Irregular Pyramid: A Hierarchical Structure for Exploratory Vision. Pyramide Irrégulière: une Représentation pour la Vision Exploratoire

Irregular Pyramid: A Hierarchical Structure for Exploratory Vision

Pyramide Irrégulière: une Représentation pour la Vision Exploratoire

Antoine Manzanera Jean-Michel Jolion 

Reconnaissance de Formeset Vision Institut National des Sciences Appliquées-Bât . 403 F-69221 Villeurbanne cedex

Page: 
169-176
|
Received: 
5 May 1994
|
Accepted: 
N/A
|
Published: 
30 April 1995
| Citation

OPEN ACCESS

Abstract: 

We present a new class of hierarchical structures known as the irregular pyramid. This pyramid is characterized by a non regular subsampling defined as a functionof the spatial location of the points. This hierarchical structure is made as consistent as possible with the human visual mapping . This novel structure allows both fine sampling in the focus area and coarse sampling elsewhere in the scene so resulting in smaller images. Examples are shown as well as an exploratory vision application in motion detection. 

Résumé

Nous introduisons dans cet article une nouvelle classe de structures hiérarchiques irrégulières où la nature du sous-échantillonnage est une fonction de la position spatiale. Cette structure s'apparente à la structure rétinienne (notion de fovéa et de périphérie). Ce nouveau mécanisme permet de conserver un échantillonnage précis dans la zone de focus tout en résumant le restant de la scène. L'image résultat étant de taille réduite, les traitements qui lui sont appliqués sont plus rapides. Nous présentons des exemples et une validation de cette approche sur des images dynamiques dans le contexte de la vision exploratoire . 

Keywords: 

Pyramid, multiresolution, motion.

Mots clés

Pyramide, multirésolution, focusd'attention, mouvement.

1. Introduction
2. Le Modèle Pyramidal
3. Pyramide Irrégulière
4. Application au Mouvement
5. Discussion
6. Annexex
  References

[1] Y. Yeshurun, E.L. Schwartz , « Shape Description with a Space-Variai Sensor : Algorithms for Scan-Path, Fusion and Convergence over Multip. Scans », IEEETrans. Pattern Anal. Machine Intel., 11 1989, p. 1217-1221 

[2] A. Califan, R. Kjedlsen, R.M. Bolle,« Data and Model Driven Foveation > Proceeding of the 10th Int. Conf on Pattern Recognition, 1990,vol. A, p. 1-' 

[3] S.M. Culhane, J.K. Tsotsos, « An Attentional Prototype for Early Vision > 2nd European Conf on Computer Vision, Lecture Notes in Computer Visioi G. Sandini (ed.),Springer Verlag, 588, 1992, p. 551-560. 

[4] J.K. Tsotsos, « Towards a Computational Model of Visual Attention >>, Linkin Psychophysics, Neurophysiology, and Computational Vision, T .Papathom~ (ed.), MIT Press, Bradford books, 1994.

[5] M. Bolduc, M.D. Levine, « A Foveated Retina System for Robotic Vision > Vision Interface'94, 1994, p. 1-8. 

[6] J.M. Jolion, «Analyse d'Images : Le Modèle Pyramidal », Traitement e Signal, 7, n° 1, 1990, p. 5-17. 

[7] J.M. Jolion, A. Rosenfeld,A Pyramid Framework for Early Vision, Kluwe 1993. 

[8] S. Peleg, O. Federbush, R.A.Hummel,« Custom-Made Pyramids», Parall Computer Vision,L.Uhr. (ed.),Academic Press, Orlando, FL, 1986,125-14, 

[9] P. Meer, « Stochastic Image Pyramids », Computer Vision, Graphics, an Image Processing, 45, 1989, p. 269-294. 

[10] A. Montanvert, P.Meer,A.Rosenfeld, « Hierarchical Image Analysis Usir Irregular Tessellations >>, IEEE Trans. Pattern Anal. Machine Intel.,13, 199 p.307-316. 

[11] J.M. Jolion, A. Montanvert, « The Adaptive Pyramid : A Framework for 2 Image Analysis »,CVGIP:Image Understanding,55, n°3,1992, p. 339-34: 

[12] W.G. Kropatsch, <<A Pyramid that Grows by Powers of 2 », Patter Recognition Letters, 6, 1985, p. 179-284. 

[13] W. Bruger, « Image Warpings, Fixations, and Structural Recognition »,Pro of the 16th ÖAGM meeting on Pattern Recognition, 1992, p. 199-213. 

[14] S. Bataouche, « Définition d'une Organisation Logicielle Pyramidale > Rapport deRechercheRR 22-90, LISPI,Université C. Bernard, Lyon 1, 1991 

[15] S. Bataouche, «Raisonnement Hiérarchique en Vision par Ordinateur > thèsede doctorat, Université C. Bernard, Lyon 1, 1993.

[16] P.J. Burt, «Fast Filter Transforms for Image Processing », Computer Graphics and Image Processing, 16, 1981, p. 20-5 1. 

[17] H.R. Wilson, J.R. Bergen, « A Four Mechanism Model for Threshold Spatial Vision », Vision Research, 19, 1979, p. 19-32. 

[18] J.K. Tsotsos, « An Inhibitory Beam for Attentional Selection », Spatial Vision for Humans and Robot, L. Harris et M. Jenkin (eds), Cambridge University Press, 1993. 

[19] D.H. Ballard, C.M. Brown, « Principles of Animate Vision », CVGIP Image Understanding, 56, n° 1, 1992, p. 3-21. 

[20] A.J. Ahumada, « Learning Receptor Positions », Computational Models of Visual Processing, M.S. Landy et J.A. Movshon (eds) MIT Press, Bradford books, 1991, p. 23-34. 

[21] A. Manzanera, J.M. Jolion, «Tessellations Hiérarchiques Irrégulières », Colloque Géométrie Discrèteen Imagerie, 1993, p. 98-107. 

[22] J.M. Jolion, « Computer Vision Methodologies », CVGIP : Image Understanding, 59, n° 1, 1994, p. 53-71.