ebook img

Processus de Diffusion Discret Opérateur Laplacien appliqué à l'étude de surfaces PDF

176 Pages·2017·24.5 MB·French
Save to my drive
Quick download
Download
Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.

Preview Processus de Diffusion Discret Opérateur Laplacien appliqué à l'étude de surfaces

Processus de Diffusion Discret Opérateur Laplacien appliqué à l’étude de surfaces Frédéric Rieux To cite this version: Frédéric Rieux. Processus de Diffusion Discret Opérateur Laplacien appliqué à l’étude de surfaces. Mathématiques [math]. Universite Montpellier 2, 2012. Français. ￿NNT: 9744623￿. ￿tel-01174715￿ HAL Id: tel-01174715 https://theses.hal.science/tel-01174715 Submitted on 9 Jul 2015 HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non, lished or not. The documents may come from émanant des établissements d’enseignement et de teaching and research institutions in France or recherche français ou étrangers, des laboratoires abroad, or from public or private research centers. publics ou privés. ACADÉMIE DE MONTPELLIER U N I V E R S I T É M O N T P E L L I E R II SciencesetTechniquesduLanguedoc T HÈSE présentéeauLaboratoired’InformatiquedeRobotique etdeMicroélectroniquedeMontpellierpour obtenirlediplômededoctorat Spécialité : Informatique FormationDoctorale : Informatique ÉcoleDoctorale : Information,Structures,Systèmes Processus de Diffusion Discret OpérateurLaplacienappliquéàl’étudedesurfaces par Frédéric RIEUX Versiondu30aout2012 Directeurdethèse M.ChristopheFIORIO,professeur.................................LIRMM,UniversitéMontpellierII Co-Directeurdethèse M.ChristianMERCAT,professeur............................................IREM,UniversitéLyon1 Rapporteurs M.RemyMALGOUYRESprofesseur......................LIMOSUniversitéd’Auvergne(Clermont1) M.DavidCOEURJOLLYDirecteurdeRecherche-CNRS......................LIRISUniversitédeLyon Examinateurs M.Jacques-OlivierLACHAUD,professeur................................LAMA,UniversitédeSavoie M.ThierryMONTEIL,chargéderechercheCNRS.................LIRMM,UniversitéMontpellierII i Pourlesanatidaephobesdecemonde... Table des matières Tabledesmatières iii 1 Introduction 1 2 Introductionàlagéométriediscrète 7 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.2 EspaceDiscret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.2.1 Distancesdiscrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.2.2 Notiondek-voisinage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.3 Discrétisationd’uncontourdiscret . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.3.1 LaméthodeOBQ(ObjectBoundaryQuantization) . . . . . . . . . . . 11 2.3.2 LaméthodeBBQ(BackgroundBoundaryQuantization) . . . . . . . . 12 2.3.3 LaméthodeGIQ(GreatIntersectQuantization) . . . . . . . . . . . . . 13 2.3.4 LaméthodedeSupercouverture . . . . . . . . . . . . . . . . . . . . . . 13 2.4 DroitesDiscrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.4.1 CodedeFreeman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.4.2 Versunecaractérisationdesdroitesdiscrètes . . . . . . . . . . . . . . 15 2.4.3 DroitesArithmétiquesdeReveilles . . . . . . . . . . . . . . . . . . . . . 16 2.5 Algorithmedereconnaissanceincrémental . . . . . . . . . . . . . . . . . . . . 18 2.5.1 Droitesetpointsd’appui . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.5.2 Algorithmedereconnaissance . . . . . . . . . . . . . . . . . . . . . . . 19 2.5.3 Applicationsàlasegmentationdecontour . . . . . . . . . . . . . . . . 20 2.5.4 Versunedéfinitiondestangentesdiscrètes . . . . . . . . . . . . . . . . 21 2.5.5 Casdescontoursavecdubruit:reconnaissancedesegmentsflous . 22 2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 iii iv TABLEDESMATIÈRES 3 Delasegmentationdecourbeàlaconvolutionbinomiale 25 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.2 Estimationsdestangentesparsegmentations . . . . . . . . . . . . . . . . . . . 27 3.2.1 AlgorithmedeVialard . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.2.2 AlgorithmedeFabienFeschetetLaureTougne . . . . . . . . . . . . . 28 3.2.3 Estimationsdestangentes:méthodesλ-MST . . . . . . . . . . . . . . 29 3.2.4 Algorithmededécompositionenarcdecercles . . . . . . . . . . . . . 31 3.2.5 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3.3 Estimationsparconvolutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3.3.1 AlgorithmedeM.WorringandA.W.Smeulders . . . . . . . . . . . . . 33 3.3.2 Estimationdestangentesfiltragesmédians . . . . . . . . . . . . . . . 34 3.3.3 Estimationdesdérivéesd’ordrenparconvolutionbinomiale. . . . . 35 3.3.4 Tangentesdiscrètesparmoindrescarrés . . . . . . . . . . . . . . . . . 36 3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 4 Del’équationdediffusiondelachaleurverslesprocessusdiscrets 39 4.1 introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.2 Équationdelachaleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.2.1 Casdesurfacesréelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.2.2 ApplicationduLaplaciendiscretàl’étudegéométrique . . . . . . . . 42 4.3 IntroductionauxprocessusMarkoviensdiscrets . . . . . . . . . . . . . . . . . 45 4.3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 4.3.2 ChainesdeMarkovsurunensemblefinid’états . . . . . . . . . . . . . 46 4.3.3 Probabilitésdetransition . . . . . . . . . . . . . . . . . . . . . . . . . . 47 4.3.4 Décompositionspectrale . . . . . . . . . . . . . . . . . . . . . . . . . . 48 4.4 Processusdediffusiondiscret . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.4.1 Définitionsetpropriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.4.2 Diffusionsurdesdroitesdiscrètes. . . . . . . . . . . . . . . . . . . . . . 52 4.5 ProcessusdiscretFlou . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 4.5.1 ParamétrisationCurvilignedesdroitesdiscrètes . . . . . . . . . . . . 60 4.5.2 Épaississementdescontoursdiscrets . . . . . . . . . . . . . . . . . . . 61 4.5.3 MatricesFuzzyetprojectionscurvilignes. . . . . . . . . . . . . . . . . 63 4.5.4 Calculdesprobabilitésdespixelsfantômes . . . . . . . . . . . . . . . 66 4.5.5 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 4.6 OpérateurLaplaciendiscret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 4.6.1 Définitiondel’équationdediffusiondiscrète . . . . . . . . . . . . . . 69 4.6.2 ÉtudedesvecteurspropresduLaplacien . . . . . . . . . . . . . . . . . 70 4.6.3 ExpériencedeChladnidiscrète . . . . . . . . . . . . . . . . . . . . . . . 76 4.6.4 Noyaudeladiffusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 4.6.5 Généralisationsurlesréseauxdediamants . . . . . . . . . . . . . . . . 78 4.7 Convergenceversl’opérateurusuelsurunesurfacequelconque. . . . . . . . 82 TABLEDESMATIÈRES v 4.7.1 Surfacesconformes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 4.7.2 OpérateurLaplacienetdiffusionsurunesurfaceconforme . . . . . . 84 5 ApplicationduprocessusdeDiffusiondiscretàl’estimationdelacourbure 87 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 5.2 Courburedegraphesdefonctionsréelles . . . . . . . . . . . . . . . . . . . . . 89 5.2.1 Courburegéométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 5.2.2 Déterminationducercleosculateur . . . . . . . . . . . . . . . . . . . . 90 5.2.3 Courburedefonctionsparamétriques . . . . . . . . . . . . . . . . . . . 92 5.2.4 Courburedefonctionsparamétriquespolaires . . . . . . . . . . . . . 93 5.2.5 Courburedefonctionspolaires . . . . . . . . . . . . . . . . . . . . . . . 93 5.2.6 Courburedesgraphesdefonctions . . . . . . . . . . . . . . . . . . . . 93 5.3 Estimationdesdérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 5.3.1 Méthodedesdifférencesfinies . . . . . . . . . . . . . . . . . . . . . . . 94 5.3.2 Produitdeconvolution . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 5.3.3 Résultatsestimationdesdérivéesaveclemasqueadaptatif. . . . . . . 99 5.3.4 Estimationsparlaméthodedesmoindrescarrés . . . . . . . . . . . . 99 5.3.5 Généralisationauxsurfacesendimensiontrois . . . . . . . . . . . . . 103 5.4 Applicationàl’estimationdelacourbure . . . . . . . . . . . . . . . . . . . . . 106 5.4.1 Dérivéesd’ordressupérieurs . . . . . . . . . . . . . . . . . . . . . . . . 106 5.4.2 Étudedelaconvergencemultigrille . . . . . . . . . . . . . . . . . . . . 108 5.4.3 Applicationsàlacourburedefonctionsréelles . . . . . . . . . . . . . 112 5.4.4 Conclusionetperspectives . . . . . . . . . . . . . . . . . . . . . . . . . 113 5.5 Détectiondebruitdansuncontour . . . . . . . . . . . . . . . . . . . . . . . . . 115 5.5.1 Paramétrisationcurviligne . . . . . . . . . . . . . . . . . . . . . . . . . 115 5.5.2 Détectiondebruitetrésultats . . . . . . . . . . . . . . . . . . . . . . . 116 5.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 6 FiltrageparConvolutionAdaptative 119 6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 6.2 Introductionautraitementd’images . . . . . . . . . . . . . . . . . . . . . . . . 121 6.2.1 Imageetmodèledebruit . . . . . . . . . . . . . . . . . . . . . . . . . . 121 6.2.2 FiltresMoyenneurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 6.2.3 FiltresMédians . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 6.3 Filtresbaséssurleséquationsauxdérivéespartielles . . . . . . . . . . . . . . 126 6.3.1 ModèledePeronaetMalik . . . . . . . . . . . . . . . . . . . . . . . . . 127 6.3.2 FiltredeKuwahara . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 6.3.3 Filtrebasésurlesplusprochesvoisins . . . . . . . . . . . . . . . . . . 132 6.3.4 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 6.4 ApplicationduLaplaciencommefiltremoyenneur . . . . . . . . . . . . . . . 134 6.4.1 ChainedeMarkovsuruneImageenniveaudegris . . . . . . . . . . . 137 vi TABLEDESMATIÈRES 6.4.2 ExemplesdeconstructiondeMasquesetComparaisons . . . . . . . . 138 6.5 Résultats. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142 6.5.1 Applicationsaudébruitaged’imagesenniveaudegris . . . . . . . . . 142 6.5.2 Optimisationparcourbesdeniveaux . . . . . . . . . . . . . . . . . . . 143 6.5.3 Comparaisonaveclesméthodesclassiques . . . . . . . . . . . . . . . 147 6.6 Applicationenastrophysiqueàladétectiondesourcesponctuelles . . . . . . 147 6.6.1 Contexteetdonnéesd’acquisition . . . . . . . . . . . . . . . . . . . . . 147 6.6.2 Significativitéetlissage . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 6.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 Bibliographie 155 Tabledesfigures 161 CHAPITRE 1 Introduction L’analysed’imagesestundomainedelarecherchetrèsactif.Ils’agitd’utiliserunordi- nateurpourdécriredefaçonautomatiqueuncontenuvisuel.Sondomained’application est très varié, on le retrouve notamment en imagerie aérienne, en imagerie médicale, en imagerie astrophysique, en vidéo surveillance ou encore, dans l’imagerie de l’ingénierie. L’acquisition de données pour constituer une image d’un objet ne se fait pas sans perte. Il dépend avant tout de la fiabilité du matériel d’acquisition, de la méthode d’enregistre- mentoudecompression.Cetteimagesertdesupportpourladétectiond’objetsdissimu- lés que notre œil seul ne serait en mesure de voir. La détection de ces objets passe par une analyse géométrique, de détection et de reconnaissance de formes, pour préserver etrenforcercesdétailsdansuneimage.Nousproposonsd’étudiercesapprochesgéomé- triques dans un autre cadre que l’analyse et le traitement du signal. Plusieurs de ces ap- proches [Tsc; ALM92; PM90; MBF08] sont basées sur un modèle continu, discrétisé pour s’appliqueràl’imagerie,àunmaillageousurunegrillerégulièrede(cid:90)n.Notreobjectifest de proposer un modèle discret qui unifie toutes ces approches dans un cadre théorique, quel que soit le modèle de représentation discret. Ainsi, on proposera une méthode ori- ginale d’estimations des paramètres géométriques d’une structure discrète et on retrou- veraàl’aided’applicationsclassiqueslesmodèlesinitiauxbaséssurdesdiscrétisationde processus continus. L’une de ces applications est par exemple la détection d’étoiles ou de rayonnement dans le ciel, une application détaillée au Chapitre. 6. La précision des capteurs en astrophysique donne une image du ciel avec des sources lumineuses inter- ferant avec le signal étudié. Ces sources cachent celle que l’on souhaite détecter. L’ana- lyse d’images consiste en la réduction de l’intensité de ce surplus de données, sans dé- truire le signal source. Un grand nombre de méthodes existe sur le sujet par exemple [Tsc;ALM92;PM90;LFB94;BCM10;Bak02;CLMC92].Laplusclassiqueestd’effectuerune moyenne de chaque intensité de couleurs d’une image, dans un voisinage restreint. De 1

Description:
4 De l'équation de diffusion de la chaleur vers les processus discrets façon, on peut définir un opérateur Laplacien discret qui tient compte de ces
See more

The list of books you might like

Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.