Hopfield Neural Network for Stereo Matching. Réseau de Hopfield, un Outil pour la Mise En Correspondance

Hopfield Neural Network for Stereo Matching

Réseau de Hopfield, un Outil pour la Mise En Correspondance

Christophe Garcia Saïda Bouakaz  Denis Vandorpe 

LIGIA / LISPI - UniversitéLyon I-Bât. 710 Boulevard du 11 Novembre 1918 F-69622 Villeurbanne

Page: 
159-167
|
Received: 
17 October 1994
|
Accepted: 
N/A
|
Published: 
30 April 1995
| Citation

OPEN ACCESS

Abstract: 

In this paper, we present an algorithm designed for the stereovision matching problem and 3D objects identification. We use a simulated Hopfeld neural network to solve the problem of matching a pair of stereoscopic images. This model is helpfulin optimization and it can be implemented on parallel machines easily.

Résumé

Nous nous intéressons auproblème d'appariement de primitives entre deux images. Noire domaine d'application est la misc en correspndance d'un couple d'images stéréoscopiques ou l'identification des parties d'un modèle dans une imageobservée. Nous proposons dans ce papier une approche utilisant un modèle deréseau de neurones pourrésoudre le problème. Nous avons choisi le modèle de Hopfieldd'unepart parce qu'il est souple et ouvert, d'autre partparce qu'il peu s'implanter aisément sur des calculateurs massivement parallèles.

Keywords: 

Computer vision, 3D vision, Stereovision, neural networks, matching.

Mots clés

Vision assistéepar ordinateur, Vision 3D, Stéréovision, Réseaux de neurones, Mise encorrespondance.

1. Introduction
2. Une Solution
3. Conclusion
4. Remerciements
  References

[AYACHE 90] Ayache N., « Stereovision and sensor fusion », MIT Press, 1990. 

[DERICHE 87] Deriche R., « Using Canny's criteria to derive an optimal edge detector recursively implemented », International Journal of Computer Vision, Vol. 2, 1987, p. 167-187. 

[FAHLMAN et al 87] Falhman S.E , Hinton G.E., « Connectionist architecture for artificial intelligence », IEEE Computer,January 1982, p. 100-109. 

[FAUGERAS 88] Faugeras O. D., « Quelques pas vers la vision artificielle en troisdimensions », Technique et Science Informatique, 1988. 

[GEMAN et al. 841 Geman S., Geman D., « Stochastic relaxation, Gibbs distribution and the Bayesian restoration of images », IEEE Transaction on Pattern Analysis and Machine Intelligence, PAMI-6,Novembre 1984, p. 721-741. 

[GARCIAet a] 931 GarciaC., Bouakaz S., Vandorpe D., « Un systèmedestéréovision utilisant le réseau de Hopfield », Proceedings of the 12th Conference of CAD/CAM, Computer Graphics and Computer aided Technologies, Paris, Janvier 1993, p. 205-224. 

[GARCIA et al 94] Garcia C., Bouakaz S., Vandorpe D., « Réseau de Hopfield un outil pour lamiseencorresponcance »,Proceeding of the 9th Conference RFIA, Paris,Février 1994, p. 371-378. 

[GENNERT 88] Gennert M.A., « Brightness-based stereo matching », Proceedings of the SICCV, Tampa, Florida, p.139-143, 1988. 

[HOPFIELD 821 Hopfield J., « Neural networks and physical systems with emergent collective computational abilities », Proceedings of National Academy of Sciences,Vol. 79, 1982, p. 2554-2558.

[HORAUD 89] Horaud R., Skordas T., « Stereo matching through feature Grouping and maximal clique >>, IEEE transactions on PAMI-I I, November 1989. [JORDAN 90] Jordan J.R., « Dense stereo correspondence using color », Proceedings of the SPIE, vol. 1382, 1990. 

[KIRKPATRICK et a]. 83] Kirkpatrick S., Gellat C., Vecchi M., « Optimization by simulated annealing », SCI, Vol. 20, 1983, p. 671-680.

[MASSEN 901 Massen R., « Real time color classification for preprocessing photogrammetry images »,SPIE, vol. 1395, 1990. 

[MOHAN 89] Mohan R., « Constraint Satisfaction Networks for Vision », Exploratory Computer Vision Group IBM Thomas J. Watson Research Center Yorktown, 1989. 

[MOHAN et al 89] Mohan R., Medioni G., Nevatia R., « Stereo Error Detection, Correction, and Evaluation »,IEEE Transactions on PAMI-11,N°2,February 1989. 

[TSAI 88J Tsai R.Y, « Synopsis of Recent Progress on Camera Calibration >>, Research Report 13888, IBM Research Division, Yorktown Heights, Août 1988. 

[TUet al 90] Tu X., Dubuisson B., « 3-D Information derivation from a pair of binocular images »,Pattern Recognition, Vol, 23 N°3/4, 1990, p. 223-235. 

[ZHOU et al 88] Zhou YT., Chellappa R., « Stereo matching using a neural network», Proc. Intl. Joint Conf. on Acoustics, Speech, and Signal Processing, New York, Avril 1988, p. 940-943.