Inpainting basé motif d'images et de vidéos appliqué aux données stéréoscopiques avec carte de profondeur - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2015

pattern based image and video inpainting applied to steréoscopic data with depth map

Inpainting basé motif d'images et de vidéos appliqué aux données stéréoscopiques avec carte de profondeur

Maxime Daisy
  • Fonction : Auteur
  • PersonId : 950954

Résumé

We focus on the study and the enhancement of greedy pattern-based image processing algorithms for the specific purpose of inpainting, i.e., the automatic completion of missing data in digital images and videos. We first review the state of the art methods in this field and analyze the important steps of prominent greedy algorithms in the literature. Then, we propose a set of changes that significantly enhance the global geometric coherence of images reconstructed with this kind of algorithms. We also focus on the reduction of the visual bloc artifacts classically appearing in the reconstruction results. For this purpose, we define a tensor-inspired formalism for fast anisotropic patch blending, guided by the geometry of the local image structures and by the automatic detection of the artifact locations. We illustrate the improvement of the visual quality brought by our contributions with many examples, and show that we are generic enough to perform similar adaptations to other existing pattern-based inpainting algorithms. Finally, we extend and apply our reconstruction algorithms to stereoscopic image and video data, synthesized with respect to new virtual camera viewpoints. We incorporate the estimated depth information (available from the original stereo pairs) in our inpainting and patch blending formalisms to propose a visually satisfactory solution to the non-trivial problem of automatic disocclusion of real resynthesized stereoscopic scenes.
Nous nous intéressons à l'étude et au perfectionnement d'algorithmes de traitement d'image gloutons basés motif, pour traiter le problème général de l'"inpainting", c-à-d la complétion automatique de données manquantes dans les images et les vidéos numériques. Après avoir dressé un état de l'art du domaine et analysé les étapes sensibles des algorithmes gloutons existants dans la littérature, nous proposons, dans un premier temps, un ensemble de modifications améliorant de façon significative la cohérence géométrique globale des images reconstruites par ce type d'algorithmes. Dans un deuxième temps, nous nous focalisons sur la réduction des artefacts visuels de type "bloc" classiquement présents dans les résultats de reconstruction, en proposant un formalisme tensoriel de mélange anisotrope rapide de patchs, guidé par la géométrie des structures locales et par la détection automatique des points de localisation des artefacts. Nous illustrons avec de nombreux exemples que l'ensemble de ces contributions améliore significativement la qualité visuelle des résultats obtenus, tout en restant suffisamment générique pour s'adapter à tous type d'algorithmes d'inpainting basé motif. Pour finir, nous nous concentrons sur l'application et l'adaptation de nos algorithmes de reconstruction sur des données stéréoscopiques (images et vidéos) resynthétisées suivant de nouveaux points de vue virtuels de caméra. Nous intégrons l'information de profondeur estimée (à partir des vues stéréos originales) dans nos méthodes d'inpainting et de mélange de patch pour proposer une solution visuellement satisfaisante au problème difficile de la désoccultation automatique de scènes réelles resynthétisées.
Fichier principal
Vignette du fichier
TheseMaximeDaisy.pdf (118.21 Mo) Télécharger le fichier

Dates et versions

tel-01257756 , version 1 (18-01-2016)

Identifiants

  • HAL Id : tel-01257756 , version 1

Citer

Maxime Daisy. Inpainting basé motif d'images et de vidéos appliqué aux données stéréoscopiques avec carte de profondeur. Traitement des images [eess.IV]. Université de Caen Normandie, 2015. Français. ⟨NNT : ⟩. ⟨tel-01257756⟩
393 Consultations
118 Téléchargements

Partager

Gmail Facebook X LinkedIn More