Every day we recognize a numerous objects and human brain can recognize objects under many conditions. The way in which humans are able to identify an object is remarkably fast even in different size, colours or other factors. Computers or robots need computational tools to identify objects. Shape descriptors are one of the tools commonly used in image processing applications. Shape descriptors are regarded as mathematical functions employed for investigating image shape information. Various shape descriptors have been studied in the literature. The aim of this thesis is to develop new shape descriptors which provides a reasonable alternative to the existing methods or modified to improve them. Generally speaking shape descriptors can be categorized into various taxonomies based on the information they use to compute their measures. However, some descriptors may use a combination of boundary and interior points to compute their measures. A new shape descriptor, which uses both region and contour information, called centeredness measure has been defined. A new alternative ellipticity measure and sensitive family ellipticity measures are introduced. Lastly familiy of ellipticity measures, which can distinguish between ellipses whose ratio between the length of the major and minor axis differs, have been presented. These measures can be combined and applied in different image processing applications such as image retrieval and classification. This simple basis is demonstrated through several examples.

京都大学 / 0048 / 新制・課程博士 / 博士(情報学) / 甲第19337号 / 情博第589号 / 新制||情||103(附属図書館) / 32339 / 京都大学大学院情報学研究科知能情報学専攻 / (主査)教授 松山 隆司, 教授 美濃 導彦, 准教授 中澤 篤志, 講師 延原 章平, / 学位規則第4条第1項該当 / Doctor of Informatics / Kyoto University / DFAM

No description available.

No description available.

This Ph.D. thesis tackles the issue of sill and video object categorization. The objective is to associate semantic labels to 2D objects present in natural images/videos. The principle of the proposed approach consists of exploiting categorized 3D model repositories in order to identify unknown 2D objects based on 2D/3D matching techniques. We propose here an object recognition framework, designed to work for real time applications. The similarity between classified 3D models and unknown 2D content is evaluated with the help of the 2D/3D description. A voting procedure is further employed in order to determine the most probable categories of the 2D object. A representative viewing angle selection strategy and a new contour based descriptor (so-called AH), are proposed. The experimental evaluation proved that, by employing the intelligent selection of views, the number of projections can be decreased significantly (up to 5 times) while obtaining similar performance. The results have also shown the superiority of AH with respect to other state of the art descriptors. An objective evaluation of the intra and inter class variability of the 3D model repositories involved in this work is also proposed, together with a comparative study of the retained indexing approaches . An interactive, scribble-based segmentation approach is also introduced. The proposed method is specifically designed to overcome compression artefacts such as those introduced by JPEG compression. We finally present an indexing/retrieval/classification Web platform, so-called Diana, which integrates the various methodologies employed in this thesis

Cette thèse se découpe en trois parties. Les deux premières portent sur le développement de méthodes pour la construction de modèles géométriques moyens et pour la comparaison de modèles. Plusieurs problématiques sont abordées, telles que la construction d'une cornée moyenne et la comparaison de cornées. Il existe à ce jour peu d'études ayant ces objectifs car la mise en correspondance de surfaces cornéennes est une problématique non triviale. En plus d'aider à développer la connaissance de l'anatomie cornéenne, la modélisation de la cornée normale permet de détecter tout écart significatif par rapport à la normale permettant un diagnostic précoce de pathologies. La seconde partie a pour objectif de développer une méthode pour reconnaître une surface parmi un groupe de surfaces à l’aide de leurs acquisitions pour une application de biométrie. L’idée est de quantifier la différence entre chaque surface et une surface donnée, et de déterminer un seuil permettant la reconnaissance. Deux méthodes sont proposées et une méthodologie en cascade utilisant ces deux méthodes afin de combiner les avantages de chacune est aussi proposée. La troisième et dernière partie porte sur une nouvelle méthode de décomposition en graphes de maillages 3D triangulés. Nous utilisons des cartes de courbures discrètes comme descripteur de forme afin de découper le maillage en différentes catégorie de carreaux. Ensuite un graphe d'adjacence est construit avec un nœud pour chaque carreau. Ces graphes sont utilisés pour extraire des caractéristiques géométriques décrites par des motifs (ou patterns), ce qui permet de détecter des régions spécifiques dans un modèle 3D, ou des motifs récurrents. / This thesis comprises three parts. The first two parts concern the development of methods for the construction of mean geometric models and for model comparison. Several issues are addressed, such as the construction of an average cornea and the comparison of corneas. Currently, there are few studies with these objectives because the matching of corneal surfaces is a non-trivial problem. In addition to help to develop a better understanding of the corneal anatomy, 3D models of normal corneas can be used to detect any significant deviation from the norm, thereby allowing for an early diagnosis of diseases or abnormalities using the shape of the cornea. The second part of this thesis aims to develop a method for recognizing a surface from a group of surfaces using their 3D acquisitions in a biometric application pertinent to the cornea. The concept behind this method is to quantify the difference between each surface and a given surface and to determine the threshold for recognition. Two complementary methods are proposed. A cascading methodology using both methods to combine the advantages of each method is also proposed. The third and final part of this thesis focuses on a new method for decomposing 3D triangulated meshes into graphs. We use discrete curvature maps as the shape descriptor to split the mesh in eight different categories. Next, an adjacency graph is built with a node for each patch. These graphs are used to extract geometric characteristics described by patterns that allow for the detection of specific regions in a 3D model or recurrent characteristics.

Cette thèse porte sur la catégorisation d'objets vidéo. L'objectif est d'associer des étiquettes sémantiques à des objets 2D présents dans les images/vidéos. L'approche proposée consiste à exploiter des bases d'objets 3D classifiés afin d'identifier des objets 2D inconnus. Nous proposons un schéma de reconnaissance d'objet, conçu pour fonctionner pour des applications en temps réel. La similitude entre des modèles 3D et des contenus 2D inconnu est évaluée à l'aide de la description 2D/3D. Une procédure de vote est ensuite utilisée afin de déterminer les catégories les plus probables de l'objet 2D. Nous proposons aussi une stratégie pour la sélection des vues les plus représentatives d'un objet 3D et un nouveau descripteur de contour (nommé AH). L'évaluation expérimentale a montré que, en employant la sélection intelligente de vues, le nombre de projections peut être diminué de manière significative (jusqu'à 5 fois) tout en obtenant des performances similaires. Les résultats ont également montré la supériorité de l'AH par rapport aux autres descripteurs adoptés. Une évaluation objective de la variabilité intra et inter classe des bases de données 3D impliqués dans ce travail est également proposé, ainsi qu'une étude comparative des approches d'indexations retenues. Une approche de segmentation interactive est également introduite. La méthode proposée est spécifiquement conçu pour surmonter les artefacts de compression tels que ceux mis en place par la compression JPEG. Enfin, nous présentons une plate-forme Web pour l'indexation/la recherche/la classification, qui intègre les différentes méthodologies utilisées dans cette thèse / This Ph.D. thesis tackles the issue of sill and video object categorization. The objective is to associate semantic labels to 2D objects present in natural images/videos. The principle of the proposed approach consists of exploiting categorized 3D model repositories in order to identify unknown 2D objects based on 2D/3D matching techniques. We propose here an object recognition framework, designed to work for real time applications. The similarity between classified 3D models and unknown 2D content is evaluated with the help of the 2D/3D description. A voting procedure is further employed in order to determine the most probable categories of the 2D object. A representative viewing angle selection strategy and a new contour based descriptor (so-called AH), are proposed. The experimental evaluation proved that, by employing the intelligent selection of views, the number of projections can be decreased significantly (up to 5 times) while obtaining similar performance. The results have also shown the superiority of AH with respect to other state of the art descriptors. An objective evaluation of the intra and inter class variability of the 3D model repositories involved in this work is also proposed, together with a comparative study of the retained indexing approaches . An interactive, scribble-based segmentation approach is also introduced. The proposed method is specifically designed to overcome compression artefacts such as those introduced by JPEG compression. We finally present an indexing/retrieval/classification Web platform, so-called Diana, which integrates the various methodologies employed in this thesis

Réalisé en cotutelle avec Aix Marseille Université. / Cette thèse se découpe en trois parties. Les deux premières portent sur le développement de méthodes pour la construction de modèles géométriques moyens et pour la comparaison de modèles. Ces approches sont appliquées à la cornée humaine pour l’élaboration d’atlas et pour l’étude biométrique robuste. La troisième partie porte sur une méthode générique d'extraction d'informations dans un maillage en s'appuyant sur des propriétés différentielles discrètes afin de construire une structure par graphe permettant l'extraction de caractéristiques par une description sémantique. Les atlas anatomiques conventionnels (papier ou CD-ROM) sont limités par le fait qu'ils montrent généralement l'anatomie d'un seul individu qui ne représente pas nécessairement bien la population dont il est issu. Afin de remédier aux limitations des atlas conventionnels, nous proposons dans la première partie d’élaborer un atlas numérique 3D contenant les caractéristiques moyennes et les variabilités de la morphologie d'un organe, plus particulièrement de la cornée humaine. Plusieurs problématiques sont abordées, telles que la construction d'une cornée moyenne et la comparaison de cornées. Il existe à ce jour peu d'études ayant ces objectifs car la mise en correspondance de surfaces cornéennes est une problématique non triviale. En plus d'aider à développer une meilleure connaissance de l'anatomie cornéenne, la modélisation 3D de la cornée normale permet de détecter tout écart significatif par rapport à la "normale" permettant un diagnostic précoce de pathologies ou anomalies de la forme de la cornée. La seconde partie a pour objectif de développer une méthode pour reconnaître une surface parmi un groupe de surfaces à l’aide de leurs acquisitions 3D respectives, dans le cadre d’une application de biométrie sur la cornée. L’idée est de quantifier la différence entre chaque surface et une surface donnée, et de déterminer un seuil permettant la reconnaissance. Ce seuil est dépendant des variations normales au sein d’un même sujet, et du bruit inhérent à l’acquisition. Les surfaces sont rognées et trouées de façon imprévisible, de plus il n’y a pas de point de mise en correspondance commun aux surfaces. Deux méthodes complémentaires sont proposées. La première consiste à calculer le volume entre les surfaces après avoir effectué un recalage, et à utiliser ce volume comme un critère de similarité. La seconde approche s’appuie sur une décomposition en harmoniques sphériques en utilisant les coefficients comme des descripteurs de forme, qui permettront de comparer deux surfaces. Des résultats sont présentés pour chaque méthode en les comparant à la méthode la plus récemment décrite dans la littérature, les avantages et inconvénients de chacune sont détaillés. Une méthodologie en cascade utilisant ces deux méthodes afin de combiner les avantages de chacune est aussi proposée. La troisième et dernière partie porte sur une nouvelle méthode de décomposition en graphes de maillages 3D triangulés. Nous utilisons des cartes de courbures discrètes comme descripteur de forme afin de découper le maillage traité en huit différentes catégorie de carreaux (ou peak, ridge, saddle ridge, minimal, saddle valley, valley, pit et flat). Ensuite, un graphe d'adjacence est construit avec un nœud pour chaque carreau. Toutes les catégories de carreaux ne pouvant pas être adjacentes dans un contexte continu, des jonctions intermédiaires sont ajoutées afin d'assurer une cohérence continue entre les zones. Ces graphes sont utilisés pour extraire des caractéristiques géométriques décrites par des motifs (ou patterns), ce qui permet de détecter des régions spécifiques dans un modèle 3D, ou des motifs récurrents. Cette méthode de décomposition étant générique, elle peut être appliquée à de nombreux domaines où il est question d’analyser des modèles géométriques, en particulier dans le contexte de la cornée. / This thesis comprises three parts. The first two parts concern the development of methods for the construction of mean geometric models and for model comparison. These approaches are applied to the human cornea for the construction of atlases and a robust biometric study. The third part focuses on a generic method for the extraction of information in a mesh. This approach is based on discrete differential properties for building a graph structure to extract features using a semantic description. Conventional anatomical atlases (paper or CD-ROM) are limited by the fact they generally show the anatomy of a single individual who does not necessarily represent the population from which they originate. To address the limitations of conventional atlases, we propose in the first part of this thesis to construct a 3D digital atlas containing the average characteristics and variability of the morphology of an organ, especially that of the human cornea. Several issues are addressed, such as the construction of an average cornea and the comparison of corneas. Currently, there are few studies with these objectives because the matching of corneal surfaces is a non-trivial problem. In addition to help to develop a better understanding of the corneal anatomy, 3D models of normal corneas can be used to detect any significant deviation from the norm, thereby allowing for an early diagnosis of diseases or abnormalities using the shape of the cornea. The second part of this thesis aims to develop a method for recognizing a surface from a group of surfaces using their 3D acquisitions in a biometric application pertinent to the cornea. The concept behind this method is to quantify the difference between each surface and a given surface and to determine the threshold for recognition. This threshold depends on normal variations within the same subject and noise due to the acquisition system. The surfaces are randomly trimmed and pierced ; moreover, there is no common landmark on the surfaces. Two complementary methods are proposed. The first method consists of the computation of the volume between the surfaces after performing geometrical matching and the use of this volume as a criterion of similarity. The second approach is based on a decomposition of the surfaces into spherical harmonics using the coefficients as shape descriptors to compare the two surfaces. Each result of the proposed methods is compared to the most recent method described in the literature, with the benefits and disadvantages of each one described in detail. A cascading methodology using both methods to combine the advantages of each method is also proposed. The third and final part of this thesis focuses on a new method for decomposing 3D triangulated meshes into graphs. We use discrete curvature maps as the shape descriptor to split the mesh in eight different categories (peak, ridge, saddle ridge, minimal, saddle valley, valley, pit and flat). Next, an adjacency graph is built with a node for each patch. Because all categories of patches cannot be adjacent in a continuous context, intermediate junctions are added to ensure the continuous consistency between patches. These graphs are used to extract geometric characteristics described by patterns that allow for the detection of specific regions in a 3D model or recurrent characteristics. This decomposition method, being generic, can be used in many applications to analyze geometric models, especially in the context of the cornea.

We formulate Local Shape Descriptor selection for model-based object recognition in range data as an optimization problem and offer a platform that facilitates a solution. The goal of object recognition is to identify and localize objects of interest in an image. Recognition is often performed in three phases: point matching, where correspondences are established between points on the 3-D surfaces of the models and the range image; hypothesis generation, where rough alignments are found between the image and the visible models; and pose refinement, where the accuracy of the initial alignments is improved. The overall efficiency and reliability of a recognition system is highly influenced by the effectiveness of the point matching phase. Local Shape Descriptors are used for establishing point correspondences by way of encapsulating local shape, such that similarity between two descriptors indicates geometric similarity between their respective neighbourhoods. We present a generalized platform for constructing local shape descriptors that subsumes a large class of existing methods and allows for tuning descriptors to the geometry of specific models and to sensor characteristics. Our descriptors, termed as Variable-Dimensional Local Shape Descriptors, are constructed as multivariate observations of several local properties and are represented as histograms. The optimal set of properties, which maximizes the performance of a recognition system, depend on the geometry of the objects of interest and the noise characteristics of range image acquisition devices and is selected through pre-processing the models and sample training images. Experimental analysis confirms the superiority of optimized descriptors over generic ones in recognition tasks in LIDAR and dense stereo range images. / Thesis (Ph.D, Electrical & Computer Engineering) -- Queen's University, 2009-09-01 11:07:32.084