LiU Electronic Press
Full-text not available in DiVA
Author:
Berger, Cyrille (Linköping University, Department of Computer and Information Science, KPLAB - Knowledge Processing Lab) (Linköping University, The Institute of Technology)
Lacroix, Simon (LAAS) (RIS)
Title:
DSeg: Détection directe de segments dans une image
Department:
Linköping University, Department of Computer and Information Science, KPLAB - Knowledge Processing Lab
Linköping University, The Institute of Technology
Publication type:
Conference paper (Refereed)
Language:
French
In:
17ème congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle (RFIA)
Conference:
Reconnaissance des Formes et Intelligence Artificielle
Year of publ.:
2010
URI:
urn:nbn:se:liu:diva-73242
Permanent link:
http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-73242
Subject category:
Computer Vision and Robotics (Autonomous Systems)
Abstract(fr) :

Cet article présente une approche ``model-driven'' pour détecter des segmentsde droite dans une image. L'approche détecte les segments de manièreincrémentale sur la base du gradient de l'image, en exploitant un filtre deKalman linéaire qui estime les paramètres de la droite support des segments etles variances associées. Les algorithmes sont rapides et robustes au bruit etaux variations d'illumination de la scène perçue, ils permettent de détecterdes segments plus longs que les approches existantes guidées par les données(``data-driven''), et ils ne nécessitent pas de délicate détermination deparamètres. Des résultats avec différentes conditions d'éclairage et descomparaisons avec les approches existantes sont présentés.

Abstract(en) :

This paper presents a model-driven approach todetect image line segments. The approach incrementally detects segments on thegradient image using a linear Kalman filter that estimates the supporting lineparameters and their associated variances. The algorithms are fast and robustwith respect to image noise and illumination variations, they allow thedetection of longer line segments than data-driven approaches, and do notrequire any tedious parameters tuning. Results with varying scene illuminationand comparisons to classic existing approaches are presented.

Available from:
2011-12-23
Created:
2011-12-23
Last updated:
2013-01-09
Statistics:
0 hits