Application des algorithmes évolutionnaires pour l'estimation du mouvement à l'aide des champs de Markov

摘要

Cet article présente une nouvelle approche fondée sur les algorithmes évolutionnaires (AE), pour l'estimation du flot optique à l'aide des champs de Markov. La méthode proposée utilise une stratégie du type Diviser-pour-Régner qui permet d'exploiter de manière adéquate la propriété markovienne. L'image est découpée en petites parties sur lesquelles l'estimation du flot optique est effectuée de manière indépendante. Les résultats élémentaires obtenus respectivement sur les différentes parties sont ensuite combinés pour construire le résultat global final. Les flots optiques calculés à l'aide de la méthode proposée sur des images synthétiques et des images réelles sont comparés aux résultats fournis par deux méthodes traditionnelles d'estimation du flot optique, l 'ICM et le recuit simulé. On observe d'une part, une amélioration de la qualité de l'estimation avec la méthode proposée en comparaison avec les autres méthodes, et d'autre part, une réduction significative des temps de calcul par rapport aux AE de base.%This paper presents a new optical flow estimation method using Markov Random Fields (MRFs) modelling. In the MRF framework, optical flow estimation leads to minimizing an energy function. To this end, we propose an Evolutionary Algorithm (EA) based on a Divide-and-Conquer strategy which adequately exploits the Markovian property. The image is split into small parts on which EAs are performed separately and independently. The elementary results obtained from all image parts are then combined into a final global solution. Experimental results using synthetic and real-world image sequences demonstrate the effectiveness of the method. Compared with traditional ICM and simulated annealing, results are improved. Moreover, computation cost is significantly reduced in comparison with a basic EA.