nous traitons le problème de l'estimation de la densité de probabilité de l'amplitude d'une image de type Radar à Synthèse d'Ouverture (RSO). Plusieurs modèles théoriques ou heuristiques, ultilisés pour représenter l'amplitude d'un signal du type RSO, ont été proposés dans la littérature et ce sont révelés être efficaces pour différentes types de classes dans le contexte des cartes d'occupation des sols, rendant ainsi difficile le choix d'une seule densité de probabilité paramétrique. Dans ce rapport de recherche, un algorithme d'estimation innovant est proposé, se fondant sur un modèle de mélange fini pour la densité de probabilité de l'amplitude, les diverses composantes du mélange appartenant à un dictionnaire specifique. La mèthode proposée dans ce rapport intégre, de fa on automatique, les procédures de sélection d'un modèle optimal pour chaque composante, d'estimation de paramètres et d'optimisation du nombre de composantes, en combinant un algorithme EM stochastique et la méthode des logs-cumulants pour l'estimation de la densité de probabilité paramètrique. Des resultats expérimentaux sur plusieurs images RSO réelles sont présentés, montrant ainsi que la mèthode proposée est suffisamment précise pour modéliser les statistiques du signal d'amplitude radar de type RSO. |
Abstract :
In the context of remotely sensed data analysis, a crucial problem is represented by the need to develop accurate models for the statistics of the pixel intensities. In the current research report, we address the problem of parametric probability density function (PDF) estimation in the context of Synthetic Aperture Radar (SAR) amplitude data analysis. Specifically, several theoretical and heuristic models for the PDFs of SAR data have been proposed in the literature, and have been proved to be effective for different land-cover typologies, thus making the choice of a single optimal SAR parametric PDF a hard task. In thia report, an innovative estimation algorithm is proposed, which addresses this problem by adopting a finite mixture model (FMM) for the amplitude PDF, with mixture components belonging to a given dictionary of SAR-specific PDFs. The proposed method automatically integrates the procedures of selection of the optimal model for each component, of parameter estimation, and of optimization of the number of components, by combining the Stochastic Expectation Maximization (SEM) iterative methodology and the recently proposed «method-of-log-cumulants» (MoLC) for parametric PDF estimation for non-negative random variables. Experimental results on several real SAR images are presented, showing the proposed method is accurately modelling the statistics of SAR amplitude data. |
|
35 - Models of the Unimodal and Multimodal Statistics of Adaptive Wavelet Packet Coefficients.
R. Cossu et I. H. Jermyn et K. Brady et J. Zerubia. Rapport de Recherche 5122, INRIA, France, février 2004.
Mots-clés : Paquet d'ondelettes, Texture.
@TECHREPORT{5122,
|
| author |
= |
{Cossu, R. and Jermyn, I. H. and Brady, K. and Zerubia, J.}, |
| title |
= |
{Models of the Unimodal and Multimodal Statistics of Adaptive Wavelet Packet Coefficients}, |
| year |
= |
{2004}, |
| month |
= |
{février}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5122}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00071461}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/71461/filename/RR-5122.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/14/61/PS/RR-5122.ps}, |
| keyword |
= |
{Paquet d'ondelettes, Texture} |
| } |
Résumé :
De récents travaux ont montré que bien que les histogrammes de sous-bandes pour les coefficients d'ondelettes standards ont une forme de gaussienne généralisée, ce n'est plus vrai pour les bases de paquets d'ondelettes adaptés à une certaine texture. Trois types de statistiques sont alors observés pour les sous-bandes: gaussienne, gaussienne generalisée et dans certaines sous-bandes des histogrammes multimodaux sans mode en zéro. Dans ce rapport, nous démontrons que ces sous-bandes sont étroitement liées à la structure de la texture et sont ainsi primordiales dans les applications dans lesquelles la texture joue un rôle important. Fort de ces observations, nous étendons l'approche de modélisation de textures proposée par en incluant ces sous-bandes. Nous modifions l'hypothèse gaussienne pour inclure les gaussiennes généralisées et les mixtures de gaussiennes contraintes. Nous utilisons une méthodologie bayésienne, définissant des estimateurs MAP pour la base adaptative, pour la sélection du modèle de la sous-bande et pour les paramètres de ce modèle. Les résultats confirment l'efficacité de la méthode proposée et soulignent l'importance des sous-bandes multimodales pour la discrimination et la modélisation de textures. |
Abstract :
In recent work, it was noted that although the subband histograms for standard wavelet coefficients take on a generalized Gaussian form, this is no longer true for wavelet packet bases adapted to a given texture. Instead, three types of subband statistics are observed: Gaussian, generalized Gaussian, and most interestingly, in some subbands, multimodal histograms with no mode at zero. As will be demonstrated in this report, these latter subbands are closely linked to the structure of the texture, and are thus likely to be important for many applications in which texture plays a role. Motivated by these observations, we extend the approach to texture modelling proposed by to include these subbands. We relax the Gaussian assumption to include generalized Gaussians and constrained Gaussian mixtures. We use a Bayesian methodology, finding MAP estimates for the adaptive basis, for subband model selection, and for subband model parameters. Results confirm the effectiveness of the proposed approach, and highlight the importance of multimodal subbands for texture discrimination and modelling. |
|
36 - Contours Actifs d'Ordre Supérieur Appliqués à la Détection de Linéiques dans des Images de Télédétection.
M. Rochery et I. H. Jermyn et J. Zerubia. Rapport de Recherche 5063, INRIA, France, décembre 2003.
Mots-clés : Reseaux lineiques, Contour actif, Modeles deformables, Extraction d'objets.
@TECHREPORT{RRRochery03,
|
| author |
= |
{Rochery, M. and Jermyn, I. H. and Zerubia, J.}, |
| title |
= |
{Contours Actifs d'Ordre Supérieur Appliqués à la Détection de Linéiques dans des Images de Télédétection}, |
| year |
= |
{2003}, |
| month |
= |
{décembre}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5063}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00071521}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/71521/filename/RR-5063.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/15/21/PS/RR-5063.ps}, |
| keyword |
= |
{Reseaux lineiques, Contour actif, Modeles deformables, Extraction d'objets} |
| } |
Résumé :
Dans ce rapport, nous présentons une nouvelle méthode pour l'incorporation d'une information sur la géométrie a priori dans le cadre des contours actifs. Nous introduisons une nouvelle classe de contours actifs d'ordre supérieur, qui sont des énergies quadratiques sur l'espace des 1-chaînes, contrairement aux énergies classiquement utilisées qui sont linéaires. Ces énergies permettent de définir des interactions non triviales entre les différents points du contour. Elles donnent naissance à des forces non locales, permettant ainsi d'introduire une information géométrique forte dans le modèle. D'un point de vue algorithmique, nous utilisons la méthodologie par courbes de niveau afin de trouver le minimum de l'énergie, la présence de forces non locales nécessitant une extension des méthodes standard utilisées pour l'évolution que nous décrivons. Nous utilisons ce nouveau modèle pour la détection de linéiques (routes, rivières, ...) dans les images de télédétection et nous montrons des résultats d'extraction sur des images réelles. |
Abstract :
In this report, we introduce a new class of active contour energies, quadratic on the space of 1-chains, as opposed to classical energies, which are linear. These energies define non trivial interactions between different points of the contour, and thus allow the incorporation of a priori shape information through the generation of non-local forces that carry geometric information. They also allow the definition of complex data terms linking the data at different points of the contour. To solve the models, we use the level set methodology, in the process extending the standard evolution methods to deal with the non-locality of the forces involved. We use this new approach in order to define models for the extraction of line networks (roads, rivers, ...) in satellite imagery. We show some results on real-world images. |
|
37 - A Binary Tree-Structured MRF Model for Multispectral Satellite Image Segmentation.
G. Scarpa et G. Poggi et J. Zerubia. Rapport de Recherche 5062, INRIA, France, décembre 2003.
Mots-clés : Estimation bayesienne, Classification, Champs de Markov, Modeles hierarchiques.
@TECHREPORT{Scarpa03,
|
| author |
= |
{Scarpa, G. and Poggi, G. and Zerubia, J.}, |
| title |
= |
{A Binary Tree-Structured MRF Model for Multispectral Satellite Image Segmentation}, |
| year |
= |
{2003}, |
| month |
= |
{décembre}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| number |
= |
{5062}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/inria-00071522}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/71522/filename/RR-5062.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/15/22/PS/RR-5062.ps}, |
| keyword |
= |
{Estimation bayesienne, Classification, Champs de Markov, Modeles hierarchiques} |
| } |
Résumé :
Dans ce rapport, nous proposons un modèle markovien a priori structuré à arbre binaire (le TS-MRF) pour la segmentation d'images satellitaires multispectrales. Ce modèle permet de représenter un champ bidimensionnel par une séquence de champs de Markov binaires, chacun correspondant à un noeud de l'arbre. Pour avoir une bonne classification, on peut adapter le modèle TS-MRF à la structure intrinsèque des données, en définissant un MRF, à plusieurs paramètres, très flexible. Bien que l'on définisse le modèle global sur tout l'arbre, l'optimisation et l'estimation peuvent être poursuivis en considérant un noeud à la fois, à partir de la racine jusqu'aux feuilles, avec une réduction significative de la complexité. En effet, on a montré expérimentalement que l'algorithme global est beaucoup plus rapide qu'un algorithme conventionnel fondé sur le modèle markovien d'Ising, en particulier quand le nombre des bandes spectrales est très grand. Grâce à la procédure d'optimisation séquentielle, ce modèle permet aussi de déterminer le nombre des classes présentes dans l'image satellitaire, dans le cadre d'une classification non supervisée, à travers une condition d'arrêt définie localement pour chaque noeud. Nous avons effectué des expériences sur une image SPOT de la baie de Lannion, pour laquelle nous disposons d'une vérité terrain, et nous avons trouvé que le modèle proposé fournit de meilleurs résultats que certains autres modèles de Markov et que d'autres méthodes variationnelles. |
Abstract :
In this work we detail a tree-structured MRF (TS-MRF) prior model useful for segmentation of multispectral satellite images. This model allows a hierarchical representation of a 2-D field by the use of a sequence of binary MRFs, each corresponding to a node in the tree. In order to get good performances, one can fit the intrinsic structure of the data to the TS-MRF model, thereby defining a multi-parameter, flexible, MRF. Although a global MRF model is defined on the whole tree, optimization as well estimation can be carried out by working on a single node at a time, from the root down to the leaves, with a significant reduction in complexity. Indeed the overall algorithm is proved experimentally to be much faster than a comparable algorithm based on a conventional Ising MRF model, especially when the number of bands becomes very large. Thanks to the sequential optimization procedure, this model also addresses the cluster validation problem of unsupervised segmentation, through the use of a stopping condition local to each node. Experiments on a SPOT image of the Lannion Bay, a ground-truth of which is available, prove the superior performance of the algorithm w.r.t. some other MRF based algorithms for supervised segmentation, as well as w.r.t. some variational methods. |
|
38 - Extraction de Houppiers par Processus Objet.
G. Perrin et X. Descombes et J. Zerubia. Rapport de Recherche 5037, INRIA, France, décembre 2003.
Mots-clés : Extraction d'objets, Extraction de Houppiers, Geometrie stochastique, Processus ponctuels marques, RJMCMC.
@TECHREPORT{Perrin03,
|
| author |
= |
{Perrin, G. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Extraction de Houppiers par Processus Objet}, |
| year |
= |
{2003}, |
| month |
= |
{décembre}, |
| 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 |
= |
{Extraction d'objets, Extraction de Houppiers, Geometrie stochastique, Processus ponctuels marques, 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. |
|
39 - Texture-adaptive mother wavelet selection for texture analysis.
G.C.K. Abhayaratne et I. H. Jermyn et J. Zerubia. Research Report, INRIA, France, décembre 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 |
= |
{décembre}, |
| institution |
= |
{INRIA}, |
| type |
= |
{Research Report}, |
| address |
= |
{France}, |
| url |
= |
{https://hal.inria.fr/hal-01208017}, |
| pdf |
= |
{Rapports/RR-8783.pdf}, |
| keyword |
= |
{} |
| } |
|
40 - A Probabilistic Framework for Adaptive Texture Description.
K. Brady et I. H. Jermyn et J. Zerubia. Rapport de Recherche 4920, INRIA, France, septembre 2003.
Mots-clés : Segmentation, Texture, Paquet d'ondelettes.
@TECHREPORT{4920,
|
| author |
= |
{Brady, K. and Jermyn, I. H. and Zerubia, J.}, |
| title |
= |
{A Probabilistic Framework for Adaptive Texture Description}, |
| year |
= |
{2003}, |
| month |
= |
{septembre}, |
| 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, Paquet d'ondelettes} |
| } |
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. |
|
41 - Automatic 3D Land Register Extraction from Altimetric Data in Dense Urban Areas.
M. Ortner et X. Descombes et J. Zerubia. Rapport de Recherche 4919, INRIA, France, septembre 2003.
Mots-clés : Extraction d'objets, Batiments, RJMCMC, Geometrie stochastique, Modele numerique d'elevation (MNE), Processus ponctuels marques.
@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 |
= |
{septembre}, |
| 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 |
= |
{Extraction d'objets, Batiments, RJMCMC, Geometrie stochastique, Modele numerique d'elevation (MNE), Processus ponctuels marques} |
| } |
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. |
|
42 - Improved RJMCMC Point Process Sampler for Object Detection by Simulated Annealing.
M. Ortner et X. Descombes et J. Zerubia. Rapport de Recherche 4900, INRIA, France, août 2003.
Mots-clés : Batiments, Extraction d'objets, RJMCMC, Processus ponctuels marques.
@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 |
= |
{août}, |
| 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 |
= |
{Batiments, Extraction d'objets, RJMCMC, Processus ponctuels marques} |
| } |
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. |
|
43 - Analyse Intra-urbaine à partir d'Images Satellitaires par une Approche de Fusion de Données sur la Ville de Mexico.
O. Viveros-Cancino et X. Descombes et J. Zerubia. Rapport de Recherche 4578, Inria, France, octobre 2002.
Mots-clés : Fusion de donnees, Champs de Markov, Texture, Zones urbaines, Matrice de confusion.
@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 |
= |
{octobre}, |
| 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 |
= |
{Fusion de donnees, Champs de Markov, Texture, Zones urbaines, Matrice de confusion} |
| } |
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. |
|
44 - Building Extraction from Digital Elevation Model.
M. Ortner et X. Descombes et J. Zerubia. Rapport de Recherche 4517, Inria, France, juillet 2002.
Mots-clés : Batiments, Modele numerique d'elevation (MNE), RJMCMC.
@TECHREPORT{4517,
|
| author |
= |
{Ortner, M. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Building Extraction from Digital Elevation Model}, |
| year |
= |
{2002}, |
| month |
= |
{juillet}, |
| 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 |
= |
{Batiments, Modele numerique d'elevation (MNE), 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). |
|
45 - A Comparative Study of Point Processes for Line Network Extraction in Remote Sensing.
C. Lacoste et X. Descombes et J. Zerubia. Rapport de Recherche 4516, Inria, France, juillet 2002.
Mots-clés : Geometrie stochastique, Processus ponctuels marques, Reseaux routiers, Reseaux lineiques, 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 |
= |
{juillet}, |
| 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 |
= |
{Geometrie stochastique, Processus ponctuels marques, Reseaux routiers, Reseaux lineiques, 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. |
|
46 - Analyse de Texture Hyperspectrale par Modélisation Markovienne.
G. Rellier et X. Descombes et F. Falzon et J. Zerubia. Rapport de Recherche 4479, INRIA, France, juin 2002.
Mots-clés : Classification, Champs de Markov, Texture, Imagerie hyperspectrale.
@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 |
= |
{juin}, |
| 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, Champs de Markov, Texture, Imagerie hyperspectrale} |
| } |
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. |
|
47 - Segmentation of textured satellite and aerial images by Bayesian inference and Markov Random Fields.
S. Wilson et J. Zerubia. Rapport de Recherche 4336, INRIA, France, décembre 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 |
= |
{décembre}, |
| 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. |
|
48 - Building detection by markov object processes and a MCMC algorithm.
L. Garcin et X. Descombes et J. Zerubia et H. Le Men. Rapport de Recherche 4206, Inria, France, juin 2001.
Mots-clés : Geometrie stochastique, Processus ponctuels marques, Batiments, 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 |
= |
{juin}, |
| 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 |
= |
{Geometrie stochastique, Processus ponctuels marques, Batiments, 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. |
|
49 - La poursuite de projection pour la classification d'image hyperspectrale texturée.
G. Rellier et X. Descombes et F. Falzon et J. Zerubia. Rapport de Recherche 4152, Inria, France, mars 2001.
Mots-clés : Classification, Texture, Imagerie hyperspectrale, Champs de Markov.
@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 |
= |
{mars}, |
| 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, Imagerie hyperspectrale, Champs de Markov} |
| } |
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. |
|
50 - Modelling SAR images with a generalization of the Rayleigh distribution.
E.E. Kuruoglu et J. Zerubia. Rapport de Recherche 4121, Inria, France, février 2001.
Mots-clés : Distribution alpha-stable.
@TECHREPORT{KuruJZ01a,
|
| author |
= |
{Kuruoglu, E.E. and Zerubia, J.}, |
| title |
= |
{Modelling SAR images with a generalization of the Rayleigh distribution}, |
| year |
= |
{2001}, |
| month |
= |
{février}, |
| 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 |
= |
{Distribution alpha-stable} |
| } |
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. |
|
51 - Classification d'Images Multibandes par Modèles Variationnels.
C. Samson et L. Blanc-Féraud et G. Aubert et J. Zerubia. Rapport de Recherche 4010, Inria, septembre 2000.
Mots-clés : Methodes variationnelles, Classification, Contour actif, Courbes de niveaux, 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 |
= |
{septembre}, |
| 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 |
= |
{Methodes variationnelles, Classification, Contour actif, Courbes de niveaux, 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. |
|
52 - Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine.
O. Pony et X. Descombes et J. Zerubia. Rapport de Recherche 4008, Inria, septembre 2000.
Mots-clés : Imagerie hyperspectrale, Champs de Markov, Recuit Simule, Champs de Gibbs, Modele de Potts, 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 |
= |
{septembre}, |
| 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 |
= |
{Imagerie hyperspectrale, Champs de Markov, Recuit Simule, Champs de Gibbs, Modele de Potts, 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. |
|
53 - Adaptive parameter estimation for satellite image deconvolution.
A. Jalobeanu et L. Blanc-Féraud et J. Zerubia. Rapport de Recherche 3956, Inria, juin 2000.
Mots-clés : Deconvolution, Regularisation, Champs de Markov, Maximum de vraisemblance.
@TECHREPORT{jalo00a,
|
| author |
= |
{Jalobeanu, A. and Blanc-Féraud, L. and Zerubia, J.}, |
| title |
= |
{Adaptive parameter estimation for satellite image deconvolution}, |
| year |
= |
{2000}, |
| month |
= |
{juin}, |
| 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, Regularisation, Champs de Markov, Maximum de vraisemblance} |
| } |
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. |
|
54 - Étude de la restitution des paramètres instrumentaux en imagerie satellitaire.
A. Jalobeanu et L. Blanc-Féraud et J. Zerubia. Rapport de Recherche 3957, Inria, juin 2000.
Mots-clés : Deconvolution, Champs de Markov, Maximum de vraisemblance, Methodes variationnelles.
@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 |
= |
{juin}, |
| 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, Champs de Markov, Maximum de vraisemblance, Methodes variationnelles} |
| } |
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. |
|
55 - Satellite image deconvolution using complex wavelet packets.
A. Jalobeanu et L. Blanc-Féraud et J. Zerubia. Rapport de Recherche 3955, Inria, juin 2000.
Mots-clés : Deconvolution, Estimation bayesienne, Paquet d'ondelettes.
@TECHREPORT{jalo00,
|
| author |
= |
{Jalobeanu, A. and Blanc-Féraud, L. and Zerubia, J.}, |
| title |
= |
{Satellite image deconvolution using complex wavelet packets}, |
| year |
= |
{2000}, |
| month |
= |
{juin}, |
| 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, Estimation bayesienne, Paquet d'ondelettes} |
| } |
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. |
|
56 - Local registration and deformation of a road cartographic database on a SPOT satellite image.
G. Rellier et X. Descombes et J. Zerubia. Rapport de Recherche 3939, Inria, mai 2000.
Mots-clés : Champs de Markov, Reseaux routiers.
@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 |
= |
{mai}, |
| 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 |
= |
{Champs de Markov, Reseaux routiers} |
| } |
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. |
|
57 - A Markov point process for road extraction in remote sensed images.
R. Stoica et X. Descombes et J. Zerubia. Rapport de Recherche 3923, Inria, 2000.
Mots-clés : Geometrie stochastique, Processus ponctuels marques, Candy model, Reseaux routiers, 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 |
= |
{Geometrie stochastique, Processus ponctuels marques, Candy model, Reseaux routiers, 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. |
|
58 - A Deterministic Annealing PMHT Algorithm with an Application to Particle Tracking.
A. Strandlie et J. Zerubia. Rapport de Recherche 3711, Inria, juin 1999.
Mots-clés : Algorithme EM, Suivi de particules.
@TECHREPORT{jz99c,
|
| author |
= |
{Strandlie, A. and Zerubia, J.}, |
| title |
= |
{A Deterministic Annealing PMHT Algorithm with an Application to Particle Tracking}, |
| year |
= |
{1999}, |
| month |
= |
{juin}, |
| 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 |
= |
{Algorithme EM, Suivi de particules} |
| } |
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). |
|
59 - Multiphase Evolution and Image Classification.
C. Samson et L. Blanc-Féraud et G. Aubert et J. Zerubia. Rapport de Recherche 3662, INRIA, avril 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 |
= |
{avril}, |
| 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. |
|
60 - Indexing and retrieval in multimedia libraries through parametric texture modeling using the 2D Wold decomposition.
R. Stoica et J. Zerubia et J.M. Francos. Rapport de Recherche 3594, Inria, décembre 1998.
Mots-clés : Champs de Markov, 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 |
= |
{décembre}, |
| 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 |
= |
{Champs de Markov, 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. |
|
61 - Image Classification Using a Variational Approach.
C. Samson et L. Blanc-Féraud et G. Aubert et J. Zerubia. Rapport de Recherche 3523, Inria, octobre 1998.
Mots-clés : Classification, Methodes variationnelles.
@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 |
= |
{octobre}, |
| 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, Methodes variationnelles} |
| } |
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. |
|
62 - Mise en correspondance et recalage de graphes : application aux réseaux routiers extraits d'un couple carte/image.
C. Hivernat et X. Descombes et S. Randriamasy et J. Zerubia. Rapport de Recherche 3529, Inria, octobre 1998.
Mots-clés : Champs de Markov, Reseaux routiers, Correspondance de graphes.
@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 |
= |
{octobre}, |
| 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 |
= |
{Champs de Markov, Reseaux routiers, Correspondance de graphes} |
| } |
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. |
|
63 - Estimation d'hyperparamètres pour la restauration d'images satellitaires par une méthode MCMCML.
A. Jalobeanu et L. Blanc-Féraud et J. Zerubia. Rapport de Recherche 3469, Inria, août 1998.
Mots-clés : Champs de Markov, Regularisation, Methodes variationnelles, Maximum de vraisemblance.
@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 |
= |
{août}, |
| 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 |
= |
{Champs de Markov, Regularisation, Methodes variationnelles, Maximum de vraisemblance} |
| } |
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. |
|
64 - Extraction des zones urbaines fondée sur une analyse de la texture par modélisation markovienne.
A. Lorette et X. Descombes et J. Zerubia. Rapport de Recherche 3423, Inria, mai 1998.
Mots-clés : Texture, Champs de Markov, Zones urbaines, Entropie.
@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 |
= |
{mai}, |
| 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, Champs de Markov, Zones urbaines, Entropie} |
| } |
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). |
|
 haut de la page
7 Articles de collection ou Chapitres de livres |
1 - Probability Density Function Estimation for Classification of High Resolution SAR Images.
V. Krylov et G. Moser et S. Serduc et J. Zerubia. Dans Signal Processing for Remote Sensing, Second Edition, pages 339-363, Ed. C. Chen., Publ. Taylor & Francis, février 2012.
@INCOLLECTION{Taylor12,
|
| author |
= |
{Krylov, V. and Moser, G. and Serduc, S. and Zerubia, J.}, |
| title |
= |
{Probability Density Function Estimation for Classification of High Resolution SAR Images}, |
| year |
= |
{2012}, |
| month |
= |
{février}, |
| booktitle |
= |
{Signal Processing for Remote Sensing, Second Edition}, |
| pages |
= |
{339-363}, |
| editor |
= |
{C. Chen.}, |
| publisher |
= |
{Taylor & Francis}, |
| url |
= |
{https://www.crcpress.com/Signal-and-Image-Processing-for-Remote-Sensing-Second-Edition/Chen/9781439855966}, |
| pdf |
= |
{https://hal.inria.fr/hal-00729044/document}, |
| keyword |
= |
{} |
| } |
|
2 - Detection and Recognition of a Collection of Objects in a Scene.
X. Descombes et I. H. Jermyn et J. Zerubia. Dans Inverse Problems in Vision and 3D Tomography, pages 155--189, series DSIP, Ed. ISTE, London ; John Wiley and Sons, New York, 2010.
@INCOLLECTION{Wiley10,
|
| author |
= |
{Descombes, X. and Jermyn, I. H. and Zerubia, J.}, |
| title |
= |
{Detection and Recognition of a Collection of Objects in a Scene}, |
| year |
= |
{2010}, |
| booktitle |
= |
{Inverse Problems in Vision and 3D Tomography}, |
| pages |
= |
{155--189}, |
| series |
= |
{DSIP}, |
| editor |
= |
{ISTE, London ; John Wiley and Sons, New York}, |
| url |
= |
{http://eu.wiley.com/WileyCDA/WileyTitle/productCd-1848211724.html}, |
| pdf |
= |
{http://onlinelibrary.wiley.com/doi/10.1002/9781118603864.ch5/summary}, |
| keyword |
= |
{} |
| } |
|
3 - Detection d’objets dans une scene.
X. Descombes et I. H. Jermyn et J. Zerubia. Dans Problemes inverses en imagerie et en vision, pages 167--204, series Tr. IC2, Ed. Ali Mohammad-Djafari, Publ. Ed. Hermes, 2009.
Copyright : Ed. Hermes
@INCOLLECTION{DESCOMBES_DETECTION,
|
| author |
= |
{Descombes, X. and Jermyn, I. H. and Zerubia, J.}, |
| title |
= |
{Detection d’objets dans une scene}, |
| year |
= |
{2009}, |
| booktitle |
= |
{Problemes inverses en imagerie et en vision}, |
| pages |
= |
{167--204}, |
| series |
= |
{Tr. IC2}, |
| editor |
= |
{Ali Mohammad-Djafari}, |
| publisher |
= |
{Ed. Hermes}, |
| url |
= |
{http://www.lavoisier.fr/livre/electricite-electronique/problemes-inverses-en-imagerie-et-en-vision-en-2-volumes-inseparables/mohammad-djafari/descriptif-9782746219977}, |
| keyword |
= |
{} |
| } |
|
4 - Bayesian estimation of blur and noise in remote sensing imaging.
A. Jalobeanu et J. Zerubia et L. Blanc-Féraud. Dans Blind image deconvolution: theory and applications, Ed. P. Campisi and K. Egiazarian, Publ. CRC Press, 2007.
@INCOLLECTION{jalo2006,
|
| author |
= |
{Jalobeanu, A. and Zerubia, J. and Blanc-Féraud, L.}, |
| title |
= |
{Bayesian estimation of blur and noise in remote sensing imaging}, |
| year |
= |
{2007}, |
| booktitle |
= |
{Blind image deconvolution: theory and applications}, |
| editor |
= |
{P. Campisi and K. Egiazarian}, |
| publisher |
= |
{CRC Press}, |
| url |
= |
{https://www.crcpress.com/Blind-Image-Deconvolution-Theory-and-Applications/Campisi-Egiazarian/9780849373671}, |
| pdf |
= |
{ftp://ftp-sop.inria.fr/ariana/Articles/2007_jalo2006.pdf}, |
| keyword |
= |
{} |
| } |
|
haut de la page
Ces pages sont générées par 
|
Nouvelle page de démos
bibtex
