Publications about Marked point process

Result of the query in the list of publications :

• 5 Articles
• 5 PhD Thesis and Habilitations
• 15 Conference articles
• 15 Technical and Research Reports
• 2 Collection articles or Books chapters

new search | get the bibtex

navigation : 1 - 2- ... - 4 - 5 display : 10 per page | 20 per page | 50 per page

5 Articles

1 - Building Development Monitoring in Multitemporal Remotely Sensed Image Pairs with Stochastic Birth-Death Dynamics. C. Benedek and X. Descombes and J. Zerubia. IEEE Trans. Pattern Analysis and Machine Intelligence, 34(1): pages 33-50, January 2012. Keywords : Building extraction, Change detection, Marked point process, multiple birth-and-death dynamics. Copyright : IEEE @ARTICLE{benedekPAMI11, author = {Benedek, C. and Descombes, X. and Zerubia, J.}, title = {Building Development Monitoring in Multitemporal Remotely Sensed Image Pairs with Stochastic Birth-Death Dynamics}, year = {2012}, month = {January}, journal = {IEEE Trans. Pattern Analysis and Machine Intelligence}, volume = {34}, number = {1}, pages = {33-50}, url = {http://dx.doi.org/10.1109/TPAMI.2011.94}, keyword = {Building extraction, Change detection, Marked point process, multiple birth-and-death dynamics} } Abstract : In this paper we introduce a new probabilistic method which integrates building extraction with change detection in remotely sensed image pairs. A global optimization process attempts to find the optimal configuration of buildings, considering the observed data, prior knowledge, and interactions between the neighboring building parts. We present methodological contributions in three key issues: (1) We implement a novel object-change modeling approach based on Multitemporal Marked Point Processes, which simultaneously exploits low level change information between the time layers and object level building description to recognize and separate changed and unaltered buildings. (2) To answering the challenges of data heterogeneity in aerial and satellite image repositories, we construct a flexible hierarchical framework which can create various building appearance models from different elementary feature based modules. (3) To simultaneously ensure the convergence, optimality and computation complexity constraints raised by the increased data quantity, we adopt the quick Multiple Birth and Death optimization technique for change detection purposes, and propose a novel non-uniform stochastic object birth process, which generates relevant objects with higher probability based on low-level image features.

2 - A Marked Point Process Model Including Strong Prior Shape Information Applied to Multiple Object Extraction From Images. M. S. Kulikova and I. H. Jermyn and X. Descombes and E. Zhizhina and J. Zerubia. International Journal of Computer Vision and Image Processing, 1(2): pages 1-12, 2011. Keywords : Active contour, Marked point process, multiple birth-and-death dynamics, multiple object extraction, Shape prior. @ARTICLE{kulikova_ijcvip2010, author = {Kulikova, M. S. and Jermyn, I. H. and Descombes, X. and Zhizhina, E. and Zerubia, J.}, title = {A Marked Point Process Model Including Strong Prior Shape Information Applied to Multiple Object Extraction From Images}, year = {2011}, journal = {International Journal of Computer Vision and Image Processing}, volume = {1}, number = {2}, pages = {1-12}, url = {http://hal.archives-ouvertes.fr/hal-00804118}, keyword = {Active contour, Marked point process, multiple birth-and-death dynamics, multiple object extraction, Shape prior} } Abstract : Object extraction from images is one of the most important tasks in remote sensing image analysis. For accurate extraction from very high resolution (VHR) images, object geometry needs to be taken into account. A method for incorporating strong yet flexible prior shape information into a marked point process model for the extraction of multiple objects of complex shape is presented. To control the computational complexity, the objects considered are defined using the image data and the prior shape information. To estimate the optimal configuration of objects, the process is sampled using a Markov chain based on a stochastic birth-and-death process on the space of multiple objects. The authors present several experimental results on the extraction of tree crowns from VHR aerial images.

3 - Unsupervised line network extraction in remote sensing using a polyline process. C. Lacoste and X. Descombes and J. Zerubia. Pattern Recognition, 43(4): pages 1631-1641, April 2010. Keywords : Marked point process, Line networks, Road network extraction. @ARTICLE{lacoste10, author = {Lacoste, C. and Descombes, X. and Zerubia, J.}, title = {Unsupervised line network extraction in remote sensing using a polyline process}, year = {2010}, month = {April}, journal = {Pattern Recognition}, volume = {43}, number = {4}, pages = {1631-1641}, url = {http://dx.doi.org/10.1016/j.patcog.2009.11.003}, keyword = {Marked point process, Line networks, Road network extraction} } Abstract : Marked point processes provide a rigorous framework to describe a scene by an unordered set of objects. The efficiency of this modeling has been shown on line network extraction with models manipulating interacting segments. In this paper, we extend this previous modeling to polylines composed of an unknown number of segments. Optimization is done via simulated annealing using a Reversible Jump Markov Chain Monte Carlo (RJMCMC) algorithm. We accelerate the convergence of the algorithm by using appropriate proposal kernels. Results on aerial and satellite images show that this new model outperforms the previous one.

4 - Object Extraction Using a Stochastic Birth-and-Death Dynamics in Continuum. X. Descombes and R. Minlos and E. Zhizhina. Journal of Mathematical Imaging and Vision, 33(3): pages 347-359, 2009. Keywords : birth and death process, Marked point process, Object extraction. Copyright : Springer @ARTICLE{DZM08, author = {Descombes, X. and Minlos, R. and Zhizhina, E.}, title = {Object Extraction Using a Stochastic Birth-and-Death Dynamics in Continuum}, year = {2009}, journal = {Journal of Mathematical Imaging and Vision}, volume = {33}, number = {3}, pages = {347-359}, pdf = {http://dx.doi.org/10.1007/s10851-008-0117-y}, keyword = {birth and death process, Marked point process, Object extraction} } Abstract : We define a new birth and death dynamics dealing with configurations of disks in the plane. We prove the convergence of the continuous process and propose a discrete scheme converging to the continuous case. This framework is developed to address image processing problems consisting in detecting a configuration of objects from a digital image. The derived algorithm is applied for tree crown extraction and bird detection from aerial images. The performance of this approach is shown on real data.

5 - Building Outline Extraction from Digital Elevation Models using Marked Point Processes. M. Ortner and X. Descombes and J. Zerubia. International Journal of Computer Vision, 72(2): pages 107-132, April 2007. Keywords : RJMCMC, Buildings, Stochastic geometry, Marked point process, Digital Elevation Model (DEM). @ARTICLE{ortner_ijcv_05, author = {Ortner, M. and Descombes, X. and Zerubia, J.}, title = {Building Outline Extraction from Digital Elevation Models using Marked Point Processes}, year = {2007}, month = {April}, journal = {International Journal of Computer Vision}, volume = {72}, number = {2}, pages = {107-132}, url = {http://www.springerlink.com/content/d563v16957427102/?p=873bd324c7c14049a45cc1f2905b5a86&pi=0}, keyword = {RJMCMC, Buildings, Stochastic geometry, Marked point process, Digital Elevation Model (DEM)} }

top of the page

5 PhD Thesis and Habilitations

1 - Shape recognition for image scene analysis. M. S. Kulikova. PhD Thesis, Universite de Nice - Sophia-Antipolis, December 2009. Keywords : tree crown , Classification, Shape, multiple object extraction, Marked point process, Shape prior. @PHDTHESIS{mkulikova_phd09, author = {Kulikova, M. S.}, title = {Shape recognition for image scene analysis}, year = {2009}, month = {December}, school = {Universite de Nice - Sophia-Antipolis}, url = {http://tel.archives-ouvertes.fr/docs/00/48/20/19/PDF/phd_mkulikova_2009.pdf}, keyword = {tree crown , Classification, Shape, multiple object extraction, Marked point process, Shape prior} } Résumé : Cette thèse est composée de deux parties principales. La première partie est dédiée au problème de la classification d’espèces d’arbres en utilisant des descripteurs de forme, en combainison ou non, avec ceux de radiométrie ou de texture. Nous montrons notamment que l’information sur la forme améliore la performance d’un classifieur. Pour ce faire, dans un premier temps, une étude des formes de couronnes d’arbres extraites à partir d’images aériennes, en infrarouge couleur, est eectuée en utilisant une méthodologie d’analyse de formes des courbes continues fermées dans un espace de formes, en utilisant la notion de chemin géodésique sous deux métriques dans des espaces appropriés : une métrique non-élastique en utilisant la reprèsentation par la fonction d’angle de la courbe, ainsi qu’une métrique élastique induite par une représentation par la racinecarée appelée q-fonction. Une étape préliminaire nécessaire à la classification est l’extraction des couronnes d’arbre. Dans une seconde partie, nous abordons donc le problème de l’extraction d’objets de forme complexe arbitraire, à partir d’images de télédétection à très haute résolution. Nous construisons un modèle fondé sur les processus ponctuels marqués. Son originalité tient dans sa prise en compte d’objets de forme arbitraire par rapport aux objets de forme paramétrique, e.g. ellipses ou rectangles. Les formes sélectionnées sont obtenues par la minimisation locale d’une énergie de type contours actifs avec diérents a priori sur la forme incorporé. Les objets de la configuration finale (optimale) sont ensuite sélectionnés parmi les candidats par une dynamique de naissances et morts multiples, couplée à un schéma de recuit simulé. L’approche est validée sur des images de zones forestières à très haute résolution fournies par l’Université d’Agriculture de Suède. Abstract : This thesis includes two main parts. In the first part we address the problem of tree crown classification into species using shape features, without, or in combination with, those of radiometry and texture, to demonstrate that shape information improves classification performance. For this purpose, we first study the shapes of tree crowns extracted from very high resolution colour aerial infra-red images. For our study, we choose a methodology based on the shape analysis of closed continuous curves on shape spaces using geodesic paths under the bending metric with the angle-function curve representation, and the elastic metric with the square root q-function representation. A necessary preliminary step to classification is extraction of the tree crowns. In the second part, we address thus the problem of extraction of multiple objects with complex, arbitrary shape from remote sensing images of very high resolution. We develop a model based on marked point processes. Its originality lies in its use of arbitrarily-shaped objects as opposed to parametric shape objects, e.g. ellipses or rectangles. The shapes considered are obtained by local minimisation of an active contour energy with weak and then strong shape prior knowledge included. The objects in the final (optimal) configuration are then selected from amongst these candidates by a multiple birth-and-death dynamics embedded in an annealing scheme. The approach is validated on very high resolution images of forest provided by the Swedish University of Agriculture.

2 - Etude du couvert forestier par processus ponctuels marqués. G. Perrin. PhD Thesis, Ecole Centrale Paris, October 2006. Keywords : Tree Crown Extraction, Marked point process, Stochastic geometry, Object extraction, RJMCMC. @PHDTHESIS{perrin_phd06, author = {Perrin, G.}, title = {Etude du couvert forestier par processus ponctuels marqués}, year = {2006}, month = {October}, school = {Ecole Centrale Paris}, url = {http://www-sop.inria.fr/ariana/personnel/Guillaume.Perrin/resume.php}, pdf = {http://www-sop.inria.fr/ariana/personnel/Guillaume.Perrin/DOWNLOADS/these_perrin_2006.pdf}, keyword = {Tree Crown Extraction, Marked point process, Stochastic geometry, Object extraction, RJMCMC} } Résumé : Cette thèse aborde le problème de l'extraction d'arbres à partir d'images aériennes InfraRouge Couleur (IRC) de forêts. Nos modèles reposent sur l'utilisation de processus objets ou processus ponctuels marqués. Il s'agit de variables aléatoires dont les réalisations sont des configurations d'objets géométriques. Une fois l'objet géométrique de référence choisi, nous définissons l'énergie du processus par le biais d'un terme a priori, modélisant les contraintes sur les objets et leurs interactions, ainsi qu'un terme image. Nous échantillonnons le processus objet grâce à un algorithme de type Monte Carlo par Chaînes de Markov à sauts réversibles (RJMCMC), optimisé par un recuit simulé afin d'extraire la meilleure configuration d'objets, qui nous donne l'extraction recherchée. Dans ce manuscrit, nous proposons différents modèles d'extraction de houppiers, qui extraient des informations à l'échelle de l'arbre selon la densité du peuplement. Dans les peuplements denses, nous présentons un processus d'ellipses, et dans les zones de plus faible densité, un processus d'ellipsoïdes. Nous obtenons ainsi le nombre d'arbres, leur localisation, le diamètre de la couronne et leur hauteur pour les zones non denses. Les algorithmes automatiques résultant de cette modélisation sont testés sur des images IRC très haute résolution fournies par l'Inventaire Forestier National (IFN). Abstract : This thesis addresses the problem of tree crown extraction from Colour InfraRed (CIR) aerial images of forests. Our models are based on object processes, otherwise known as marked point processes. These mathematical objects are random variables whose realizations are configurations of geometrical shapes. This approach yields an energy minimization problem, where the energy is composed of a regularization term (prior density), which introduces some constraints on the objects and their interactions, and a data term, which links the objects to the features to be extracted. Once the reference object has been chosen, we sample the process and extract the best configuration of objects with respect to the energy, using a Reversible Jump Markov Chain Monte Carlo (RJMCMC) algorithm embedded in a Simulated Annealing scheme. We propose different models for tree crown extraction depending on the density of the stand. In dense areas, we use an ellipse process, while in sparse vegetation an ellipsoïd process is used. As a result we obtain the number of stems, their position, the diameters of the crowns and the heights of the trees for sparse areas. The resulting algorithms are tested on high resolution CIR aerial images provided by the French National Forest Inventory (IFN).

3 - Processus Ponctuels Marqués pour l'Extraction Automatique de Caricatures de Bâtiments à partir de Modèles Numériques d'Elévation. M. Ortner. PhD Thesis, Universite de Nice Sophia Antipolis, October 2004. Keywords : Marked point process, Object extraction, Buildings, Digital Elevation Model (DEM), RJMCMC, Stochastic geometry. @PHDTHESIS{mortner_these, author = {Ortner, M.}, title = {Processus Ponctuels Marqués pour l'Extraction Automatique de Caricatures de Bâtiments à partir de Modèles Numériques d'Elévation}, year = {2004}, month = {October}, school = {Universite de Nice Sophia Antipolis}, url = {http://hal.inria.fr/index.php?halsid=6flo42f56f7171p5e5uik2u9v0&view_this_doc=tel-00189803&version=1}, pdf = {http://hal.inria.fr/docs/00/18/98/03/PDF/These_Ortner.pdf}, keyword = {Marked point process, Object extraction, Buildings, Digital Elevation Model (DEM), RJMCMC, Stochastic geometry} } Résumé : Cette thèse se place dans un cadre de reconstruction urbaine et propose un corpus algorithmique pour extraire des formes simples sur les Modèles Numériques d'Elévation. Ce type de données décrit le relief d'une zone urbaine par une grille régulière de points à chacun desquels est associée une information de hauteur. Les modèles utilisés reposent sur l'utilisation de processus ponctuels marqués. Il s'agit de variables aléatoires dont les réalisations sont des configurations d'objets géométriques. Ces modèles permettent d'introduire des contraintes sur la forme des objets recherchés dans une image ainsi qu'un terme de régularisation modélisé par des interactions entre les objets. Une énergie peut être associée aux configurations d'objets et la configuration minimisant cette énergie trouvée au moyen d'un recuit-simulé couplé à un échantillonneur de type Monte Carlo par Chaîne de Markov à sauts réversibles (RJMCMC). Nous proposons quatre modèles pour extraire des caricatures de bâtiments à partir de descriptions altimétriques de zones urbaines denses. Chaque modèle est constitué par une forme d'objet, une énergie d'attache aux données et une énergie de régularisation. Les deux premiers modèles permettent d'extraire des formes simples (rectangles) en utilisant une contrainte d'homogénéité pour l'un et une détection des discontinuités pour l'autre. Le troisième modèle modélise les bâtiments par une forme polyhédrique. Le dernier modèle s'intéresse à l'apport d'une coopération entre des objets simples. Les algorithmes obtenus, automatiques, sont évalués sur des données réelles fournies par l'IGN (MNE Laser et optiques de différentes qualités). Abstract : The context of this thesis is the reconstruction of urban areas from images. It proposes a set of algorithms for extracting simple shapes from Digital Elevation Models (DEM). DEMs describe the altimetry of an urban area by a grid of points, each of which has a height associated to it. The proposed models are based on marked point processes. These mathematical objects are random variables whose realizations are configurations of geometrical shapes. Using these processes, we can introduce constraints on the shape of the objects to be detected in an image, and a regularizing term incorporating geometrical interactions between objects. An energy can be associated to each object configuration, and the global minima of this energy can then be found by applying simulated annealing to a Reversible Jump Monte Carlo Markov Chain sampler (RJMCMC). We propose four different models for extracting the outlines of buildings from altimetric descriptions of dense urban areas. Each of these models is constructed from an object shape, a data energy, and a regularizing energy. The first two models extract simple shapes (rectangles) using, respectively, a homogeneity constraint and discontinuity detection. The third model looks for three-dimensional polyhedral buildings. The last model uses cooperation between two types of objects, rectangles and segments. The resulting algorithms are evaluated on real data provided by the French National Geographic Institute (a laser DEM and optical DEMs of differing quality).

4 - Extraction de Réseaux Linéiques à partir d'Images Satellitaires et Aériennes par Processus Ponctuels Marqués. C. Lacoste. PhD Thesis, Universite de Nice Sophia Antipolis, September 2004. Keywords : Stochastic geometry, Object extraction, RJMCMC, Line networks, Simulated Annealing, Marked point process. @PHDTHESIS{lacoste_these, author = {Lacoste, C.}, title = {Extraction de Réseaux Linéiques à partir d'Images Satellitaires et Aériennes par Processus Ponctuels Marqués}, year = {2004}, month = {September}, school = {Universite de Nice Sophia Antipolis}, url = {http://hal.inria.fr/index.php?halsid=6flo42f56f7171p5e5uik2u9v0&view_this_doc=tel-00261397&version=1}, pdf = {http://hal.inria.fr/docs/00/26/13/97/PDF/THESE_CAROLINE_LACOSTE.pdf}, keyword = {Stochastic geometry, Object extraction, RJMCMC, Line networks, Simulated Annealing, Marked point process} } Résumé : Cette thèse aborde le problème de l'extraction non supervisée des réseaux linéiques (routes, rivières, etc.) à partir d'images satellitaires et aériennes. Nous utilisons des processus objet, ou processus ponctuels marqués, comme modèles a priori. Ces modèles permettent de bénéficier de l'apport d'un cadre stochastique (robustesse au bruit, corpus algorithmique, etc.) tout en manipulant des contraintes géométriques fortes. Un recuit simulé sur un algorithme de type Monte Carlo par Chaîne de Markov (MCMC) permet une optimisation globale sur l'espace des configurations d'objets, indépendamment de l'initialisation. Nous proposons tout d'abord une modélisation du réseau linéique par un processus dont les objets sont des segments interagissant entre eux. Le modèle a priori est construit de façon à exploiter au mieux la topologie du réseau recherché au travers de potentiels fondés sur la qualité de chaque interaction. Les propriétés radiométriques sont prises en compte dans un terme d'attache aux données fondé sur des mesures statistiques. Nous étendons ensuite cette modélisation à des objets plus complexes. La manipulation de lignes brisées permet une extraction plus précise du réseau et améliore la détection des bifurcations. Enfin, nous proposons une modélisation hiérarchique des réseaux hydrographiques dans laquelle les affluents d'un fleuve sont modélisés par un processus de lignes brisées dans le voisinage de ce fleuve. Pour chacun des modèles, nous accélérons la convergence de l'algorithme MCMC par l'ajout de perturbations adaptées. La pertinence de cette modélisation par processus objet est vérifiée sur des images satellitaires et aériennes, optiques et radar. Abstract : This thesis addresses the problem of the unsupervised extraction of line networks (roads, rivers, etc.) from remotely sensed images. We use object processes, or marked point processes, as prior models. These models benefit from a stochastic framework (robustness w.r.t. noise, algorithms, etc.) while incorporating strong geometric constraints. Optimization is done via simulated annealing using a Reversible Jump Markov Chain Monte Carlo (RJMCMC) algorithm, without any specific initialization. We first propose to model line networks by a process whose objects are interacting line segments. The prior model is designed to exploit as fully as possible the topological properties of the network under consideration through potentials based on the quality of each interaction. The radiometric properties of the network are modeled using a data term based on statistical measures. We then extend this model to more complex objects. The use of broken lines improves the detection of network junctions and increases the accuracy of the extracted network. Finally, we propose a hierarchical model of hydrographic networks in which the tributaries of a given river are modeled by a process of broken lines in the neighborhood of this river. For each model, we accelerate convergence of the RJMCMC algorithm by using appropriate perturbations. We show experimental results on aerial and satellite images (optical and radar data) to verify the relevance of the object process models.

5 - Processus ponctuels pour l'extraction de réseaux linéiques dans les images satellitaires et aériennes. R. Stoica. PhD Thesis, Universite de Nice Sophia Antipolis, February 2001. Keywords : Marked point process, Line networks, Road network, Stochastic geometry, RJMCMC. @PHDTHESIS{rs01, author = {Stoica, R.}, title = {Processus ponctuels pour l'extraction de réseaux linéiques dans les images satellitaires et aériennes}, year = {2001}, month = {February}, school = {Universite de Nice Sophia Antipolis}, url = {http://www.inria.fr/rrrt/tu-0663.html}, ps = {ftp://ftp.inria.fr/INRIA/publication/Theses/TU-0663.ps.gz}, keyword = {Marked point process, Line networks, Road network, Stochastic geometry, RJMCMC} } Résumé : Les réseaux routiers, ou les réseaux hydrographiques, les vaisseaux sanguins ou bien les fissures dans les matériaux sont connus dans la communauté du traitement d'image sous le nom générique de réseaux liné¨iques. La théorie des processus ponctuels marqués est un cadre mathématique rigoureux qui donne la possibilité de modéliser l'image comme un ensemble d'objets en interaction. Les deux idées principales qui ont motivé ce travail sont : ces réseaux sont approchés par de segments de droite connectés, et les réseaux liné¨iques dans une image sont la réalisation d'un processus ponctuel de Gibbs. Le processus ponctuel qui modèlise les réseaux comporte deux composantes. Le premier terme ("Candy" modèle) gère les états et les interactions entre segments : densité, connectivité, alignement et répulsion des segments. L'emplacement du réseau dans l'image est trouvé grâce au second terme, le terme d'attache aux données. Cette composante du modèle est construite à partir de tests d'hypothèses. L'estimateur des réseaux dans l'image est donné par le minimum d'une fonction d'énergie de Gibbs. Pour trouver l'optimum global de cette fonction, nous mettons en {\oe}uvre un algorithme de type recuit simulé qui s'appuie, sur une dynamique de type Monte Carlo par Chaînes de Markov (MCMC) à sauts réversibles. Des résultats sont présentes sur des images aériennes, SPOT et RADAR (RSO). Nous abordons ensuite deux de problèmes ouverts liés au "Candy" modèle, mais d'un interêt théorique général : la convergence d'une dynamique de Monte Carlo à sauts reversibles, et l'estimation des paramètres des processus ponctuels. Une solution à ces problèmes pourrait ouvrir une nouvelle direction dans la recherche de méthodes non-supervisése en traitement d'image. Abstract : Road or hydrographical networks, blood vessels or fissures in materials are all known by the image processing community under the general name of line networks. The theory of point processes is a rigourous mathematical framework which allows us to model an image as a set of interacting objects. The two main ideas which are the basis of this work are : these networks can be considered as connected segments, and the line networks in an image are the realization of a Gibbs point process. The point process used to model the networks has two components. The first one (Candy model) deals with the states and the interaction of the segments : density, connectivity, alignment, attraction and rejection. The location of the network is determined by the second component, the data term. This component is based on hypothesis tests. The network estimator is given by the minimum of a Gibbs energy. We build a simulated annealing algorithm in order to avoid local minima. This algorithm uses reversible jump Monte Carlo Markov Chain (RJMCMC) dynamics. Results are shown on aerial, SPOT and RADAR (SAR) images. Finally, we start a study on two open problems related to the Candy model, but of general theoretical interest : the convergence of a RJMCMC dynamics, and parameter estimation related to point processes. A solution to these problems would give a new direction for the research of unsupervised methods in image processing.

top of the page

navigation : 1 - 2- ... - 4 - 5 display : 10 per page | 20 per page | 50 per page

These pages were generated by