|
Traitement d’images par méthodes non-locales basées-patch : Applications à la segmentation d’images médicales et à l’étiquetage de visages
Les images et vidéos naturelles peuvent souffrir de plusieurs problèmes tels que les changements d’illumination, le bruit d’acquisition ou les occlusions.
Afin de réduire ces problèmes, plusieurs méthodes existent : homogénéisation de la couleur, débruitage, recalage, inpainting, etc. Ces dernières années, de nombreuses méthodes non-locales basées-patch ont été conçues et ont obtenu des résultats état de l’art pour ces applications. Les méthodes non-locales utilisent la redondance d’information au sein de l’image ou d’une base d’entrainement.
Les features utilisés sont généralement les patchs de pixels. Par exemple, pour le débruitage, le moyennage de patchs similaires au sein de l’image s’est révélé plus efficace que de considérer uniquement un voisinage local de pixels [1]. Durant ma thèse, nous proposons de développer de nouvelles méthodes générales et rapides, non-locales basées-patch appliquées au traitement d’images. Durant cette présentation, je vais présenter le concept général des algorithmes non-locaux basés-patch et les méthodes développées jusqu’ici durant mes deux premières années de thèse. Nous avons principalement travaillé sur la segmentation d’images médicales 3D et sur la construction de patchs de superpixels [2] appliqués à l’étiquetage de visages.
[1] – A. Buades, B. Coll, and J.-M. Morel, “A non-local algorithm for image denoising,” in CVPR, vol. 2, 2005, pp. 60–65
[2] – R. Achanta, A. Shaji, K. Smith, A. Lucchi, P. Fua, and S. Susstrunk, “SLIC superpixels compared to state-of-the-art superpixel methods,” PAMI, vol. 34, no. 11, pp. 2274–2282, 2012.
|
