deux sujets traités la segmentation d’images la détection des changements
TRANSCRIPT
Deux sujets traités
• La segmentation d’images• La détection des changements
La segmentation d’images: approches standard
• Segmentation orientée frontières• Segmentation orientée régions
Segmentation orientée frontière
EXEMPLE1. On choisit une bande spectrale et l’on applique un algorithme de détection d’arêtes
EXEMPLE (suite)2. On applique divers algorithmes (seuillage et amincissement des
arêtes, suivi d’arêtes, fermetures et formation de contours) afin d’obtenir une carte des entités polygonales
Exemple (suite et fin)3. On extrait des traits caractéristiques de l’image et l’on
applique des algorithmes de classification afin d’étiqueter chaque entité polygonale
Segmentation orientée régions
• Décomposition/fusion• Croissance des régions• Ligne de partage des eaux
Illustrations: méthodes de segmentation orientées région
Matériel provenant de la publication:
Un pixel est-il similaire à un ou plusieurs des ses voisins?
• Le cas échéant ils forment une région• Mais comment mesurer la similarité entre
pixels voisins?• Image N&B différence entre les niveaux
de gris< à un seuil imposé par l’opérateur• Image à plusieurs dimensions distance
spectrale• Similarité de texture? mesures plus
complexes … encore sujet de recherche
Le graphe d’adjacence
• Un outil nécessaire pour les opérations de segmentation
La méthode décomposition/fusion (split/merge)
La méthode décomposition/fusion (split/merge)
La fusion
Fusion
Croissance des régions: choix des points de départs (germes)
Croissance des régions
Ligne de partages des eaux
Carte d’élévations
• On part d’une image de gradient: les pixels avec le plus fort gradient sont localisés (lignes de crête)
• L’élévation de tout autre point est calculée en fonction de sa distance à ces pixels
Remplissage des bassins par infiltration (flooding)
Réduction du nombre de régions
• On se sert de la graphe d’adjacence
• Les petites régions sont absorbées par leur voisines selon leur distance
• Distance = « coût » de rendre similaire une région par rapport à ses voisins (fonctions de sa valeur moyenne et de sa superficie)
• On cherche l’arc avec la plus faible valeur et les deux régions sont fusionnées
• On ajuste le graphe d’adjacence et on recommence le processus jusqu’à atteindre les conditions imposées au départ (nombre de régions, valeurs moyennes, etc.)
Un exemple
• Croissance des régions guidée par l’opérateur
Croissance des régions guidées par la carte
Exemple: recherche du trait de côte sur image RADARSAT
Accroissement
• Une série de pixels est définie: les germes
Accroissement
Une région: tous les valeurs des pixels satisfont un certain critère de similarité
Résultats
La segmentation d’images: autres approches
• L’algorithme du mean-shift: adaptation d’un algorithme de classification non dirigée (mean-shift) à la classification locale
Exemple 1: Image originale
Exemple 1: image segmentée
Exemple 1: contours segments
Couleur+taille+régularité du contour+ ombrage = bâtiment
Couleur + élongation du segment = chemin
Exemple 2: Image originale
Exemple 2: image segmentée
Exemple 2: contours segments
Couleur+taille+régularité du contour+ ombrage = bâtiment
Couleur + élongation du segment = chemin
Exemple 3: Image originale
Exemple 3: image segmentée
Exemple 3: contours segments
Couleur+taille+régularité du contour+ ombrage = bâtiment
Couleur + élongation du segment = chemin
Exemple 4: Image originale
Exemple 4: image segmentée
Exemple 4: contours segments
Couleur+taille+régularité du contour+ ombrage = bâtiment
Couleur + élongation du segment = chemin
Exemple 5: Image originale
Exemple 5: image segmentée
Exemple 5: image segmentée
Bâtiment: cas très complexe (édition + nettoyage manuelle)
Couleur + élongation du segment = chemin
Exemple 6: Image originale
Exemple 6: image segmentée
Exemple 6: contours segments
Couleur+taille+régularité du contour+ ombrage = bâtiment
Couleur + élongation du segment = chemin
Exemple 6: Image originale
Exemple 6: image segmentée
Exemple 6: contours segments
Couleur+taille+régularité du contour+ ombrage = bâtiment
Couleur + élongation du segment = chemin
Pour la couleur – transformation RGB à Lab
Pour la couleur – transformation RGB à Lab