Segmentation d'images et suivi d'objets en videos: Approches par estimation, selection de caracteristiques et contours actifs.

摘要

Cette these aborde deux problemes parmi les plus importants et les plus complexes dans la vision artificielle, qui sont la segmentation d'images et le suivi d'objets dans les videos. Nous proposons plusieurs approches, traitant de ces deux problemes, qui sont basees sur la modelisation variationnelle (contours actifs) et statistique. Ces approches ont pour but de surmonter differentes limites theoriques et pratiques (algorithmiques) de ces deux problemes.;En deuxieme lieu, nous abordons le probleme du suivi d'objets dans les videos en utilisant les contours actifs. Nous proposons pour cela deux modeles differents. Le premier suppose que les proprietes photometriques des objets suivis sont invariantes dans le temps, mais le modele est capable de suivre des objets en presence de bruit, et au milieu de fonds de videos non-statiques et encombres. Ceci est realise grace a l'integration de l'information de regions, de frontieres et de formes des objets suivis. Le deuxieme modele permet de prendre en charge les variations photometriques des objets suivis, en utilisant un modele statistique adaptatif a l'apparence de ces derniers.;Finalement, nous proposons un nouveau modele statistique, base sur la Gaussienne generalisee, pour une representation efficace de donnees bruitees et de grandes dimensions en segmentation. Ce modele est utilise pour assurer la robustesse de la segmentation des images de couleur contenant du bruit, ainsi que des objets en mouvement dans les videos (acquises par des cameras statiques) contenant de l'ombrage et/ou des changements soudains d'illumination.;En premier lieu, nous abordons le probleme d'automatisation de la segmentation par contours actifs "ensembles de niveaux", et sa generalisation pour le cas de plusieurs regions. Pour cela, un modele permettant d'estimer l'information de regions de maniere automatique, et adaptative au contenu de l'image, est propose. Ce modele n'utilise aucune information a priori sur les regions, et traite egalement les images de couleur et de texture, avec un nombre arbitraire de regions. Nous introduisons ensuite une approche statistique pour estimer et integrer la pertinence des caracteristiques et la semantique dans la segmentation d'objets d'interet.