Publications of 2003

Result of the query in the list of publications :

• 7 Articles
• 3 PhD Thesis and Habilitations
• 22 Conference articles
• 13 Technical and Research Reports
• 1 Book

new search | get the bibtex

navigation : 1 - 2 - 3 display : 10 per page | 20 per page | 50 per page

22 Conference articles

11 - Étude D'une Nouvelle Classe de Contours Actifs Pour la Détection de Routes Dans Des Images de Télédétection. M. Rochery and I. H. Jermyn and J. Zerubia. In Proc. GRETSI Symposium on Signal and Image Processing, Paris, France, September 2003. @INPROCEEDINGS{Rochery03, author = {Rochery, M. and Jermyn, I. H. and Zerubia, J.}, title = {Étude D'une Nouvelle Classe de Contours Actifs Pour la Détection de Routes Dans Des Images de Télédétection}, year = {2003}, month = {September}, booktitle = {Proc. GRETSI Symposium on Signal and Image Processing}, address = {Paris, France}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/rochery_gretsi03.pdf}, keyword = {} }

12 - Adaptive Probabilistic Models of Wavelet Packets for the Analysis and Segmentation of Textured Remote Sensing Images. K. Brady and I. H. Jermyn and J. Zerubia. In Proc. British Machine Vision Conference (BMVC), Norwich, U. K., September 2003. Keywords : probabilistic, Adaptive, wavelet, Texture. @INPROCEEDINGS{Brady03a, author = {Brady, K. and Jermyn, I. H. and Zerubia, J.}, title = {Adaptive Probabilistic Models of Wavelet Packets for the Analysis and Segmentation of Textured Remote Sensing Images}, year = {2003}, month = {September}, booktitle = {Proc. British Machine Vision Conference (BMVC)}, address = {Norwich, U. K.}, pdf = {http://www-sop.inria.fr/members/Ian.Jermyn/publications/Brady03bmvc.pdf}, keyword = {probabilistic, Adaptive, wavelet, Texture} } Abstract : Remote sensing imagery plays an important role in many elds. It has become an invaluable tool for diverse applications ranging from cartography to ecosystem management. In many of the images processed in these types of applications, semantic entities in the scene are correlated with textures in the image. In this paper, we propose a new method of analysing such textures based on adaptive probabilistic models of wavelet packets. Our approach adapts to the principal periodicities present in the textures, and can capture long-range correlations while preserving the independence of the wavelet packet coefcients. This technique has been applied to several remote sensing images, the results of which are presented.

13 - Natural image modeling using complex wavelets. A. Jalobeanu and L. Blanc-Féraud and J. Zerubia. In Proc. SPIE Conference on Wavelets, Vol. 5207, San Diego, August 2003. @INPROCEEDINGS{Jalobfjz, author = {Jalobeanu, A. and Blanc-Féraud, L. and Zerubia, J.}, title = {Natural image modeling using complex wavelets}, year = {2003}, month = {August}, booktitle = {Proc. SPIE Conference on Wavelets}, volume = {5207}, address = {San Diego}, url = {http://spie.org/Publications/Proceedings/Paper/10.1117/12.507945}, keyword = {} }

14 - Discrete Wavelet transforms that have an adaptive low pass filter. G.C.K. Abhayaratne. In Proc. International Symposium on Signal Processing and its Applications (ISSPA), Paris, France, July 2003. @INPROCEEDINGS{gcka3, author = {Abhayaratne, G.C.K.}, title = {Discrete Wavelet transforms that have an adaptive low pass filter}, year = {2003}, month = {July}, booktitle = {Proc. International Symposium on Signal Processing and its Applications (ISSPA)}, address = {Paris, France}, url = {http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=1224920}, keyword = {} }

15 - Remotely sensed image segmentation using an object point process. S. Drot and H. Le Men and X. Descombes and J. Zerubia. In Proc. IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Toulouse, France, July 2003. @INPROCEEDINGS{drot, author = {Drot, S. and Le Men, H. and Descombes, X. and Zerubia, J.}, title = {Remotely sensed image segmentation using an object point process}, year = {2003}, month = {July}, booktitle = {Proc. IEEE International Geoscience and Remote Sensing Symposium (IGARSS)}, address = {Toulouse, France}, url = {http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=1294331}, keyword = {} }

16 - Urban Scene Rendering using Object Description. F. Cerdat and X. Descombes and J. Zerubia. In Proc. IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Toulouse, France, July 2003. @INPROCEEDINGS{fcerdat, author = {Cerdat, F. and Descombes, X. and Zerubia, J.}, title = {Urban Scene Rendering using Object Description}, year = {2003}, month = {July}, booktitle = {Proc. IEEE International Geoscience and Remote Sensing Symposium (IGARSS)}, address = {Toulouse, France}, url = {http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=1293679}, keyword = {} }

17 - Decomposing an Image: Application to SAR Images. J.F. Aujol and G. Aubert and L. Blanc-Féraud and A. Chambolle. In Proc. Scale-Space, Vol. 2695, series Lecture No, June 2003. @INPROCEEDINGS{jf_scalespace, author = {Aujol, J.F. and Aubert, G. and Blanc-Féraud, L. and Chambolle, A.}, title = {Decomposing an Image: Application to SAR Images}, year = {2003}, month = {June}, booktitle = {Proc. Scale-Space}, volume = {2695}, series = {Lecture No}, url = {http://link.springer.com/chapter/10.1007%2F3-540-44935-3_21}, keyword = {} }

18 - Diffusion anisotrope et filtrage interférométrique. C. Lacombe and G. Aubert and L. Blanc-Féraud and P. Kornprobst. In Congrès National d'Analyse Numérique, Montpellier, June 2003. @INPROCEEDINGS{Lacombe-Canum03, author = {Lacombe, C. and Aubert, G. and Blanc-Féraud, L. and Kornprobst, P.}, title = {Diffusion anisotrope et filtrage interférométrique}, year = {2003}, month = {June}, booktitle = {Congrès National d'Analyse Numérique}, address = {Montpellier}, url = {http://www.i3m.univ-montp2.fr/CANUM2003/}, pdf = {http://www.i3m.univ-montp2.fr/CANUM2003/COMMUNICATIONS/CONF_ORALES/caroline.lacombe.pdf}, keyword = {} }

19 - Filtrage adaptatif des interférogrammes par diffusion anisotrope. C. Lacombe and G. Aubert and L. Blanc-Féraud and P. Kornprobst. In Proc. Journées des jeunes chercheurs en vision par ordinateur, Gerardmer, May 2003. @INPROCEEDINGS{CLGALBFPK, author = {Lacombe, C. and Aubert, G. and Blanc-Féraud, L. and Kornprobst, P.}, title = {Filtrage adaptatif des interférogrammes par diffusion anisotrope}, year = {2003}, month = {May}, booktitle = {Proc. Journées des jeunes chercheurs en vision par ordinateur}, address = {Gerardmer}, ps = {http://www-math.unice.fr/publis/clacombe_orasis03.ps}, keyword = {} }

20 - Gaussian Mixture Models of Texture and Colour for Image Database Retrieval. H. Permuter and J.M. Francos and I. H. Jermyn. In Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Hong Kong, April 2003. Keywords : Texture, Gaussian mixture, Classification, Aerial images. @INPROCEEDINGS{Permuter03, author = {Permuter, H. and Francos, J.M. and Jermyn, I. H.}, title = {Gaussian Mixture Models of Texture and Colour for Image Database Retrieval}, year = {2003}, month = {April}, booktitle = {Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)}, address = {Hong Kong}, pdf = {http://www-sop.inria.fr/members/Ian.Jermyn/publications/Permuter03icassp.pdf}, keyword = {Texture, Gaussian mixture, Classification, Aerial images} } Abstract : We introduce Gaussian mixture models of ‘structure’ and colour features in order to classify coloured textures in images, with a view to the retrieval of textured colour images from databases. Classifications are performed separately using structure and colour and then combined using a confidence criterion. We apply the models to the VisTex database and to the classification of man-made and natural areas in aerial images. We compare these models with others in the literature, and show an overall improvement in performance.

21 - Classification d'images par approche variationnelle. L. Blanc-Féraud. In Workshop on Vision, Image, and Agriculture, Dijon, January 2003. Note : Invited talk. @INPROCEEDINGS{LaureBF, author = {Blanc-Féraud, L.}, title = {Classification d'images par approche variationnelle}, year = {2003}, month = {January}, booktitle = {Workshop on Vision, Image, and Agriculture}, address = {Dijon}, note = {Invited talk.}, keyword = {} }

22 - Building Extraction from Digital Elevation Model.. M. Ortner and X. Descombes and J. Zerubia. In Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Honk Kong, 2003. @INPROCEEDINGS{mathiasicassp, author = {Ortner, M. and Descombes, X. and Zerubia, J.}, title = {Building Extraction from Digital Elevation Model.}, year = {2003}, booktitle = {Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)}, address = {Honk Kong}, url = {http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=1199477}, keyword = {} }

top of the page

13 Technical and Research Reports

1 - Contours Actifs d'Ordre Supérieur Appliqués à la Détection de Linéiques dans des Images de Télédétection. M. Rochery and I. H. Jermyn and J. Zerubia. Research Report 5063, INRIA, France, December 2003. Keywords : Line networks, Active contour, Deformable models, Object extraction. @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 = {December}, 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 = {Line networks, Active contour, Deformable models, Object extraction} } 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.

2 - A Multiresolution Approach for Shape from Shading Coupling Deterministic and Stochastic Optimization. A. Crouzil and X. Descombes and J.D. Durou. Research Report 5006, INRIA, France, December 2003. Keywords : Shape from shading, Simulated Annealing, Optimization, Multiresolution. @TECHREPORT{Crouzil03, author = {Crouzil, A. and Descombes, X. and Durou, J.D.}, title = {A Multiresolution Approach for Shape from Shading Coupling Deterministic and Stochastic Optimization}, year = {2003}, month = {December}, institution = {INRIA}, type = {Research Report}, number = {5006}, address = {France}, url = {https://hal.inria.fr/inria-00071578}, pdf = {https://hal.inria.fr/file/index/docid/71578/filename/RR-5006.pdf}, ps = {https://hal.inria.fr/docs/00/07/15/78/PS/RR-5006.ps}, keyword = {Shape from shading, Simulated Annealing, Optimization, Multiresolution} } Résumé : Le Shape from shading est un problème inverse mal posé pour lequel aucune méthode de résolution complètement satisfaisante n'a encore été proposée. Dans ce rapport technique, nous ramenons le à un problème d'optimisation. Nous montrons d'abord que l'approche déterministe fournit des algorithmes efficaces en termes de temps de calcul, mais est d'un intérêt limité lorsque l'énergie comporte des minima locaux très profonds. Nous proposons comme alternative une approche stochastique utilisant le recuit simulé. Les résultats obtenus dépassent largement ceux de l'approche déterministe. La contrepartie est l'extrême lenteur du processus d'optimisation. Pour cette raison, nous proposons une approche hybride qui combine les approches déterministe et stochastique dans un cadre de multi-résolution. Abstract : Shape from shading is an ill-posed inverse problem for which there is no completely satisfactory solution in the existing literature. In this technical report, we address shape from shading as an energy minimization problem. We first show that the deterministic approach provides efficient algorithms in terms of CPU time, but reaches its limits since the energy associated to shape from shading can contain multiple deep local minima. We derive an alternative stochastic approach using simulated annealing. The obtained results strongly outperform the results of the deterministic approach. The shortcoming is an extreme slowness of the optimization. Therefore, we propose an hybrid approach which combines the deterministic and stochastic approaches in a multiresolution framework.

3 - A Binary Tree-Structured MRF Model for Multispectral Satellite Image Segmentation. G. Scarpa and G. Poggi and J. Zerubia. Research Report 5062, INRIA, France, December 2003. Keywords : Bayesian estimation, Classification, Markov Fields, Hierarchical models. @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 = {December}, 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 = {Bayesian estimation, Classification, Markov Fields, Hierarchical models} } 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.

4 - Flattening of 3D Data. R. Acar and B.W. Seales. Research Report 5048, INRIA, France, December 2003. Keywords : Digital conservation, Document analysis, Restoration. @TECHREPORT{Acar03, author = {Acar, R. and Seales, B.W.}, title = {Flattening of 3D Data}, year = {2003}, month = {December}, institution = {INRIA}, type = {Research Report}, number = {5048}, address = {France}, url = {https://hal.inria.fr/inria-00071535}, pdf = {https://hal.inria.fr/file/index/docid/71535/filename/RR-5048.pdf}, ps = {https://hal.inria.fr/docs/00/07/15/35/PS/RR-5048.ps}, keyword = {Digital conservation, Document analysis, Restoration} } Résumé : Le but du projet de la bibliothèque numérique est de numériser les collections spéciales des bibliothèques; ceci consiste à transformer en données binaires des photographies du contenu de manuscripts rares ou anciens. L'objet, typiquement, n'est pas dans un plan. On enregistre, en même temps que des photographies de l'objet non plat et du texte déformé qui s'y trouve, la forme et la position de sa surface en utilisant un laseromètre. La manière de se servir de cette information pour enlever la distortion de la photographie avant d'enregistrer l'image numérique est alors un problème mathématique. Nous en examinons une formulation variationnelle et l'implantation correspondante. Abstract : The digital library project strives to digitise special collections of libraries; this consists in storing as binary data, photographs of the content of ancient or rare manuscripts. The object is typically not in a flat plane. One collects, along with the photograph of the unflattened object (and the inevitably distorted text), a positional reading of its surface using laserometer. It is then a mathematical problem of how to use the latter information to undo the distortion of the photograph before storing the digitised image.

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

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

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

8 - Automatic 3D Land Register Extraction from Altimetric Data in Dense Urban Areas. M. Ortner and X. Descombes and J. Zerubia. Research Report 4919, INRIA, France, September 2003. Keywords : Object extraction, Buildings, RJMCMC, Stochastic geometry, Digital Elevation Model (DEM), Marked point process. @TECHREPORT{4919, author = {Ortner, M. and Descombes, X. and Zerubia, J.}, title = {Automatic 3D Land Register Extraction from Altimetric Data in Dense Urban Areas}, year = {2003}, month = {September}, institution = {INRIA}, type = {Research Report}, number = {4919}, address = {France}, url = {https://hal.inria.fr/inria-00071660}, pdf = {https://hal.inria.fr/file/index/docid/71660/filename/RR-4919.pdf}, ps = {https://hal.inria.fr/docs/00/07/16/60/PS/RR-4919.ps}, keyword = {Object extraction, Buildings, RJMCMC, Stochastic geometry, Digital Elevation Model (DEM), Marked point process} } Résumé : Ce travail présente un algorithme qui extrait automatiquement un plan cadastral de la description altimétrique (relief) d'une zone urbaine dense. L'altimétrie d'une ville est une donnée qui est maintenant facilement accessible. Dans ce rapport, nous présentons par exemple des résultats sur deux types de données altimétriques : le premier consiste en un Modèle Numérique d'Elévation (MNE) obtenu par corrélation d'images optiques, le second correspond à un MNE obtenu par mesure LASER.Notre objectif principal est de définir un algorithme entièrement automatique capable d'extraire un grand nombre de bâtiments dans des zones urbaines denses.Nous nous intéressons donc plus particulièrement à l'extraction de formes élémentaires et proposons un algorithme qui modélise les bâtiments par des formes rectangulaires. Le résultat obtenu consiste en une carte cadastrale qui peut être utilisée pour faire une estimation précise des formes de toits, par exemple.L'algorithme proposé ici repose sur nos travaux précédents. Nous modélisons des villes par des configurations de rectangles auxquelles nous associons une énergie définie de manière à tenir compte aussi bien d'une information de bas niveau provenant des données utilisées que d'une connaissance géometrique de l'agencement des bâtiments dans les zones urbaines.L'estimation est ensuite faite en minimisant l'énergie définie grace à un recuit-simulé.Nous utilisons un échantilloneur MCMC qui est une combinaison de techniques générales de type Metropolis Hastings Green et de l'algorithme de simulation de processus ponctuel proposé par Geyer et Møller. Nous utilisons en particulier des noyaux de proposition originaux comme la naissance ou mort dans un voisinage, et nous définissons l'énergie par rapport à un processus ponctuel de Poisson non-homogène, ce qui permet d'améliorer le comportement dynamique de l'algorithme.Les resultats que nous présentons sont obtenus sur des donnée réelles fournies par l'IGN. Nous extrayons automatiquement des configurations composées d'une centaine de bâtiments sur des zones dont la taille est en moyenne de 200m sur 200m. L'erreur commise est en moyenne de 15. Abstract : This work present an automatic algorithm that extract 3D land register from altimetric data in dense urban areas. Altimetry of a town is a data which is easily available yet difficult to exploit. For instance, we present here results on two kind of measurements : the first one consists in a Digital Elevation Model (DEM) built using a correlation algorithm and some optical data, while the second one consists in a DEM obtained by Laser measurments.Our main objective is to design an entirely automatic method that is able to deal with this kind of data in very dense urban areas.We thus focus on elementary shape extraction and propose an algorithm that extracts rectangular buildings. The result provided consists in a kind of vectorial land register map that can be used, for instance, to perform precise roof shape estimation.The proposed algorithm uses our previous work. Using a point process framework, we model towns as configuration of rectangles. An energy is defined, that takes into account both a low level information provided by the altimetry of the scene, and some geometric knowledge of the disposition of buildings in towns.The estimation is done by minimizing the energy using a simulated annealing. We use a MCMC sampler that is a combination of general Metropolis Hastings Green techniques and Geyer and Møller algorithm of sampling of point processes. We use some original proposition kernels, such as birth or death in a neighborhood and define the energy with respect to an inhomogeneous Poisson point process.We present results on real data provided by IGN (French Mapping Institute). Results were automatically obtained, on areas that are 200m by 200m large. These results consist in configurations of around 100 rectangles describing considered areas with an error of 15 missclassification.

top of the page

navigation : 1 - 2 - 3 display : 10 per page | 20 per page | 50 per page

These pages were generated by