SYS-844 Vision par ordinateur Professeur: Richard Lepage Département de génie de la production...

SYS-844

Vision par ordinateur

Professeur: Richard Lepage

Département de génie de laproduction automatisée

Livia

Cours #1 - 2SYS-844

Hiver 2005

Collaborateurs Pierre Gravel

LIO (CHUM-ETS) Ajout de plusieurs acétates Approche MatLab

Normand Grégoire Étudiant Ph.D. Forensight Matériel de laboratoire

Cours #1 - 3SYS-844

Hiver 2005

Cours #1: Plan

Syllabus du cours Plan détaillé Formation des équipes

(durant la pause) Introduction à la vision

informatique

Cours #1 - 4SYS-844

Hiver 2005

Syllabus

Cours #1 - 5SYS-844

Hiver 2005

Cours #1 - 6SYS-844

Hiver 2005

Cours #1 - 7SYS-844

Hiver 2005

Cours #1 - 8SYS-844

Hiver 2005

Cours #1 - 9SYS-844

Hiver 2005

Cours #1 - 10SYS-844

Hiver 2005

Plan détaillé


Hiver 2005


Hiver 2005

Introduction à la vision informatique


Hiver 2005

Vision artificielle

Un système de vision artificielle capte une scène tridimensionnelle et la traduit en une ou plusieurs images

Objectifs Reconnaître et localiser les objets

présents dans la scène


Hiver 2005

Quelques applications Robot dans un milieu hostile Inspection industrielle Télédétection Imagerie médicale Reconnaissance de forme Aérospatiale


Hiver 2005

Neurologie Psychologie Biologie Traitement de signal Réalité virtuelle Archéologie Géologie Géophysique Hydrologie

Imagerie médicale et sécurité

L’image de la rétine humaine est traitée afin d’en rehausser le contraste. L’image résultante peut ensuite être utilisée en

ophtalmologie ou en reconnaissance de la personne.

Imagerie médicale

Rehaussement du contraste d’une radiographie de la cage thoracique

Imagerie médicaleDétection des tumeurs cancéreuses à partir d’une

mammographie (Rayons X)

Imagerie médicale

Recherche de lésions ou d’anomalies dans le cerveau (images en RMN)

Imagerie médicale

Reconstruction 3D du cerveau à partir d’images en RMN

Traitement de signal

Amélioration d’images (dégradation inconnue)

Traitement de signal

Restauration d’images

(dégradation connue)


Hiver 2005

Interprétation des images Quelle information est utilisée? Comment place-t-on des étiquettes? Peut-on déduire la forme 3D?

Comment? Importance du contexte Le but de l’observation influence-t-il

l’interprétation? Rôle des connaissances a priori


Hiver 2005

maison


Hiver 2005

corvette


Hiver 2005

Ville de San Francisco


Hiver 2005

mandrill (singe)


Hiver 2005

Ava Gardner


Hiver 2005

Résonnance magnétique


Hiver 2005Nébuleuse du cheval

Information utilisée: contraste ? Arêtes?


Hiver 2005

Reconnaissance des visages

Mandrill (singe) Penelope Cruz


Hiver 2005

Photo aérienne


Hiver 2005

Approches en vision Approche computationnelle

Image structure

Le processus de vision est divisé en plusieurs niveaux de représentation. Des algorithmes permettent de passer d’un niveau au suivant


Hiver 2005

Niveau 0

Niveau 1

Niveau 2

Niveau 3

Niveau 4

Segmentation

Interpolation

AutresOmbrageStéréo

Images

droitegauche

Détection des arêtes

Esquisse

Esquisse2 1/2 D

Description


Croquis Croquis

3D


Hiver 2005

Approche basée sur les connaissances Image structure


Hiver 2005

si 2 lignes voisinessi lignes longues

alors fermersi - - -si lignes parallèles

Système à basede connaissances

Fusion

Stéréo

Images

droitegauche

Croquis

Esquisse

Esquisse2 1/2 D

multirésolutions

Ombrage Ombrage


Description3 D

Segmentation

MouvementTexture


Hiver 2005

Extraction des lignes

Images

Croquis

multi-résolution




Segmentation

Description3 D

Soar

et interpolation

et interprétation

Esquisse


Hiver 2005

Vision appliquée (ou industrielle) Image fonction


Hiver 2005

Difficultées

Variations naturelles dans une même catégorie d’objet Ex.: maison

chaise Grande quantité de données à traiter

Image faible résolution N/B 128x128 16Ko Image haute résolution couleur 512x512x3 750Ko Image caméra numérique 2592x1944 pix

15,1Mo Mouvement (30 im./s) 560Ko

22.5 Mo


Hiver 2005

Variations dans le processus de formation de l’image Éclairage Distorsion de perspective Occlusion Point d’observation Qualité du capteur Qualité du système optique


Hiver 2005

Capteurs Appareil photo Caméra Stéréo Caméra 3D Capteurs dans des bandes non-

visibles• Radarsat


Hiver 2005

Perspective

Occlusion


Hiver 2005

Contexte La vision comme un problème d’IA


Hiver 2005


Hiver 2005

Contexte Influence


Hiver 2005

Contexte Influence (bis)


Hiver 2005

Système de vision à base de connaissance



Système à basede connaissances

Fusion

Stéréo

Images

droitegauche

Croquis

Esquisse

Esquisse2 1/2 D

multirésolutions

Ombrage Ombrage


Description3 D

Segmentation

MouvementTexture


Hiver 2005

Type de connaissances requises

Connaissances déclaratives attributs des objets: couleur, texture, forme,

etc. relations fonctionnelles et spatiales entre les

composantes des objets structure

Connaissances procédurales mécanismes de contrôle

comment reconnaître un objet comment utiliser le contexte comment contourner l’effet des occlusions comment relier l’échelle sur l’image à

l’échelle physique de l’objet


Hiver 2005

Mesures sur l’image caractéristiques spectrales

brillance contraste couleur

contour 2D segments de ligne ou de courbe effets de perspective ombrage, spot lumineux flux optique (mouvement) stéréoscopie


Hiver 2005

Inférences de haut niveau continuité de surface et connexité volume 3D côtés et surfaces cachées identification (étiquette, nom) dimensions absolues propriétés fonctionnelles utilisation


Hiver 2005

Niveaux d’abstraction en vision

Niveau bas: image Algos: extraction d’arêtes

régions Niveau intermédiaire: éléments

symboliques représentation symbolique génération de carac. + abstraites

Haut niveau: interprétation représenter objets, partie d’objet mécanismes d’inférence interprétation partielle


Hiver 2005

IMAGE descrip. Interm. connaissance


Hiver 2005


Hiver 2005

Niveaux d’abstraction

SYS-844 Vision par ordinateur Professeur: Richard Lepage Département de génie de la production...

Documents

Transcript of SYS-844 Vision par ordinateur Professeur: Richard Lepage Département de génie de la production...