Extraction et analyse d’objets-clés pour la structuration d’images et de vidéos

Extraction and Analysis of Key-Objects for Image and Video Structuring

• Auteur / Autrice : Jérémy Huart
• Direction : Pascal Bertolino
• Type : Thèse de doctorat
• Discipline(s) : Signal, image, parole, télécoms
• Date : Soutenance en 2007
• Etablissement(s) : Grenoble INPG
• Partenaire(s) de recherche : Laboratoire : Grenoble Images parole signal automatique (2007-....)

Mots clés

Mots clés libres

Théorie de la Fonctionnelle de la Densité

Spectroscopie de Résonance Paramagnétique Electronique

Spectroscopie Mössbauer

Agrégat fer-soufre

Catalase

Interaction de Super Echange

Couplage vibronique

Symétrie brisée

Résumé

La description synthétique du contenu d’une image ou d’une vidéo est à l’heure actuelle une problématique majeure. Nous nous intéressons aux objets qui les composent pour leur pouvoir de représentativité. Après un état de l’art, ce document présente une méthode de segmentation locale par pyramide de graphes irrégulière permettant d’extraire, à partir de critères bas niveaux, des régions d’intérêt assimilables à des objets sémantiques. Cette méthode est utilisée pour détourer avec précision des objets dans des images fixes, dans un environnement interactif puis totalement automatique. Une estimation de mouvement permet d’étendre le procédé aux vidéos en extrayant dans chaque image les entités mobiles. Un filtrage et une classification de ces entités permet de ne retenir que les plus représentatives de chaque objet réel du plan. Ces représentants sont appelés objet-clé et vues-clés. La qualité des résultats expérimentaux permet de proposer de nombreuses applications en aval.

The compact description of image and video content is currently a difficult task. We are interested in the objects that make up this content because of the representative power of these objects. After a review of the state of the art, this thesis presents a local segmentation method based on the irregular graph pyramid algorithm, which allows us to extract, using low-level features, regions of interest comparable to semantic objects. This method is used to precisely excise objects from still images, first in an interactive environment and then in an entirely automatic one. A motion estimation allows us to extend the process to videos by extracting the foreground entities from every frame. A filtering and a clustering of these entities allow us to retain only the most representative of each real object in the shot. These representations are called key-objects and key-views. The quality of the experimental results allows us to propose some future applications of our methods.