Thèse soutenue

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

FR  |  
EN
Auteur / Autrice : Maxime Daisy
Direction : Olivier Lézoray
Type : Thèse de doctorat
Discipline(s) : Informatique et applications
Date : Soutenance en 2015
Etablissement(s) : Caen
Ecole(s) doctorale(s) : École doctorale structures, informations, matière et matériaux (Caen ; 1992-2016)
Partenaire(s) de recherche : Laboratoire : Groupe de recherche en informatique, image, automatique et instrumentation de Caen (1995-....)
Jury : Président / Présidente : Christine Guillemot
Examinateurs / Examinatrices : Olivier Lézoray, Christine Guillemot, Yann Gousseau, Patrick Pérez, David Tschumperlé
Rapporteur / Rapporteuse : Yann Gousseau, Patrick Pérez

Résumé

FR  |  
EN

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 types 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 dans nos méthodes d’inpainting et de mélange de patchs pour proposer une solution visuellement satisfaisante au problème difficile de la désoccultation automatique de scènes réelles resynthétisées