Mesures statistiques non-paramétriques pour la segmentation d'images et de vidéos et minimisation par contours actifs

Résumé : La segmentation d'images et de séquences vidéo consiste à séparer les objets d'intérêt du reste de l'image. L'utilisation de contours actifs en utilisant une approche variationnelle repose sur la définition d'un critère de segmentation. Ce critère est ensuite dérivé à l'aide des gradients de forme, afin de parvenir à l'équation d'évolution du contour actif. Bien souvent ce critère dépend des caractéristiques de l'image et fait une hypothèse implicite sur les distributions de ces caractéristiques. Par exemple, considérer une fonction de la moyenne de l'intensité d'une région revient à faire une hypothèse gaussienne sur la distribution de cette intensité. Dans cette thèse, nous proposons de nous affranchir de ces hypothèses qui ne sont pas toujours respectées et de considérer les distributions les plus "réelles" possible en utilisant une estimation non-paramétrique de ces distributions. Nous présentons des critères issus de la théorie de l'information, comme l'entropie, afin de segmenter des zones de faible variabilité dans les images. Afin de prendre en compte plusieurs canaux comme les canaux couleur, l'entropie jointe et l'information mutuelle sont aussi utilisées. Lorsqu'une information a priori est connue, la divergence de Kullback-Leibler permet d'introduire une notion de distance à une segmentation de référence en cherchant à minimiser une "distance" entre distributions. Enfin, l'entropie jointe est utilisée afin de segmenter des objets en mouvement dans des séquences vidéo, que cela soit en ayant au préalable calculé un flot optique, ou en estimant de façon conjointe le mouvement avec la segmentation.
Type de document :
Thèse
Interface homme-machine [cs.HC]. Université Nice Sophia Antipolis, 2007. Français
Liste complète des métadonnées

Littérature citée [116 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-00507087
Contributeur : Estelle Nivault <>
Soumis le : jeudi 29 juillet 2010 - 16:48:54
Dernière modification le : jeudi 2 juin 2016 - 01:04:19
Document(s) archivé(s) le : jeudi 4 novembre 2010 - 10:20:07

Identifiants

  • HAL Id : tel-00507087, version 1

Collections

Citation

Ariane Herbulot. Mesures statistiques non-paramétriques pour la segmentation d'images et de vidéos et minimisation par contours actifs. Interface homme-machine [cs.HC]. Université Nice Sophia Antipolis, 2007. Français. 〈tel-00507087〉

Partager

Métriques

Consultations de
la notice

220

Téléchargements du document

2896