Projets de Traitement d’image 3e année comprendre – mettre en œuvre – évaluer – une méthode de traitement d’image 1 Démarche et évaluation Un projet se décline en : positionnement de la méthode (bibliographie) développement algorithmique résultats analyse Évaluation : réalisation algorithmique 3/5 présentation orale 2/5 2 Projet n°1 : Déconvolution aveugle Déconvoluer une image sans connaissance de la FEP du système optique pour améliorer le contraste Commencer avec DSP objet et FEP connues Tester sur données simulées à partir d’un objet et de plusieurs FEP Application réelle : images de rétine obtenues par une caméra rétinienne à optique adaptative (rtx1 d’Imagine Eyes) L. Blanco and L. M. Mugnier. Marginal blind deconvolution of adaptive optics retinal images. Optics Express 2011. 3 Projet n°2 : Détection d’objets par stéréo Utiliser la stéréovision pour détecter et localiser en 3D • les obstacles • les objets mobiles Application : navigation autonome M. Derome, A. Plyer, M. Sanfourche, G. Le Besnerais. "Moving Object Detection in RealTime Using Stereo from a Mobile Platform." Unmanned Systems 3.04 (2015): 253-266. A. Geiger, P. Lenz, C. Stiller and R. Urtasun. “Vision meets Robotics: The KITTI Dataset.” The International Journal of Robotics Research (2013): 0278364913491297. 4 Projet n°3 : Recalage multimodal Recalage multimodal non supervisé : corrélation ou SIFT ? • Participation à publication d’article possible Images 4x4° du rtx1 d’Imagine Eyes à recaler en mode non supervisé sur des images grand champ de fond d’œil de type SLO IR (à gauche) ou couleur (à droite). R. Fezzani, P. Cornic, E. Boyenga-Ödlund, A. Plyer, G. Le Besnerais, C. Kulcsár. Unsupervised registration of Adaptive Optics retinal images in SLO fundus images. » Association for Research in Vision and Ophtalmology (ARVO) 2014 Annual Meeting. 5 Projet n°4 : Reconnaissance de visage Eigenfaces : analyse en composante principale Deep learning ? Test sur base standard Test sur les élèves Détection par Viola-Jones Mise à l’échelle/formattage Création d’une base Analyse des résultats M. Turk & A. Pentland. Eigenfaces for recognition. Journal of Cognitive Neuroscience, 1991 6 Projet n°5 : Retouche d’image (inpainting) Inpainting : par méthode à patches Créer des images test Valider l’algorithme Améliorations ? Daisy, M., Buyssens, P., Tschumperlé, D., & Lézoray, O. Un Algorithme d'Inpainting par Motif Utilisant des Heuristiques Locales et Globales pour une Meilleure Cohérence Géométrique. GRETSI 2015. Region Filling and Object Removal by Exemplar-Based Image Inpainting A. Criminisi, P. Pérez and K. Toyama. IEEE Trans. Image Processing, 2004. 7 Projet n°6 : Débruitage Non-local means filter : par méthode à patches Créer des images test Tester l’algorithme Sur les images test Sur des images médicales fournies Comparer avec des méthodes par filtrage linéaire ou médian A non-local algorithm for image denoising A Buades, B Coll, JM Morel CVPR 2005 8 Projet n°7 : Super-résolution Améliorer la qualité (résolution, contraste) d’une séquence d’images basse-résolution Tester sur des images acquises avec une webcam Séquence vidéo Image obtenue par traitement basse-résolution de super-résolution Statistical performance modeling for superresolution : a discrete data-continuous reconstruction framework. F. Champagnat, G. Le Besnerais et C. Kulcsár : J. Opt. Soc. Am. A, 26(7):1730–1746, juil. 2009. 9 Projet n°8 : Du brut au raffiné (dématriçage) Comment transformer une image brute en une image couleur ? Différents post-traitements : dématriçage, balance des blancs, correction de la distorsion.... ? 10 Projet n°9 : Correction des effets du rolling shutter Rolling shutter : acquisition de l'image ligne par ligne Objectif : corriger ces effets dans une vidéo Tests sur images simulées et réelles Efficient Video Rectification and Stabilisation for Cell-Phones, E. Ringaby, IJCV 2012 11 Projet n°10 : Flash Deblurring Fusion d'images acquises avec et sans flash Estimation du flou de bougé Déconvolution Image sans Flash Flou de bougéh Image restaurée Image avec Flash S. Zhuo, D. Guo and T. Sim, Robust Flash Deblurring, CVPR 2010 12 Projet n°11 : 3D par défocalisation Estimation locale du flou → Carte de profondeur Tests sur des images simulées réelles (webcam) S. Zhuo, S. et T. Sim. Defocus map estimation from a single image, Pattern Recognition, 2011 13 Projet n°12 : 3D par focalisation Jeux d'images avec différentes mise au point Estimation locale de la netteté → Carte de profondeur Tests sur des images simulées réelles (webcam) A. Kumar and N. Ahuja, A Generative Focus Measure With Application to Omnifocus Imaging, ICCP 2013 14 Projet n°13 : High Dynamic Range (HDR) Augmentation de la dynamique des images – Acquisitions avec temps d'intégration variables – Fusion des images – Affichage des images HDR Recovering High Dynamic Range Radiance Maps from Photographs, Debevec et al, SIGGRAPH 1997 15 Projet n°14 : Stabilisation tonale de vidéo La balance des blancs et l'exposition peuvent varier dans une séquence vidéo → Stabilisation nécessaire Stabilisation tonale de vidéos, Frigo et al, Gretsi 2015 Projet n°15 : Détection/suivi de pupille d’œil Détecter les pupilles à l’intérieur d’une zone Suivre leur mouvement sur une séquence vidéo Detection and pupil tracking "Accurate Eye Centre Localisation by Means of Gradients." F. Timm and E. Barth. VISAPP 11 (2011): 125-130.