Publications sur Extraction de Houppiers

Résultat de la recherche dans la liste des publications :

• 1 Article
• 1 Thèse de Doctorat et Habilitation
• 12 Articles de conférence
• 5 Rapports de recherche et Rapports techniques

nouvelle recherche | bibtex

navigation : 1 - 2 affichage : 10 par page | 20 par page | 50 par page

12 Articles de conférence

9 - Forest Resource Assessment using Stochastic Geometry. G. Perrin et X. Descombes et J. Zerubia et J.G. Boureau. Dans Proc. International Precision Forestry Symposium, mars 2006. Mots-clés : Extraction de Houppiers, Extraction d'objets, Geometrie stochastique, RJMCMC, Energie d'attache aux données. @INPROCEEDINGS{perrin_06_b, author = {Perrin, G. and Descombes, X. and Zerubia, J. and Boureau, J.G.}, title = {Forest Resource Assessment using Stochastic Geometry}, year = {2006}, month = {mars}, booktitle = {Proc. International Precision Forestry Symposium}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/perrin_ipfs06.pdf}, keyword = {Extraction de Houppiers, Extraction d'objets, Geometrie stochastique, RJMCMC, Energie d'attache aux données} } Abstract : Aerial and satellite imagery has a key role to play in natural resource management, especially in forestry application. The submetric resolution of the data enables to study forests at the scale of trees, and to get a more accurate assessment of the resources such as the number of stems or the forest cover. To develop automatic tools in order to help the inventories in their work and to bring more knowledge about the stands is also nowadays of important economical and environmental concerns. In this paper, we aim at extracting tree crowns from high resolution aerial Color Infrared images (CIR) of forests using marked point processes. Our approach consists in modelling the trees in the forestry images as random configurations of ellipses, whose points are the positions of the stems and marks their geometric features. The density of this process 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. Our goal is to find the best configuration of an unknown number of objects, i.e. the configuration that maximizes this density. To sample this marked point process, we use Monte Carlo dynamics while the optimization is performed via a Simulated Annealing algorithm, which results in a fully automatic approach. We present different models for the data term in order to cope with different kinds of stands : plantations, isolated trees and mixed stands. Results are shown on aerial CIR images provided by the French Forest Inventory (IFN)

10 - Evaluation des Ressources Forestières à l'aide de Processus Ponctuels Marqués. G. Perrin et X. Descombes et J. Zerubia. Dans Proc. Reconnaissance des Formes et Intelligence Artificielle (RFIA), Tours, France, janvier 2006. Mots-clés : Extraction de Houppiers, Geometrie stochastique, Processus ponctuels marques, Extraction d'objets. @INPROCEEDINGS{perrin_06_a, author = {Perrin, G. and Descombes, X. and Zerubia, J.}, title = {Evaluation des Ressources Forestières à l'aide de Processus Ponctuels Marqués}, year = {2006}, month = {janvier}, booktitle = {Proc. Reconnaissance des Formes et Intelligence Artificielle (RFIA)}, address = {Tours, France}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/perrin_rfia06.pdf}, keyword = {Extraction de Houppiers, Geometrie stochastique, Processus ponctuels marques, Extraction d'objets} } Résumé : Les images aériennes et satellitaires jouent un role de plus en plus important dans le domaine de la gestion des ressources naturelles, et en particulier des forêts. Les organismes chargés d'en faire l'inventaire, comme l'Inventaire Forestier National (IFN) en France, s'appuient en effet sur ces images pour observer les différentes espèces d'arbres d'une zone boisée, avant de se rendre sur le terrain pour une étude plus poussée. La résolution submétrique des données permet, en outre, d'entrevoir une étude plus fine, à savoir un comptage à l'arbre près et une classification automatique des houppiers (ensemble des branches et du feuillage d'un arbre). Cette évaluation précise des ressources forestières n'est actuellement pas disponible. Aussi, le développement d'outils automatiques, chargés d'aider les gestionnaires du paysage dans leur travail en leur apportant une connaissance des ressources à l'échelle de l'arbre, se révèle-t-il être d'un intérêt grandissant.L'objectif de notre travail est donc d'extraire des houppiers à partir d'images aériennes de forêts à très haute résolution. Notre approche consiste à modéliser les peuplements forestiers par un processus ponctuel marqué d'ellipses, dont les points représentent les positions des arbres et les marques leurs caractéristiques géométriques. La densité de ce processus comporte une composante de régularisation, dite a priori, qui introduit des interactions entre les objets du processus, ainsi qu'une composante d'attache aux données, afin que les objets du processus se positionnent sur les houppiers que l'on souhaite extraire. Il s'agit de trouver la configuration d'objets, en nombre inconnu a priori, qui maximise cette densité. La simulation de tels processus fait appel aux algorithmes de type Monte Carlo par Chaîne de Markov (MCMC) à sauts réversibles, l'optimisation étant réalisée à l'aide d'un recuit simulé.Nous présentons ici un nouveau modèle d'attache aux données. Contrairement à nos précédents modèles testés sur des plantations, ce modèle n'est plus bayésien puisque le terme d'attache aux données est désormais calculé au niveau des objets et non de l'image. Ceci nous permet de travailler sur des images plus générales, avec des densités d'arbres plus variables. Des résultats obtenus sur des images fournies par l'IFN valident ce modèle. Abstract : Aerial and satellite imagery has a key role to play in natural resources management, especially in forestry application. Indeed, forest inventories, such as the French National Inventory (IFN), refer to these images to analyse the different tree species in a stand, before sending a team on the ground to obtain some more advanced knowledge. Moreover, the submetric resolution of the data enables to study forests at the scale of trees, and also to get a more accurate evaluation of the resources such as the number of stems. It would be also of important economical and environmental concerns to develop automatic tools to analyze and monitor forests.We aim at extracting tree crowns from high resolution aerial images of forests. Our approach consists in modelling the forestry images as realizations of a marked point process of ellipses, whose points are the positions of the trees and marks their geometric features. The density of this process 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. Our goal is to find the best configuration of an unknown number of objects, i.e. the configuration that maximizes this density. To sample the marked point process, we use Monte Carlo dynamics (Reversible Jump Markov Chain Monte Carlo), while the optimization is performed via a simulated annealing algorithm.We present here a new model for the data term. Contrary to our previous models tested on plantations images, this model is not Bayesian anymore : the data term is calculated for each object and not for the whole image. This enables us to work on more general images, with variable tree crown densities. Example results are shown on aerial images provided by the French Forest Inventory (IFN).

11 - A Marked Point Process Model for Tree Crown Extraction in Plantations. G. Perrin et X. Descombes et J. Zerubia. Dans Proc. IEEE International Conference on Image Processing (ICIP), Genoa, Italy, septembre 2005. Mots-clés : Geometrie stochastique, RJMCMC, Extraction de Houppiers, Extraction d'objets, Processus ponctuels marques. @INPROCEEDINGS{perrin_icip05, author = {Perrin, G. and Descombes, X. and Zerubia, J.}, title = {A Marked Point Process Model for Tree Crown Extraction in Plantations}, year = {2005}, month = {septembre}, booktitle = {Proc. IEEE International Conference on Image Processing (ICIP)}, address = {Genoa, Italy}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/perrin_icip05.pdf}, ps = {ftp://ftp-sop.inria.fr/ariana/Articles/perrin_icip05.ps.gz}, keyword = {Geometrie stochastique, RJMCMC, Extraction de Houppiers, Extraction d'objets, Processus ponctuels marques} } Abstract : This work presents a framework to extract tree crowns from remotely sensed data, especially in plantation images, using stochastic geometry. We aim at finding the tree top positions, and the tree crown diameter distribution. Our approach consists in considering that these images are some realizations of a marked point process. First we model the tree plantation as a configuration of an unknown number of ellipses. Then, a Bayesian energy is defined, containing both a prior energy which incorporates the prior knowledge of the plantation geometric properties, and a likelihood which fits the objects to the data. Eventually, we estimate the global minimum of this energy using Reversible Jump Markov Chain Monte Carlo dynamics and a simulated annealing scheme. We present results on optical aerial images of poplars provided by IFN.

12 - Tree Crown Extraction using Marked Point Processes. G. Perrin et X. Descombes et J. Zerubia. Dans Proc. European Signal Processing Conference (EUSIPCO), University of Technology, Vienna, Austria, septembre 2004. Mots-clés : RJMCMC, Processus ponctuels marques, Recuit Simule, Extraction de Houppiers, Extraction d'objets, Geometrie stochastique. @INPROCEEDINGS{perrin04a, author = {Perrin, G. and Descombes, X. and Zerubia, J.}, title = {Tree Crown Extraction using Marked Point Processes}, year = {2004}, month = {septembre}, booktitle = {Proc. European Signal Processing Conference (EUSIPCO)}, address = {University of Technology, Vienna, Austria}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/perrin_eusipco2004.pdf}, ps = {ftp://ftp-sop.inria.fr/ariana/Articles/perrin_eusipco2004.ps.gz}, keyword = {RJMCMC, Processus ponctuels marques, Recuit Simule, Extraction de Houppiers, Extraction d'objets, Geometrie stochastique} } 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 Markov Chain Monte Carlo dynamics and a simulated annealing to get the maximum a posteriori estimator of the tree crown distribution on the image. Transitions of the Markov chain are managed by some specific proposition kernels. Results are shown on aerial images of poplars provided by IFN.

haut de la page

5 Rapports de recherche et Rapports techniques

1 - A higher-order active contour model of a `gas of circles' and its application to tree crown extraction. P. Horvath et I. H. Jermyn et Z. Kato et J. Zerubia. Research Report 6026, INRIA, France, novembre 2006. Mots-clés : Extraction de Houppiers, Aerial images, Ordre superieur, Contour actif, Gaz de cercles, Forme. @TECHREPORT{Horvath05, author = {Horvath, P. and Jermyn, I. H. and Kato, Z. and Zerubia, J.}, title = {A higher-order active contour model of a `gas of circles' and its application to tree crown extraction}, year = {2006}, month = {novembre}, institution = {INRIA}, type = {Research Report}, number = {6026}, address = {France}, url = {http://hal.inria.fr/inria-00115631}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/2006_Horvath05.pdf}, keyword = {Extraction de Houppiers, Aerial images, Ordre superieur, Contour actif, Gaz de cercles, Forme} } Abstract : Many image processing problems involve identifying the region in the image domain occupied by a given entity in the scene. Automatic solution of these problems requires models that incorporate significant prior knowledge about the shape of the region. Many methods for including such knowledge run into difficulties when the topology of the region is unknown a priori, for example when the entity is composed of an unknown number of similar objects. Higher-order active contours (HOACs) represent one method for the modelling of non-trivial prior knowledge about shape without necessarily constraining region topology, via the inclusion of non-local interactions between region boundary points in the energy defining the model. The case of an unknown number of circular objects arises in a number of domains, \eg medical, biological, nanotechnological, and remote sensing imagery. Regions composed of an a priori unknown number of circles may be referred to as a `gas of circles'. In this report, we present a HOAC model of a `gas of circles'. In order to guarantee stable circles, we conduct a stability analysis via a functional Taylor expansion of the HOAC energy around a circular shape. This analysis fixes one of the model parameters in terms of the others and constrains the rest. In conjunction with a suitable likelihood energy, we apply the model to the extraction of tree crowns from aerial imagery, and show that the new model outperforms other techniques.

2 - Tree Crown Extraction using a Three States Markov Random Field. X. Descombes et E. Pechersky. Research Report 5982, INRIA, septembre 2006. Mots-clés : Champs de Markov, Extraction de Houppiers. @TECHREPORT{Descombes-Pechersky, author = {Descombes, X. and Pechersky, E.}, title = {Tree Crown Extraction using a Three States Markov Random Field}, year = {2006}, month = {septembre}, institution = {INRIA}, type = {Research Report}, number = {5982}, url = {https://hal.inria.fr/inria-00097555}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/2006_Descombes-Pechersky.pdf}, keyword = {Champs de Markov, Extraction de Houppiers} }

3 - 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)

4 - 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).

5 - 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.

haut de la page

navigation : 1 - 2 affichage : 10 par page | 20 par page | 50 par page

Ces pages sont générées par