Thèse soutenue

Séquences de maillages : classification et méthodes de segmentation
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Romain Arcila
Direction : Florent DupontFranck Hétroy
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 25/11/2011
Etablissement(s) : Lyon 1
Ecole(s) doctorale(s) : École doctorale en Informatique et Mathématiques de Lyon
Partenaire(s) de recherche : Laboratoire : Laboratoire d'InfoRmatique en Images et Systèmes d'information (Ecully, Rhône)
Equipe de recherche : Equipe-projet Capture et analyses de formes en mouvement (Montbonnot, Isère ; 2011-....)
Jury : Président / Présidente : Christophe Garcia
Examinateurs / Examinatrices : Julien Tierny
Rapporteurs / Rapporteuses : Dominique Bechmann, Bruno Lévy

Résumé

FR  |  
EN

Les séquences de maillages sont de plus en plus utilisées. Cette augmentation des besoins entraîne un développement des méthodes de génération de séquences de maillages. Ces méthodes de générations peuvent produire des séquences de maillages de natures différentes. Le nombre d’applications utilisant ces séquences s’est également accru, avec par exemple la compression et le transfert de pose. Ces applications nécessitent souvent de calculer une partition de la séquence. Dans cette thèse, nous nous intéressons plus particulièrement à la segmentation en composantes rigides de séquences de maillages. Dans un premier temps, nous formalisons la notion de séquence de maillages et proposons donc une classification permettant de désigner quelles sont les propriétés attachées à un type de séquence, et ainsi de décrire précisément quel type de séquence est nécessaire pour une application donnée. Dans un second temps, nous formalisons la notion de segmentation de séquence de maillages, et présentons également l’état de l’art des méthodes de segmentation sur les séquences de maillages. Ensuite, nous proposons une première méthode de type globale pour les séquences stables de maillages, fondée sur la fusion de régions. Par la suite, nous présentons deux autres méthodes, reposant sur la classification spectrale. La première, produit un ensemble de segmentations globales, tandis que la seconde génère une segmentation globale ou une segmentation temporellement variable. Nous mettons également en place un système d’évaluation quantitative des segmentations. Enfin, nous présentons les différentes perspectives liées à la segmentation.