Méthodes d'intégration des estimations multi-échelles de la disparité à partir de la phase du filtre de Gabor : algorithmes et évaluations

• Auteur / Autrice : Mohammed El Habib Ouali
• Direction : Claude Laurgeau
• Type : Thèse de doctorat
• Discipline(s) : Informatique Temps Réel, Robotique et Automatique
• Date : Soutenance en 2000
• Etablissement(s) : ENSMP

Mots clés

Mots clés contrôlés

Intelligence artificielle

Informatique

Résumé

Nous proposons une nouvelle méthodologie d’intégration multi-échelles des estimations de la disparité à partir des différences de phase. La carte de disparité obtenue à partir des différences de phase d'un seul filtre n'est pas dense. De plus, la disparité n'est pas fiable partout à cause de la présence des effets indésirables des singularités de la phase dans la réponse du filtre. Il est alors naturel d'utiliser d'autres échelles pour éviter ces singularités afin d’améliorer la densité et la précision des cartes de disparités. Pour remédier à ces problèmes, les algorithmes proposés dans la littérature utilisent des palliatifs : la disparité comme une moyenne pondérée des estimations multi-échelles, une stratégie coarse-to-fine ou bien un calcul itératif du type itérations de Newton pour affiner la solution. Comme ces palliatifs présentent des inconvénients, nous proposons d'utiliser des mécanismes explicites pour la sélection multi-échelles. Cette approche est en accord total avec les travaux récents de Koenderink et de Lindeberg. Dans notre cas, nous utilisons les modules de la réponse du filtre ainsi que la distance relative entre la fréquence instantanée observée et la fréquence centrale du filtre comme paramètres de fusion des disparités multi-échelles. Cependant, ceci suppose que nous disposons d'une estimation à toutes les échelles considérées. Pour satisfaire cette condition, nous proposons d'utiliser les dérivées du signal original. Nous observons que les singularités ne se trouvent pas aux mêmes positions selon que nous utilisons le signal ou sa dérivée d'ordre N. Nous proposons également un modèle quadratique pour la détermination des voisinages de singularités sans détecter les singularités. Finalement, nous présentons l’évaluation non-contextuelle et contextuelle des algorithmes, ou nous montrons son importance, d'une part pour guider la recherche et d'autre part dans le transfert des algorithmes vers l'industrie.

We propose a new methodology of multiscale phase difference-based disparity integration. Usually, the disparity map obtained with unique filter exhibits a poor density. Moreover, the disparity s not reliable everywhere because of the presence of the unwanted phase singualarities effects. Its is then natural to use other filter tunings, e. G. Scales, to avoid these singularities in order to improve the density and the precision of the disparity maps. To overcome these problems, the algorithms proposed in the literature use palliatives : the disparity is computed as a weighted average of the multiscale estimates, a coarse-to-fine strategy or, finally, an iterative calculation. , like for example Newton iterations, to refine the solution. As these palliatives present drawabacks, we propose to use explicit mechanisms for the multiscale selection. This approach is in total agreement with recent works of Koenderink and Lindeberg. In our case, we use the magnitudes of the filter response as well as the relative distance between the instantaneous frequency observed and the filter peak frequency as fusion parameters of the multiscale estimates. However, this suppose that we have an estimate with all the scales considered. To satisfy this condition, we propose to use the derivative of the original signal. We observe that the singularities are not with the same positions according to wheter we use the signal or its derivative of order N. We also propose a quadratic model to determine the singularities neighborhoods without detecting these singularities. Finally, we present the non-contextual and contextual algorithms evaluation where we show its importance, on the one hand to guide search and on the other hand in the transfer of the algorithms towards industry.