Markov Random Fields for Catadioptric Image Processing. Champs de Markov pour le Traitement d’Images Catadioptriques

Markov Random Fields for Catadioptric Image Processing

Champs de Markov pour le Traitement d’Images Catadioptriques

Cédric Demonceaux Pascal Vasseur 

C.R.E.A., EA 3299, 7, rue du Moulin neuf, 80000 Amiens, France

L.A.M.F.A., UMR 6140, 33, rue Saint-Leu, 80039 Amiens Cedex 1, France

Page: 
443-451
|
Received: 
24 January 2005
|
Accepted: 
N/A
|
Published: 
31 December 2005
| Citation

OPEN ACCESS

Abstract: 

Images obtained with catadioptric sensors contain significant deformations which prevent the direct use of classical image treatments.Thus,Markov Random Fields (MRF) whose usefulness is now obvious for projective image processing,can not be used directly on catadioptric images because of the inadequacy of the neighborhood.In this article,we propose to define a new neighborhood for MRF by using the equivalence theorem developed for central catadioptric sensors.We show the importance of this adaptation for segmentation and motion detection.

Résumé

Les images produites par les capteurs catadioptriques présentent des distorsions importantes qui empêchent l’utilisation systématique de traitements conventionnels. Ainsi les champs de Markov dont l’utilité n’est plus à démontrer en traitement d’images perspectives,ne sont pas utilisables directement sur les images omnidirectionnelles. Dans cet article,nous proposons une adaptation des Champs de Markov aux images catadioptriques. La méthode consiste alors à redéfinir la notion de voisinage en utilisant le théorème de l’équivalence des capteurs catadioptriques centraux. Nous montrons l’intérêt de cette adaptation dans le cas de la segmentation supervisée en niveau de gris et de la détection de mouvement.

Keywords: 

Omnidirectional vision,Markov random field,Neighborhood.

Mots clés 

Vision omnidirectionnelle,champs de Markov,voisinage.

1. Introduction
2. Les Champs de Markov en Traitement d’Images
3. Champs de Markov Adaptés aux Images Catadioptriques Centrales
4. Expérimentation
5. Conclusion et Perspectives
  References

[1] S. BAKER and S.K. NAYAR, A Theory of Single-Viewpoint Catadioptric Image Formation, Int. Journal on Computer Vision, 35 (2): 175-196, Novembre 1999. 

[2] J.P BARRETO . and H. ARAUJO, Direct Least Square Fitting of Paracatadioptric Line Images, Proc. Workshop on Omnidirectional Vision and Camera Networks , OMNIVIS03, Madison, Wisconsin, Juin 2003. 

[3] R. BENOSMAN and S.B. KANG, Panoramic Vision: Sensors, Theory, Applications, Springer, 2001.

[4] J. BESAG, Spatial Interaction and the Statistical Analysis of Lattice Systems, RoyalStat, B-36(2):192-236, 1974. 

[5] K. DANIILIDIS, A. MAKADIA. and T. BÜLOW, Image Processing in Catadioptric Planes: Spatiotemporal Derivatives and Optical Flow Computation, In Proc. Workshop on Omnidirectional Vision, OMNIVIS02, pages 3-10, Copenhague, Danemark, Juin 2002. 

[6] S. GEMAN and D. GEMAN, Stochastic Relaxation, Gibbs Distributions, and the Bayesian Restoration of Images, IEEE Trans. on Pattern Analysis and Machine Intelligence, 6(6): 721-741, Novembre 1984. 

[7] C. GEYER. and K. DANIILIDIS, Catadioptric Projective Geometry, Int. Jounal on Computer Vision, 45(3):223-243, Decembre2001. 

[8] F. HEITZ, P. PEREZ. and P. BOUTHEMY, Multiscale Minimization of Global Energy Functions in Some Visual Recovery Problems, CVGIP: Image Understanding, 59(1):125-134, Janvier1994. 

[9] S. IENG, R. BENOSMAN and J. DEVARS, An Efficient Dynamic Multi-Angular Feature Points Matcher for Catadioptric Views, Proc. Workshop on Omnidirectional Vision and Camera Networks, Omnivis03, Madison, Wisconsin, Juin 2003. 

[10] A. PAULINO and H. ARAÚJO, Pose Estimation for Central Catadioptric Systems: An Analytical Approach, In Proc. Int. Conf. on Pattern Recognition, ICPR02, pages 696-699, Québec, Canada, Août 2002. 

[11] O. STRAUSS. and F. COMBY, Opérations morphologiques floues pour images omnidirectionnelles, 12èmes Rencontres Francophones sur la Logique Floue et ses Applications (LFA’04), Nantes, France, Novembre2004. 

[12] T. SVOBODA. and T. PAJDLA, Matching in Catadioptric Images with Appropriate Windows, and Outliers Removal, Int. Conf. on Computer Analysis of Images and Patterns CAIP01, Warsaw, Poland, pages 733-740, Septembre 2001. 

[13] P. VASSEUR and E.M. MOUADDIB, Central Catadioptric Line Detection, In Proc. British Machine Vision Conference, BMVC 04, pages 57-66, Septembre 2004.