2ème appel à communication
Plus de détails »
........................................................

Ouverture des soumissions
5 Novembre 2014
........................................................

Date limite des soumissions
2 Fevrier 2015
........................................................

Notification d'acceptation
6 Avril 2015
........................................................

Version finale
12 Avril 2015
........................................................

Inscription
20 Avril 2015
........................................................

grift

ensi

isamm

arts-pi

inp

quino

Transformées de Hough denses : un cadre efficace et générique pour la reconnaissance de formes paramétrées

Antoine Manzanera, U2IS-RV / ENSTA-ParisTech, Palaiseau, FRANCE

E-mail : antoine.manzanera@ensta-paristech.fr

Page personnelle :http://perso.ensta-paristech.fr/~manzaner/

Résumé :Avec plus d'un demi-siècle d'existence, la transformée de Hough est l'un des tout premiers algorithmes de la vision par ordinateur. Elle définit un cadre élégant et générique pour détecter des formes paramétrées dans les images, et s'applique aussi bien pour les formes analytiques (lignes, cercles,…) que pour les formes quelconques (objets). Les transformées de Hough ont ainsi fait l'objet d'un très grand nombre de travaux, proposant des innovations sur la nature des formes, leur paramétrage, la quantification, ou l'accélération des algorithmes. Il faut toutefois noter que la quasi totalité des algorithmes existants s'appliquent de façon éparse sur des images de contours ou de points d'intérêt. Il suffit pourtant d'estimer les grandeurs différentielles pour pouvoir appliquer une transformée de Hough de façon dense, directement à partir du niveau de gris. De plus, pour les formes analytiques telles que lignes ou cercles, cette estimation permet une correspondance unique de l'espace image vers l'espace des paramètres (vote one-to-one), beaucoup plus rapide à obtenir que les projections classiques (votes one-to-many ou many-to-one). Dans ce tutoriel nous ferons un bref historique de la transformée de Hough, puis nous présenterons en détail les approches classiques, avant d'aborder les transformées de Hough denses dans le cadre des dérivées multi-échelles. On présentera leurs pendants one-to-one pour la détection rapide de lignes et de cercles, puis la transformée de Hough dense généralisée et son application à la détection et à la poursuite d'objets dans les vidéos.

CV :Antoine Manzanera est diplômé de l'Université Claude Bernard (Lyon-1, Licence de Mathématiques en 1991 et DEA d'Informatique Fondamentale en 1993). De 1994 à 1996 il enseigne les Sciences aux Collège et Lycée Français d'Asución, Paraguay. Entre 1997 et 2000, il fait sa Thèse au Centre Technique d'Arcueil (DGA) avec Aérospatiale (MBDA), sur les rétines artificielles programmables. Il obtient le Doctorat en Signal et Images de Télécom-ParisTech en 2000. Depuis 2001, il est enseignant-chercheur à l'ENSTA-ParisTech, dans le groupe de Robotique et Vision du laboratoire U2IS. Sa recherche vise à la conception de systèmes de vision efficaces et polyvalents, depuis le modèle mathématique des images jusqu'à l'implantation embarquée des algorithmes. Ses intérêts de recherche vont des modèles visuels d'objets, texture ou activités, aux algorithmes parallèles de vision, incluant la géométrie discrète, l'analyse du mouvement ou la segmentation de scène. Il enseigne en 2e et 3e années du cycle Ingénieur de l'ENSTA, et dans le Master d'Informatique de l'Université Pierre et Marie Curie (Paris 6). La coopération internationale est une partie importante de son activité, comptant plusieurs projets d'éducation et de recherche avec la Roumanie, la Colombie, le Mexique, le Brésil, la Tunisie ou l'Algérie. Il est relecteur régulier pour un certain nombre de conférences et de journaux, dont Pattern Recognition Letters, Journal of Real-Time Image Processing et IEEE Transactions on Image Processing. Il intervient comme expert régulier pour plusieurs organismes nationaux et internationaux de financement de la recherche (ANR, NWO). En 2012, il obtient l'Habilitation à Diriger des Recherches de l'Université Pierre et Marie Curie, et il est maintenant professeur à l'ENSTA-ParisTech