Estimation robuste du mouvement dans les séquences d'images basée sur la régression par vecteurs supports

par Johan Colliez

Thèse de doctorat en Automatique, traitement du signal et génie informatique

Sous la direction de Denis Hamad et de Franck Dufrenois.

Soutenue en 2009

à Littoral .


  • Résumé

    L’une des tâches principales de la vision dynamique par ordinateur consiste à extraire l’information pertinente provenant d’une séquence d’images en utilisant la théorie de la régression et d’ajustement du modèle. Toutefois, la présence de bruit et de points aberrants « outliers » a pour effet d’altérer la tâche d’estimation de la structure du modèle sous-jacent. D’où la nécessité d’employer des estimateurs robustes face aux erreurs inhérentes aux images de scènes naturelles. Dans ce travail, nous proposons un nouvel estimateur robuste basé sur les machines à vecteurs supports. Cet estimateur est une version pondérée de la régression par vecteurs supports. Il assigne une pénalisation hétérogène aux observations selon leur appartenance à la classe « inliers » ou à la classe « outliers ». Des pénalisations « hards » et « softs » ont été considérées et une approche itérative a été appliquée afin d’extraire la structure dominante dans l’ensemble des données. Les nombreux tests simulés indique que l’estimateur robuste par vecteurs supports proposé possède un point de cassure supérieur à 50% améliorant ainsi nettement les performances de la régression par vecteurs supports standard. De plus, il permet d’extraire la structure dominante dans l’ensemble des données avec une bonne résistance face aux structures résiduelles. L’approche de régression robuste a été appliquée à l’estimation du mouvement dans une séquence d’images par flot optique aussi bien que par mise en correspondance.

  • Titre traduit

    Robust motion estimation in image sequences based on support vector regression


  • Résumé

    One of the main tasks in computer vision is to extract the relevant information from an images sequence by using the regression and model adjustment theory. However, the presence of noise and ouliers has the effect of altering the task of estimating the structure of the underlying model. Hence, the need of using robust estimators against the errors inherent to natural scenes images. In this work, we propose a new robust estimator based on support vectors machines. This estimator is a weighted version of regression by support vectors. It assigns a heterogeneous penality to observations according that they belong to inliers or outliers classes. Hard and soft penalisations were considered and an iterative approach was applied to extract the dominant structure in the data set. The many simulated sets indicate that the proposed robust estimator by support vectors has a breakdown point above 50% imroving significantly the performance of the standard regression by support vector. Moreover, it permits to extract the dominant structure in the data set with a high resistance to residual structures. The robust regression approach was applied to estimate the movement in images sequence by optic flow as well as by images matching.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (xiii-142 p.)
  • Annexes : Bibliogr. p. 136-142

Où se trouve cette thèse ?

  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Disponible pour le PEB
  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Consultable sur place dans l'établissement demandeur
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.