Suivi de courbes libres fermées déformables par processus stochastiques

Tracking closed curves with non-linear stochastic filters

• Auteur / Autrice : Christophe Avenel
• Direction : Étienne Mémin, Patrick Pérez
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2011
• Etablissement(s) : Rennes 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes)
• Partenaire(s) de recherche : autre partenaire : Université européenne de Bretagne (2007-2016)

Mots clés

Mots clés contrôlés

Vidéo

Vision par ordinateur

Traitement d'images

Processus stochastiques

Résumé

L'analyse conjointe du mouvement et des déformations est cruciale dans un grand nombre d'applications de vision par ordinateur. Cette thèse propose d'introduire un filtre stochastique non linéaire afin de suivre une courbe libre dans le temps. L'approche proposée est implémentée à travers un filtre particulaire incluant des mesures colorimétriques caractérisant respectivement la cible et le fond. La dynamique impliquée est formulée sous la forme d'une équation différentielle stochastique. Cela permet d'avoir une représentation continue de la trajectoire de la courbe, et d'être ainsi capable d'en déduire les déformations entre images. La courbe est définie par une courbe de niveau implicite, et la dynamique stochastique s'exprime sur cette dernière. Cela prend la forme d'une équation différentielle stochastique avec un mouvement Brownien de faible dimension. Dans ces modèles d'évolution sont combinés les informations de mouvement locales extraites des images et un modèle d'incertitude de la dynamique. Le filtrage associé proposé pour le suivi de courbes appartient ainsi à la famille des filtrages particulaires conditionnels. Ses capacités sont vérifiées sur différentes séquences contenant des objets fortement déformables.

The joint analysis of movement and deformation is crucial in many computer vision applications. This thesis proposes a stochastic non-linear filter to track a free curve in time. The proposed approach is implemented through a particle filter including colorimetric measurements characterizing respectively the target and the background. The involved dynamics is formulated as a stochastic differential equation. This allows a continuous representation of the curve trajectory, and thus the possibility to deduce the deformation between images. The curve is defined by an implicit level set, on which the stochastic dynamics is expressed. This takes the form of a stochastic differential equation with a Brownian motion of small dimension. We combined in these evolution models a local motion information extracted from the images and a model of the uncertainty of the dynamics. The associated filter proposed for curve tracking thus belongs to the family of conditional particle filters. Its capabilities are tested on different sequences containing highly deformable objects.