Résumé de la thèse :
Le traitement d’images et la vision par ordinateur englobent un large domaine d’application, tel que la segmentation d’images pour l’analyse d’images médicales, la reconnaissance d’objets, la vision robotique, la surveillance, etc. L’extraction de caractéristiques en tant qu’informations utiles pour l’interprétation des données d’images numériques est une tâche essentielle et un sujet de recherche attrayant dans le domaine du traitement d’images. Dans ce rapport, nous nous sommes intéressés au filtrage d’image pour la détection et l’extraction de primitives de bas niveau et plus particulièrement à une évaluation objective des techniques de détection de crêtes/vallées. Par suite, nous proposons deux nouvelles techniques de détection de primitives linéaires multi-échelles. Enfin une nouvelle approche est présentée pour la détection de coins par des méthodes de filtrage anisotrope. Tout d’abord, dans un contexte introductif, nous passons en revue les bases du filtrage d’image, les techniques originelles de détection de contour utilisant des opérateurs de premier et de second ordre, ainsi que les métriques d’évaluation. Parallèlement, la théorie des espaces échelles et les axiomes architecturaux sont également étudiés afin de mettre en évidence les critères ainsi que les contraintes de base dans le développement de méthodes de détection de primitives multi-échelles. L’analyse objective d’une crête caractérisée comme une structure mince et complexe est importante afin de permettre de choisir quelles valeurs de paramètres correspondent à la configuration appropriée pour obtenir des résultats précis et des performances optimales. Ainsi, la configuration optimale des paramètres de chaque technique de filtrage destinée à l’outil d’analyse des caractéristiques saillantes de l’image est objectivement étudiée où les paramètres de chaque filtre choisi correspondent à la largeur de la crête ou de la vallée souhaitée. Les évaluations comparatives et les résultats d’analyse sont étudiés à la fois sur des images de synthèse, entachées par différents types de bruits, et sur des images réelles. Afin de traiter l’aspect multi-échelle des primitives linéaires, nous proposons une nouvelle technique de détection et d’extraction basée sur un filtre semi-Gaussien du second ordre. Les résultats obtenus ont démontré une plus grande robustesse par rapport à des approches de filtrage plus classiques. Ensuite, nous proposons une nouvelle technique de détection et d’extraction de caractéristiques linéaires multi-échelles composée d’un noyau dérivé bi-Gaussien et semi-Gaussien. Ce filtre est une amélioration du filtre précédent, il est capable d’extraire avec précision des structures linéaires complexes adjacentes et est adapté au cas multi-échelle. Le filtre proposé est validé par des expériences sur différentes images contenant des structures linéaires adjacentes complexes à différentes échelles. En ce qui concerne les techniques de détection de coins, nous avons tout d’abord effectué une évaluation objective de la répétabilité de douze détecteurs de coins basés sur une approche de filtrage. Il existe différentes techniques de détection de points ; en ce qui concerne le filtrage, nous nous sommes concentrés sur les détecteurs de points d’intérêt dans des images en niveaux de gris. Notre évaluation a été réalisée dans le contexte de séquences vidéo sous-marines. Enfin, faisant suite à ce travail, une nouvelle méthode anisotrope de détection de coins basée à la fois sur des combinaisons de filtres anisotropes causaux et non causaux est proposée. Notre détecteur de coins donne des points dont la précision de localisation est meilleure qu’avec les approches existantes. Les expériences ont été réalisées sur des images synthétiques et réelles pour une précision pixel et sub-pixel.
Mots-clés : Multi-échelle, caractéristique linéaire, détection de points clés, anisotrope DemiGaussien, évaluation objective
--------------
Abstract :
Image processing and computer vision encompass a broad domain of applications, such as image segmentation for medical image analysis, aerial image segmentation for autonomous navigation, object recognition, biometric recognition, security surveillance, etc. The extraction of features as helpful information for the interpretation of digital image data is an essential task and interesting research subject in image processing and computer vision domain. In this report, image filtering for image low-level feature detection and extraction is investigated, which mainly involves: an objective evaluation of ridge/valley detection techniques, proposing two multiscale line feature detection techniques, and proposing a new anisotropic corner detection approach. First, to have an intuitive context and introduction, image filtering basics, basic contour detection techniques using first order and second order operators, and evaluation metrics and tools are overviewed. Meanwhile, the scale space theory and axioms were also investigated in order to find the basic criteria and constraints in the development of multiscale feature detection methods. Secondly, we objectively evaluated the state-of-the-art ridge/valley detection and extraction techniques. The objective analysis of a ridge characterized as a thin and complex image structure is essentially important, for choosing, which parameter values correspond to the suitable configuration to obtain accurate results and optimal performance. The optimal parameter configuration of each filtering technique aimed for the image salient feature analysis tool has been objectively investigated, where each chosen filter’s parameters correspond to the width of the desired ridge or valley. The comparative evaluations and analysis results are reported on both synthetic images, distorted with various types of noises, and thereafter real images. Thirdly, to deal with the multiscale structure of line features, we proposed a new line feature detection and extraction technique, which is based on the second order semi-Gaussian filter. The experiments were led on both synthetic and real images, and the obtained result demonstrated more optimality to the state-of-the-art line feature detection based on filtering approaches. Next, we proposed another multiscale line feature detection and extraction technique composed of bi-Gaussian and Semi-Gaussian Derivative Kernel. The proposed filter is able to precisely extract the complex, narrow, and adjoin linear structure and is adapted for multiscale capability. The proposed filter is validated with experiments on different images containing complex adjoin linear structures with different scales. The extracted linear structure on both synthetic and real images has shown to be more efficient than classic linear structure extraction techniques. Regarding the corner detection techniques, we performed first an objective repeatability evaluation of 12 state-of-the-art corner detection based on a filtering approach. There exist different techniques for keypoint detection; as filtering is concerned, we have focussed on direct computation on the gray-level analysis of interest point detection because of its straightforward implementation. Our evaluation as an application to feature matching has been executed in the context of underwater video sequences. Finally, in this work, a new anisotropic corner detection method based on the formulation of causal filtering is proposed. The proposed corner detector arguably performs better in the case of localization precision. The experiments were executed on synthetic, and real images for both pixel-level and subpixel-level precision. Keywords: Multiscale, line feature, keypoint detection, anisotropic Semi-Gaussian, objective evaluation.
Keywords: Multiscale, line feature, keypoint detection, anisotropic Semi-Gaussian, objective evaluation.