[PDF] Transmission dimages et de vidéos sur réseaux à pertes de

View - Download Transmission dimages et de vidéos sur réseaux à pertes de

Previous PDF

Next PDF

Un Algorithme robuste

de Segmentation Vid

´eo pour des Applications Temps R´eels

M. El Hassani, D. Rivasseau

Philips Semiconductors

Caen, FranceS. Jehan-Besson, M. Revenu

Laboratoire GREYC

Caen, FranceD. Tschumperl

´e, L. Brun

Laboratoire GREYC

Caen , FranceM. Duranton

Recherche Philips

Eindhoven,Pays-Bas

R

´esum´e

Dans ce papier, nous proposons un algorithme de segmen- tation vid ´eo temps r´eel conc¸u pourˆetre stable temporel- lement. Notre algorithme est bas

´e sur une segmentation

spatiale de l'image en r

´egions homog`enes qui sont mises

a jour au fil de la s´equence en utilisant des informations de mouvement. En ce qui concerne la segmentation spa- tiale, nous proposons une m

´ethode ascendante de segmen-

tation bas ´ee sur des fusions successives. Grˆace`a un ordre de fusion sp ´ecifique et`a un seuil adaptatif pour le pr´edicat, la m ´ethode donne de tr`es bons r´esultats sur des images naturelles (m ˆeme pour les r´egions textur´ees) avec peu de param `etres`a r´egler. De mani`ere`a am´eliorer la consis- tance temporelle de la segmentation pour une s

´equence

d'images, nous incorporons une information de mouve- ment via un masque bas

´e sur la d´etection des changements

d'intensit ´es entre deux images. Ce masque est conc¸u en uti- lisant `a la fois les diff´erences d'intensit´es entre image suc- cessives et la segmentation de l'image pr

´ec´edente. Notre

algorithme tourne en temps r

´eel sur un processeur TriMe-

dia pour des s

´equences de format CIF (Common Interme-

diate Format).

Mots clefs

Vid ´eo, Segmentation, Consistance temporelle, Hardware.

1 Introduction

La segmentation de vid

´eos en r´egions homog`enes est cru-

ciale pour de nombreuses applications. Parmi elles, on peut citer l'estimation de mouvement bas

´ee r´egions et la conver-

sion du 2D au 3D o `u la segmentation est utilis´ee pour l'es- timation de la profondeur. La tendance actuelle se dirige egalement de plus en plus vers des traitement adapt´es au contenu de l'image (filtrage, rehaussement, compression orient ´ee objet) et donc bas´es sur une segmentation initiale de la vid ´eo. Toutes ces applications n´ecessitent l'obtention d'une segmentation pr

´ecise et stable temporellement. Par

ailleurs, les applications multim

´edia vis´ees n´ecessitent un

algorithme de traitement des s

´equences en temps r´eel.

Les m ´ethodes de segmentation spatiale peuventˆetre di- vis ´ees en deux cat´egories, les m´ethodes bas´ees r´egions et les m ´ethodes bas´ees contour. Dans la premi`ere cat´egorie [1], les transitions entre pixels sont calcul

´ees et les com-

posantes connexes peuvent alors

ˆetre extraites. Le prin-cipal inconv

´enient de ces approches est que le calcul du

gradient est parfois impr

´ecis et tr`es sensible au bruit. De

plus il est alors difficile de tenir compte de propri

´et´es sta-

tistiques des r ´egions consid´er´ees. La seconde cat´egorie de m ´ethodes (i.e. bas´ees r´egions) est donc plus souvent uti- lis ´ee et c'est dans cette cat´egorie que se situe notre algo- rithme. Nous nous int

´eressons plus particuli`erement ici aux

m ´ethodes ascendantes qui op`erent par fusions successives [2,3, 4, 5]. Dans ces m

´ethodes, deux points importants sont

a consid´erer : l'ordre de fusion et le crit`ere de similarit´e.

Lorsque l'on traite de segmentation vid

´eo, la dimension

temporelle doit ˆetre ajout´ee et la segmentation en r´egions doit ˆetre stable temporellement. De nombreuses approches ont ´et´e test´ees. Quelques auteurs consid`erent le temps comme une dimension suppl

´ementaire et la vid´eo devient

alors un volume 3D [6]. D'autres approches utilisent une information de mouvement comme la d

´etection des chan-

gements d'intensit

´es ou les vecteurs mouvement [7, 8].

Nous n'abordons pas ici le suivi d'objet qui consiste `a suivre un objet au cours du temps (voir par exemple les travaux [9]). Dans ce papier, nous proposons une segmentation spatiale bas ´ee sur la fusion de r´egions. Cette fusion est faite dans un ordre sp ´ecifique qui est fonction de la diff´erence d'in- tensit ´e entre les pixels voisins. Par ailleurs, un crit`ere de si- milarit ´e bas´e sur les diff´erences de moyennes entre r´egions est utilis ´e pour la fusion. La fusion est arrˆet´ee`a l'aide d'un seuil adaptatif justifi

´e par une mod´elisation statistique

de l'image. Nous nous sommes bas

´es sur les travaux de

[2] en proposant une mod

´elisation statistique de l'image

qui conduit `a un seuil plus appropri´e pour la segmenta- tion en temps r

´eel. Notre m´ethode donne une segmentation

tr `es satisfaisante pour des images naturelles (mˆeme pour des images textur

´ees) avec peu de param`etres`a r´egler. De

mani `ere`a am´eliorer la consistance temporelle, nous propo- sons d'ajouter l'information de mouvement. Comme l'esti- mation du mouvement entre deux images est une op

´eration

co ˆuteuse, nous avons choisi de combiner un masque de d ´etection des changements d'illumination avec les infor- mations r ´egions contenues dans la segmentation spatiale de l'image pr ´ec´edente. En faisant des comparaisons au niveau pixelliqueetauniveau r

´egion,onobtientunalgorithmetr`es

efficace pour un faible co

ˆut calcul.

Notre algorithme tourne en temps r

´eel sur des s´equences

1

de format CIF sur le processeur TriMedia. De plus lesr´esultats exp´erimentaux montrent l'applicabilit´e de notre

m ´ethode sur des s´equences d'image que ce soit en terme de qualit ´e de la segmentation obtenue ou de stabilit´e tem- porelle.

Ce papier est organis

´e de la mani`ere suivante. L'algo-

rithme de segmentation spatiale est d

´etaill´ee dans la sec-

tion 2. L'introduction d'informations temporelles pour am ´eliorer la consistance est d´etaill´ee en section 3. Enfin dans la section 4, nous d

´eveloppons l'implantation de notre

algorithme. Les r

´esultats exp´erimentaux sont finalement

donn

´es section 5.

2 Segmentation spatiale

Consid

´erons une imageIde largeurWet de hauteurH,

D={1....W} × {1....H}est le domaine de l'image. I(p,n)l'intensit´e du pixel de positionp= (x,y)Tdans l'imagen.

La segmentation d'une image en r

´egions consiste`a trou-

ver une partition pertinente de l'image enmr´egions {S1,S2,..,Sm}. L'algorithme propos´e part du niveau pixellique et proc `ede par fusions successives pour aboutir a la segmentation finale (m´ethode ascendante). Un ordre sp ´ecifique de fusion est utilis´e ainsi qu'un seuil adaptatif pour stopper les fusions. Ces deux

´etapes sont d´etaill´ees

ci-apr `es et nous donnerons ensuite l'algorithme complet de segmentation.

2.1 Ordre de fusion

L'ordre de fusion est bas

´e sur les poids des transitions

comme dans [2, 10]. L'id

´ee est de fusionner d'abord ce qui

est similaire avant de fusionner ce qui est diff

´erent. Une

transitioneest un couple de pixels(p,p?)en 4-connexit´e.

La similarit

´e entre pixels est mesur´ee en calculant la dis- tance entre les intensit

´es des deux pixels. Pour des images

couleur, la similarit

´e est calcul´ee de la mani`ere suivante :

w(p,p?) =?

I?{Y,U,V}(I(p,n)-I(p?,n))2.(1)

Nous avons choisi l'espace couleurY UVqui est le format couleur utilis ´e pour le traitement des vid´eos ce qui nous evite ainsi une conversion. De plus, nous avons trouv´e que l'espace couleurY UVprocure une partition de l'image qui est, subjectivement, de qualit

´e meilleure que celle ob-

tenue avec l'espaceRGB. L'espaceL?a?b?donne des r ´esultats l´eg`erement meilleurs que l'espaceY UV, mais au prix d'une impl

´ementation coˆuteuse [11].

Les transitions sont ensuite tri

´ees dans l'ordre croissant de

leurs poidswet les couples de pixels correspondant sont trait ´es dans cet ordre pour la fusion. En ce qui concerne l'impl ´ementation, l'image est seulement parcourue deux fois pour ce tri. Le premier parcours permet de calculer le nombre de transitions de m

ˆeme poids, nombre qui est

stock ´e dans une table. Cette table est ensuite utilis´ee pour allouer la m ´emoire pour ces transitions. Le second permetde stocker chaque transition dans la partie de la m

´emoire

correspondante.

2.2 Crit`ere de fusion

Etantdonn

ces deux r ´egions doiventˆetre fusionn´ees. En cons´equence, un crit `ere de similarit´e entre r´egions doitˆetre choisi et evalu´e. En comparant la valeur de ce crit`ere`a un seuil, les r ´egions seront fusionn´ees ou non. Le choix du seuil est sou- vent difficile. Dans ce papier, nous utilisons un seuil adap- tatif qui d ´epend de la taille de la r´egion consid´er´ee. L'uti- lisation d'un tel seuil est justifi

´ee par le biais d'in´egalit´es

statistiques comme dans [2]. Nous proposons ici une in- terpr ´etation statistique plus simple de l'image qui nous conduit `a un crit`ere plus adapt´e pour une impl´ementation temps r ´eel. Nous pr´esentons d'abord ici le pr´edicat de fu- sion utilis

´e, puis sa d´emonstration.

Pr ´edicat de fusion.La moyenne des intensit´es de la r ´egionSiest calcul´e de la mani`ere suivante :

Si=1|Si|k=|Si|?

k=1I i(pk) o `uIi(pk)est l'intensit´e duk`emepixel de la r´egionSi. Le pr

´edicat de fusion est alors :

P(S1,S2) =?vraisi(

fauxsinon (2) avecgle niveau maximum deI(g= 255pour les images de composantes en pr

´ecision8bits). LA nota-

tion|Si|repr´esente la taille de la r´egionSi. Le param`etre Qpermet de r´egler la finesse de la segmentation. Dans les exp

´eriences, nous choisissonsQ= 2qui donne de

bons r ´esultats pour le format vid´eo CIF (taille des images

352×288).

Justification statistique du pr

´edicat.Classiquement,

l'imageIest consid´er´ee comme l'observation d'une image parfaiteI?et les pixels sont alors des observa- tions d'un vecteur de variables al

´eatoires (v.a) not´eX=

(X1,..,Xn)T. Le pr´edicat de fusion est bas´e sur l'in´egalit´e de McDiarmid [12] donn

´ee ci-apr`es :

Theorem 2.1(L'in´egalit´e de McDiarmid) SoitX= (X1,X2,...,Xn)une famille denv.a. ind´ependantes avec X kprenant ses valeurs dans un ensembleAkpour chaquequotesdbs_dbs28.pdfusesText_34

[PDF] calculer taille image pixel

[PDF] 300 dpi en mo

[PDF] poids d'une image definition

[PDF] photo haute définition c est quoi

[PDF] les fonctions en langage c exercices corrigés

[PDF] les tableaux en c exercices corrigés pdf

[PDF] somme et différence de nombres relatifs 4ème exercices

[PDF] le perimetre d un cercle

[PDF] calcul force verin hydraulique

[PDF] comment calculer l'aire d'une forme géométrique quelconque

[PDF] calcul superficie forme irrégulière

[PDF] calcul surface quadrilatère irrégulier

[PDF] calcul surface polygone irrégulier

[PDF] sécurité incendie habitation 2ème famille

[PDF] porte coupe feu reglementation incendie