Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Autour d’une technique de rééchantillonnage non paramétrique pour les champs aléatoires. Lionel Truquet, [email protected] Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures 1 Rééchantillonnage et synthèse de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance 2 Méthodes non causales Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) 3 Simulation de textures Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Les textures Ce sont des images pouvant être modélisées par un champ aléatoire stationnaire. On cherche à reproduire ces formes en augmentant le nombre de pixels: produire une image plus grande. L’image est souvent associée à une réalisation {xt /1 ≤ t1 ≤ T1 , 1 ≤ t2 ≤ T2 } d’un champ Markovien. xt = intensité d’un pixel. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Synthèse par champs de Markov 1. On estime la loi conditionnelle d’un pixel sachant ses voisins. 2. On simule une nouvelle texture à l’aide de cette loi conditionnelle. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Efros et Leung (1999) Soit {xt /1 ≤ t1 ≤ T1 , 1 ≤ t2 ≤ T2 } une texture observée réalisation d’un champ Markovien. xt = intensité d’un pixel. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Efros et Leung (1999) Soit {xt /1 ≤ t1 ≤ T1 , 1 ≤ t2 ≤ T2 } une texture observée réalisation d’un champ Markovien. xt = intensité d’un pixel. Principe 1) On “colle” un petit morceau de l’image observée au centre de la nouvelle. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Efros et Leung (1999) Soit {xt /1 ≤ t1 ≤ T1 , 1 ≤ t2 ≤ T2 } une texture observée réalisation d’un champ Markovien. xt = intensité d’un pixel. Principe 1) On “colle” un petit morceau de l’image observée au centre de la nouvelle. 2) Synthèse en spirales: soit xt∗ à synthétiser, O(xt∗ ) = partie du voisinage markovien de t qui vient d’être synthétisée. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Efros et Leung (1999) Soit {xt /1 ≤ t1 ≤ T1 , 1 ≤ t2 ≤ T2 } une texture observée réalisation d’un champ Markovien. xt = intensité d’un pixel. Principe 1) On “colle” un petit morceau de l’image observée au centre de la nouvelle. 2) Synthèse en spirales: soit xt∗ à synthétiser, O(xt∗ ) = partie du voisinage markovien de t qui vient d’être synthétisée. → On calcule d (O(xs ), O(xt∗ )), ∀xs Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Efros et Leung (1999) Soit {xt /1 ≤ t1 ≤ T1 , 1 ≤ t2 ≤ T2 } une texture observée réalisation d’un champ Markovien. xt = intensité d’un pixel. Principe 1) On “colle” un petit morceau de l’image observée au centre de la nouvelle. 2) Synthèse en spirales: soit xt∗ à synthétiser, O(xt∗ ) = partie du voisinage markovien de t qui vient d’être synthétisée. → On calcule d (O(xs ), O(xt∗ )), ∀xs d distance euclidienne pondérée . O(xs ) et O(xt∗ ) ont même forme et même cardinal Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Efros et Leung (1999) Soit {xt /1 ≤ t1 ≤ T1 , 1 ≤ t2 ≤ T2 } une texture observée réalisation d’un champ Markovien. xt = intensité d’un pixel. Principe 1) On “colle” un petit morceau de l’image observée au centre de la nouvelle. 2) Synthèse en spirales: soit xt∗ à synthétiser, O(xt∗ ) = partie du voisinage markovien de t qui vient d’être synthétisée. → On calcule d (O(xs ), O(xt∗ )), ∀xs d distance euclidienne pondérée . O(xs ) et O(xt∗ ) ont même forme et même cardinal → On tire xt∗ dans S, aléatoirement de façon uniforme : n o S = xs /d (O(xs ), O(xt∗ )) ≤ (1 + ε) min d (O(xs ), O(xt∗ )) s Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Efros et Leung (1999) Soit {xt /1 ≤ t1 ≤ T1 , 1 ≤ t2 ≤ T2 } une texture observée réalisation d’un champ Markovien. xt = intensité d’un pixel. Principe 1) On “colle” un petit morceau de l’image observée au centre de la nouvelle. 2) Synthèse en spirales: soit xt∗ à synthétiser, O(xt∗ ) = partie du voisinage markovien de t qui vient d’être synthétisée. → On calcule d (O(xs ), O(xt∗ )), ∀xs d distance euclidienne pondérée . O(xs ) et O(xt∗ ) ont même forme et même cardinal → On tire xt∗ dans S, aléatoirement de façon uniforme : n o S = xs /d (O(xs ), O(xt∗ )) ≤ (1 + ε) min d (O(xs ), O(xt∗ )) s Efros et Leung prennent ε = 0.1. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Pour un champ aux 8 plus proches voisins: Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Bickel et Levina (2006) Soit (Xt )t∈Z2 un champ aléatoire réel stationnaire observé sur un rectangle I et Yt = (Xt−j )j∈A , A ⊂ Z2 finie. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Bickel et Levina (2006) Soit (Xt )t∈Z2 un champ aléatoire réel stationnaire observé sur un rectangle I et Yt = (Xt−j )j∈A , A ⊂ Z2 finie. Z x E 11Xt ≤x Yt = y = fX /Y (u/y )du −∞ est estimée par 1 X 11Xt ≤x Wb (y − Yt ), Z t∈IT où: W noyau, et Wb = b −v W (·/b), Z= X Wb (y − Yt ). t∈IT v =dimension de Yt , IT = {t ∈ I /(Xt , Yt ) ∈ I } Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Algorithme de Bickel et Levina (2006) Soit (Xt )t∈Z2 un champ aléatoire réel stationnaire observé sur un rectangle I et Yt = (Xt−j )j∈A , A ⊂ Z2 finie. Z x E 11Xt ≤x Yt = y = fX /Y (u/y )du −∞ est estimée par 1 X 11Xt ≤x Wb (y − Yt ), Z t∈IT où: W noyau, et Wb = b −v W (·/b), Z= X Wb (y − Yt ). t∈IT v =dimension de Yt , IT = {t ∈ I /(Xt , Yt ) ∈ I } → La loi FX /Y (dx/y ) est estimée par: FX∗ /Y (dx/y ) = 1 X Wb (y − Yt )δXt (dx) Z t∈IT Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Principe du Bootstrapp Pour générer une texture sur I ∗ = (Xt∗ )1≤t1 ,t2 ≤m1 ,m2 à partir de I = (Xt )1≤t1 ,t2 ≤k1 ,k2 , Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Principe du Bootstrapp Pour générer une texture sur I ∗ = (Xt∗ )1≤t1 ,t2 ≤m1 ,m2 à partir de I = (Xt )1≤t1 ,t2 ≤k1 ,k2 , 1. Pour un entier p fixé, on choisit uniformément un bloc {Xt∗ : 1 ≤ t1 ≤ p, 1 ≤ t2 ≤ p} dans I . Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Principe du Bootstrapp Pour générer une texture sur I ∗ = (Xt∗ )1≤t1 ,t2 ≤m1 ,m2 à partir de I = (Xt )1≤t1 ,t2 ≤k1 ,k2 , 1. Pour un entier p fixé, on choisit uniformément un bloc {Xt∗ : 1 ≤ t1 ≤ p, 1 ≤ t2 ≤ p} dans I . 2. Supposons que Xt∗ a été généré pour {t : t1 < u1 } ∪ {t : t1 = u, t2 < u2 }. Soit N une variable discrète telle que P(N = s) = ∗ où Yu∗ = Xu−j 1≤j1 ,j2 ≤p 1 Wb (Yu∗ − Ys ), Z et Ys = (Xs−j )1≤j1 ,j2 ≤p . On tronque au bord si nécessaire. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Principe du Bootstrapp Pour générer une texture sur I ∗ = (Xt∗ )1≤t1 ,t2 ≤m1 ,m2 à partir de I = (Xt )1≤t1 ,t2 ≤k1 ,k2 , 1. Pour un entier p fixé, on choisit uniformément un bloc {Xt∗ : 1 ≤ t1 ≤ p, 1 ≤ t2 ≤ p} dans I . 2. Supposons que Xt∗ a été généré pour {t : t1 < u1 } ∪ {t : t1 = u, t2 < u2 }. Soit N une variable discrète telle que P(N = s) = ∗ où Yu∗ = Xu−j 1≤j1 ,j2 ≤p 1 Wb (Yu∗ − Ys ), Z et Ys = (Xs−j )1≤j1 ,j2 ≤p . On tronque au bord si nécessaire. 3. On pose Xu∗ = XN . Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Exemple avec p = 2 Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Hypothèse d’unilatéralité Le champ (Xt )1≤t1 ,t2 est supposé unilatéral (ou de Pickard) : P (Xt /XWt ) = P (Xt /XUt ), Ut = {u : max(1, t1 − p + 1) ≤ u1 ≤ t1 , max(1, t2 − p + 1) ≤ u2 ≤ t2 , u 6= t} le carré de côté p en haut à gauche de t, Wt = {u : 1 ≤ u1 ≤ t1 , 1 ≤ u2 ≤ t2 , u 6= t} tous les indices au dessus et à gauche de t. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Hypothèse d’unilatéralité Le champ (Xt )1≤t1 ,t2 est supposé unilatéral (ou de Pickard) : P (Xt /XWt ) = P (Xt /XUt ), Ut = {u : max(1, t1 − p + 1) ≤ u1 ≤ t1 , max(1, t2 − p + 1) ≤ u2 ≤ t2 , u 6= t} le carré de côté p en haut à gauche de t, Wt = {u : 1 ≤ u1 ≤ t1 , 1 ≤ u2 ≤ t2 , u 6= t} tous les indices au dessus et à gauche de t. → Ces cas particuliers de champ de Markov: 1. permettent de reconstruire facilement les lois jointes à partir des lois conditionnelles (analogie avec les chaines de Markov). 2. approximent bien les textures. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Hypothèses sur la loi (A1) X est α−mélangeant. Soit αX (k, c) = sup {|P(A ∩ B) − P(A)P(B)|}, avec A ∈ σ(XE ), B ∈ σ(XF ), E , F ⊂ I , tels que d(E , F ) ≥ k, |E | + |F | ≤ c} où d = k·k∞ . Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Hypothèses sur la loi (A1) X est α−mélangeant. Soit αX (k, c) = sup {|P(A ∩ B) − P(A)P(B)|}, avec A ∈ σ(XE ), B ∈ σ(XF ), E , F ⊂ I , tels que d(E , F ) ≥ k, |E | + |F | ≤ c} où d = k·k∞ . On suppose (avec τ > 2), ∞ X (k + 1)2c−1 [αX (k, c)]ε/(c+ε) < ∞, c = 2dτ /2e, ε > 0 k=1 (A2) Xt a un support compact S FX /Y a une densité continue fX /Y > 0 sur S 1+v . Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures (A3) ∃L/∀y1 , y2 ∈ Rv , x ∈ R ∪ {∞}, Z x Z fX ,Y (z, y1 )dz − −∞ x −∞ Lionel Truquet, Samos, Université Paris 1, LS-CREST Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance fX ,Y (z, y2 )dz ≤ L ky1 − y2 k Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures (A3) ∃L/∀y1 , y2 ∈ Rv , x ∈ R ∪ {∞}, Z x Z fX ,Y (z, y1 )dz − −∞ x −∞ Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance fX ,Y (z, y2 )dz ≤ L ky1 − y2 k (A4) W bornée, Lipschitz, symétrique, positif partout, Z Z uW (u)du = 0, kuk W (u)du < ∞, b = O(T −δ ), T → ∞, δ > 0. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Principe L’ Algorithme de Efros et Leung Autre exemple de rééchantillonnage (Bickel et Levina (2006)) Des résultats de consistance Convergence des lois conditionnelles Theorem (Bickel, Levina (2006)) Sous les hypothèses (A1), . . . , (A4), sup FX∗ /Y (x/y ) − FX /Y (x/y ) →T →∞ 0 (x,y )∈S v +1 T = card{s/(Xs , Ys ) ∈ I }. La propriété d’unilatéralité permet de montrer qu’il en est de même pour les lois jointes. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) Extension aux champs non causaux Soit X un champ markovien non causal tel que L Xt Xt− = L Xt Xt−j , 0 < kjk ≤ p = L Xt Yt . Principe: Simuler à l’aide de l’echantillonneur de Gibbs une réalisation d’un champ X ∗ tel que: P (Xt∗ ∈ dx/Yt∗ = y ) = 1 X Wb (y − Ys ) δXs (dx). Z s∈IT Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) Extension aux champs non causaux Soit X un champ markovien non causal tel que L Xt Xt− = L Xt Xt−j , 0 < kjk ≤ p = L Xt Yt . Principe: Simuler à l’aide de l’echantillonneur de Gibbs une réalisation d’un champ X ∗ tel que: P (Xt∗ ∈ dx/Yt∗ = y ) = 1 X Wb (y − Ys ) δXs (dx). Z s∈IT Theorem En l’absence de transition de phase, pour toute partie {t1 , . . . , tk } ⊂ Z2 , sup xt1 ,...,xtn ∈S n |F ∗ (xt1 , . . . , xtn ) − F (xt1 , . . . , xtn )| →T →∞ 0, p.s. où F (xt1 , . . . , xtn ) = P (Xt1 ≤ xt1 , . . . , Xtn ≤ xtn ) et F ∗ (xt1 , . . . , xtn ) = P Xt∗1 ≤ xt1 , . . . , Xt∗n ≤ xtn . Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) Vitesse des lois conditionnelles Theorem Sous les hypothèses de Bickel et Levina, sup FX∗t /Yt (x/y ) − FXt /Yt (x/y ) →T →∞ 0 = O(T −γ ) (x,y )∈S p+1 0<γ< τ −2 2(v +1)(τ +v ) et b = O(T −δ ), δ = Lionel Truquet, Samos, Université Paris 1, LS-CREST τ −2 2(v +1)(τ +v ) . Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) Vitesse des lois jointes On suppose: Z X FX /Y (x/y ) − FX /Y (x/y 0 ) dx ≤ Li |yi − yi0 | S i6=0 Proposition Sous les hypothèses de Bickel et Levina et si {t1 , . . . , tk } ⊂ Z2 , sup xt1 ,...,xtn ∈S n 0<γ< P i Li < 1, alors pour toute partie |F ∗ (xt1 , . . . , xtn ) − F (xt1 , . . . , xtn )| = O(T −γ ) τ −2 2(v +1)(τ +v ) . Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) L’approche de Paget et Longstaff (1998) Simuler un champ aléatoire dont la loi conditionnelle en un site est: P µ(x/y ) = P Wb (x − Xs , y − Ys ) , s∈IT Wb (x − Xs , y − Ys ) s∈IT x∈P P où x ∈ P = {ensemble des valeurs des pixels}. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) Utilisation de grilles multirésolution Paget et Longstaff utilise la multirésolution pour éviter: 1. les problèmes de discontinuités dans les simulations. 2. un temps de calcul trop important surtout si la taille du voisinnage est élevé. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) On définit différentes grilles pour l’image observée et l’image à synthétiser: S l = {s = (2l i, 2l j) : 0 ≤ i, j < M/2l }, l = 0, 1, . . .} La multirésolution permet de capter les caractéristiques de la texture avec p petit Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) → On simule d’abord la texture sur la grille la moins fine à l’aide la loi conditionnelle µ. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) → On simule d’abord la texture sur la grille la moins fine à l’aide la loi conditionnelle µ. → On réinjecte les valeurs simulées sur la grille suivante et on simule les pixels manquants conditionnellement à ces valeurs... Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) → On simule d’abord la texture sur la grille la moins fine à l’aide la loi conditionnelle µ. → On réinjecte les valeurs simulées sur la grille suivante et on simule les pixels manquants conditionnellement à ces valeurs... On redéfinit pour chaque grille le voisinnage associé: l l l l Ns=(2 l i,2l j) = {r = (2 m, 2 n) ∈ S : d((i, j), (m, n)) ≤ p} Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) → On simule d’abord la texture sur la grille la moins fine à l’aide la loi conditionnelle µ. → On réinjecte les valeurs simulées sur la grille suivante et on simule les pixels manquants conditionnellement à ces valeurs... On redéfinit pour chaque grille le voisinnage associé: l l l l Ns=(2 l i,2l j) = {r = (2 m, 2 n) ∈ S : d((i, j), (m, n)) ≤ p} ⇒ échantillonneur de Gibbs pour chaque résolution. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) Les points noirs ont une valeur fixée à la résolution précédente, la simulation concerne les points blancs. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) Introduction d’un paramètre de température A chaque début de nouvelle résolution (sauf à la première), on introduit un indice de confiance pour chaque pixel. 1. On affecte au site r de la résolution d’avant un indice tr = 0. 2. On affecte au site r de la résolution en cours un indice tr = 1. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) Introduction d’un paramètre de température A chaque début de nouvelle résolution (sauf à la première), on introduit un indice de confiance pour chaque pixel. 1. On affecte au site r de la résolution d’avant un indice tr = 0. 2. On affecte au site r de la résolution en cours un indice tr = 1. Dans la simulation du site r , on remplacera la différence y − Ys par ((1 − tr −j )(yr −j − Ys−j ))j (où y = (yr −j )j et Ys = (Ys−j )j ). Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Extension de la méthode de Bickel et Levina Des calculs de vitesse Autre algorithme non causal (Paget et Longstaff (1998)) Introduction d’un paramètre de température A chaque début de nouvelle résolution (sauf à la première), on introduit un indice de confiance pour chaque pixel. 1. On affecte au site r de la résolution d’avant un indice tr = 0. 2. On affecte au site r de la résolution en cours un indice tr = 1. Dans la simulation du site r , on remplacera la différence y − Ys par ((1 − tr −j )(yr −j − Ys−j ))j (où y = (yr −j )j et Ys = (Ys−j )j ). ξ+P j∈Nr tr −j Après chaque synthèse, on remplace tr par max 0, |Nr | où ξ < 0 est fixée par l’utilisateur (Nr = {j/0 < kjk ≤ p}). Lorsque ts = 0 ∀s, on passe à la résolution suivante. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Simulations: paramètres taille du voisinnage: p = 3 ou 4 avec la multirésolution. largeur de fenêtre: b = 0.01 ∗ (taille voisinnage)1/2 . bordure: on tronque en utilisant la partie visible du voisinnage Markovien. Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Original Bickel et Levina Multirésolution ICM Lionel Truquet, Samos, Université Paris 1, LS-CREST Mutirésolution Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Synthese sur 4 niveaux, p = 3, b = 0.01, ξ = −1 Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Original ICM Multirésolution Lionel Truquet, Samos, Université Paris 1, LS-CREST Wei et Levoy (1999) Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Original ICM Multirésolution Lionel Truquet, Samos, Université Paris 1, LS-CREST Wei et Levoy Multirésolution Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures ¨ Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha Rééchantillonnage et synthèse de textures Méthodes non causales Simulation de textures Lionel Truquet, Samos, Université Paris 1, LS-CREST Autour d’une technique de rééchantillonnage non paramétrique pour les cha