Edge Detection and Ridge Detection with

Automatic Scale SelectionTONY LINDEBERG

Synthèse bibliographique

Sawsen Rezig

ECL/Lyon1Master Informatique 2ème année

Spécialité : Image

Principales conférences et revues du domaine

International Conference on Computer Vision (ICCV),European Conference on Computer Vision (ECCV),Conference on Computer Vision and Pattern Recognition (CVPR-USA).

IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI),IEEE Transactions on Image Processing,International Journal of Computer Vision(IJCV),Pattern Recognition.

L’auteur de L’article:Tony LindebergTony Lindeberg est un professeur au département de l’analyse numérique et de l’informatique au KTH (Royal Institute of Technology (Suède)). Ses principaux sujets de recherche concerne :

La théorie de l’Espace d’échelle,Les représentations de l’image et de la vision

Détection de caractéristiques, Reconnaissance d’objets, reconnaissance spatio-

temporelle La modélisation algorithmique de la vision biologique.

Il déjà travaillé aussi sur des sujets sur l’analyse d’images médicales et la reconnaissance de gestuelles. Il est l’auteur du livre : Scale-Space Theory in Computer Vision.

Introduction :

L’importance de l’information de contours: Changement dans l’image changement dansles propriétés physiques et naturelles des entités.

La difficulté qui se présente dans un contexte pareil: Comment interpréter l’information extraite, Comment choisir l’espace d’échelle.

Problématique traitée par l’article :

Domaine : La vision par ordinateur/Extraction de caractéristiques.

But : La détection des différentes caractéristiques de l’image (contours,

points d’intérêt).

La sélection automatique des niveaux d’échelle ( Scale-space).

Avant-propos : Impact du choix du niveaux d’échelle

ImageOriginale

t = 16

t = 1

t = 256

Avant-propos : Impact du choix du niveaux d’échelle

Résultats de la détection de contours d’une imge au differents niveaux d’échelle

Méthodologie proposée :

L’amplitude du gradient,Une mesure normalisée de la puissance d’un contour :

Méthodologie proposée :

L’amplitude du gradient :• Le maximum local dans la direction du gradient,• les endroits correspondant à un changement brutal

dans l’image.

Une mesure normalisée de la puissance d’un contour :• Varier l’espace d’échelle automatiquement le long

d’un contour.

Intérêt de chaque mesure:

Méthodologie proposée :

Formuler le concept de points d’intérêt :

les propriétés différentielles géométriques locales. points représentant un extremum local dans la direction

du vecteur propre de la matrice Hessienne.

Adaptation de la méthode pour la détection de régions d’intérêt:

Résultats obtenus:Résultats de la détection de contours basée sur la dérivée du premier ordre:

Résultats obtenus:Résultats de la détection de contours basée sur la dérivée du troisième ordre:

Résultats obtenus:Résultats de la détection de régions d’intérêt :

Critiques :

La dérivée normalisée , Les dérivées directionnelles,la suppression des non maxima (classique),l’extension de la notion de la suppression des non maxima en vue de réaliser la sélection des niveaux d’échelle.

Etat de l’art :

Critiques :

⁺un choix automatique du niveau d’échelle s’adaptant à la structure locale de l’image,⁺ éviter la distorsion de la forme des objets,⁺ extraire les contours fins (ombres, reflets),

-résultats pour l’image du fractal, -une différence à peine perceptible entre utilisation de deux mesures de la puissance.

Expérimentation (détection de contours):

Critiques :

L’application de la méthode adaptée donne les points les plussignificatifs.

Expérimentation (détection de régions d’intérêt):

Critiques :

•nouvelle manière géométrique différentielle pour la suppression des non maxima, se basant sur la représentation multi-échelle de l’image à traiter.•La détection de contours et de points d’intérêt a été beaucoup améliorée par l’auteur par l’introduction des dérivées -normalisées.

-Le choix du nombre de niveaux d’échelle à utiliser est arbitrairedans cette méthode.

Points forts et points faibles :