Segmentation et détection d'objets par caractérisation multi-échelle
Résumé
Half away between edge detection and object recognition this study aim to characterize singularities in order to guide this two phases. The caracterization is obtained with a generalization of the Lipschitz exponents .for complex structures. This new characterization is called " maxima chain " and integrates the notion of value and spatial repartition of the maxima. The maxima chains are obtained with a multiscale decomposition using a Diadic Discrete Wavelet Transform (DDWT). We use the maxima of the gradient image computed with the wavelet details. The local maxima detect the position of irregular structures (edges) in the image (Canny algorithm). Then we characterize each maxima using their evolution across the different scales. A classification is made using the maxima chains. We integrate the classification to eliminate unwanted maxima (from noise or other objects) to drive the search of closed contours. In fact, there is a totally different signature from one maxima to another depending on the parameters of the objects : nature, shape, size, gray scale, texture, ...
A mi chemin entre la segmentation et la reconnaissance de formes, cette étude propose de caractériser les points de rupture d’une image afin de guider ces deux phases. La caractérisation est obtenue par une généralisation des exposants de Lipschitz dans le cas de structures complexes (hétérogènes, recouvrement, ...). On parle alors de chaînes de maxima. Cette notion intègre l’évolution de la valeur et l’évolution spatiale d’un
maximum. Ces chaînes de maxima sont obtenues par un suivi des maxima du module de l’image du gradient à différents niveaux de résolution. La décomposition multi-résolution est obtenue à partir d’une transformée en ondelettes de l’image. Une classification des points de rupture est réalisée sur la base de ces chaînes de maxima.
Cette caractérisation est utilisée : lors de la phase de segmentation pour détecter des points contours d’un
même objet et construire à partir de ces échantillons un contour fermé ; lors de la phase de reconnaissance pour
identifier la nature des objets en fonction de la nature des transitions.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|