Estimation du mouvement dans une sequence d'images, en contexte lineaire optimal

par Florence Germain

Thèse de doctorat en Sciences appliquées

Sous la direction de Daniel Baudois.

Soutenue en 1995

à Grenoble INPG , en partenariat avec Centre d'études des phénomènes aléatoires et géophysiques (Grenoble ; 1960?-1998) (laboratoire) .

mots clés

• Sciences appliquees
• Informatique, automatique theorique, systemes
• Sequence image
• Estimation optimale
• Estimation lineaire
• Mouvement
• Frontiere
• Detection contour
• Filtrage kalman
• Multiresolution
• Detection rupture
• Image sequence
• Optimal estimation
• Linear estimation
• Motion
• Border
• Edge detection
• Kalman filtering

Résumé

La perception du mouvement dans une sequence d'images est un element cle de la comprehension d'une scene dynamique. L'information de mouvement est partiellement observable grace aux variations spatio-temporelles de l'intensite lumineuse. Le caractere partiel de cette observation, ainsi que la presence de frontieres de mouvement, constituent deux des principales difficultes majeures liees a l'estimation du champ des vitesses. Dans la grande majorite des approches existantes, la fusion des observations est effectuee spatialement, a un instant donne. Le plus souvent, le champ de vecteurs estime est alors seulement reconduit d'un instant a l'autre. Peu de travaux exploitent la demarche duale, consistant a fusionner temporellement l'information observable. Cette demarche, particulierement seduisante en ce qu'elle permet d'assimiler le probleme des frontieres de mouvement a la detection d'instationnarites fortes sur l'etat d'un systeme dynamique, constitue la base de notre approche. Nous proposons un estimateur sequentiel du mouvement image, base sur le filtre de kalman. Le vecteur vitesse image est estime independamment en chacun des pixels de l'image, en fonction du temps. La detection des frontieres de mouvement repose sur une analyse en ligne des statistiques du signal d'innovation. Cette approche est reprise dans le cas ou l'on ne dispose que de deux images. On derive alors un estimateur recursif, obtenu par approximation de l'estimateur recursif optimal, possedant de bonnes proprietes de convergence et de stabilite. Le comportement assymptotique de l'un et l'autre de ces estimateurs est evalue sur la base de sequences de synthese et de sequences reelles. Dans le cas d'un deplacement de faible amplitude, la nature lineaire de l'observation garantit l'optimalite de l'estimation par le filtre de kalman. Afin d'etendre l'estimation au cas des grands deplacements, caracterises par une observation non lineaire, on definit une variante sous-optimale a iterations locales du filtre de kalman etendu. On retrouve la une formulation en contexte optimal de l'approche multi-resolution de type descendant, classique en vision par ordinateur

Titre traduit

Estimation of notion in a sequence of images, in a linear optimal context

Pas de résumé disponible.