Shape recognition for image scene analysis - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2009

Shape recognition for image scene analysis

Reconnaissance de forme pour l'analyse de scène

Maria Kulikova
  • Fonction : Auteur
  • PersonId : 865022

Résumé

This thesis includes two main parts. In the first part we address the problem of tree crown classification into species using shape features, without, or in combination with, those of radiometry and texture, to demonstrate that shape information improves classification performance. For this purpose, we first study the shapes of tree crowns extracted from very high resolution colour aerial infra-red images. For our study, we choose a methodology based on the shape analysis of closed continuous curves on shape spaces using geodesic paths under the bending metric with the angle-function curve representation, and the elastic metric with the square root q-function representation. A necessary preliminary step to classification is extraction of the tree crowns. In the second part, we address thus the problem of extraction of multiple objects with complex, arbitrary shape from remote sensing images of very high resolution. We develop a model based on marked point processes. Its originality lies in its use of arbitrarily-shaped objects as opposed to parametric shape objects, e.g. ellipses or rectangles. The shapes considered are obtained by local minimisation of an active contour energy with weak and then strong shape prior knowledge included. The objects in the final (optimal) configuration are then selected from amongst these candidates by a multiple birth-and-death dynamics embedded in an annealing scheme. The approach is validated on very high resolution images of forest provided by the Swedish University of Agriculture.
Cette thèse est composée de deux parties principales. La première partie est dédiée au problème de la classification d'espèces d'arbres en utilisant des descripteurs de forme, en combainison ou non, avec ceux de radiométrie ou de texture. Nous montrons notamment que l'information sur la forme améliore la performance d'un classifieur. Pour ce faire, dans un premier temps, une étude des formes de couronnes d'arbres extraites à partir d'images aériennes, en infrarouge couleur, est eectuée en utilisant une méthodologie d'analyse de formes des courbes continues fermées dans un espace de formes, en utilisant la notion de chemin géodésique sous deux métriques dans des espaces appropriés : une métrique non-élastique en utilisant la reprèsentation par la fonction d'angle de la courbe, ainsi qu'une métrique élastique induite par une représentation par la racinecarée appelée q-fonction. Une étape préliminaire nécessaire à la classification est l'extraction des couronnes d'arbre. Dans une seconde partie, nous abordons donc le problème de l'extraction d'objets de forme complexe arbitraire, à partir d'images de télédétection à très haute résolution. Nous construisons un modèle fondé sur les processus ponctuels marqués. Son originalité tient dans sa prise en compte d'objets de forme arbitraire par rapport aux objets de forme paramétrique, e.g. ellipses ou rectangles. Les formes sélectionnées sont obtenues par la minimisation locale d'une énergie de type contours actifs avec diérents a priori sur la forme incorporé. Les objets de la configuration finale (optimale) sont ensuite sélectionnés parmi les candidats par une dynamique de naissances et morts multiples, couplée à un schéma de recuit simulé. L'approche est validée sur des images de zones forestières à très haute résolution fournies par l'Université d'Agriculture de Suède.
Fichier principal
Vignette du fichier
phd_mkulikova_2009.pdf (11.27 Mo) Télécharger le fichier

Dates et versions

tel-00477661 , version 1 (29-04-2010)
tel-00477661 , version 2 (07-05-2010)

Identifiants

  • HAL Id : tel-00477661 , version 1

Citer

Maria Kulikova. Shape recognition for image scene analysis. Human-Computer Interaction [cs.HC]. Université Nice Sophia Antipolis, 2009. English. ⟨NNT : ⟩. ⟨tel-00477661v1⟩
383 Consultations
891 Téléchargements

Partager

Gmail Facebook X LinkedIn More