Modélisation d'un système perceptif immergé dans un environnement naturel : détection de l'information visuelle
Institution:
Cachan, Ecole normale supérieureDisciplines:
Directors:
Abstract EN:
We aimed at building a statistical model for the low-level visual process. Thus we designed a perceptive system as a low complexity stochastical system. Its input is made of a bank of linear filters with a coarse quantification at the output. The design of these filters is motivated by looking for low dimension representations of the input data. The quantization of the filter responses implement a classification a local images into relevant and irrelevant features. This process creates a new representation for input images (internal representation) based on the detection of edges and coding of their orientation. We the propose a dynamic scheme for the behavior of the system : its initial state is the internal representation of an input image (stimulation) ; the system the follows a relaxation dynamic toward it stationary distribution. We propose a new principle : the principle of homeostasie that says that the stationary distribution is the one that maximizes the entropy of the system under the constraint of its natural environnement. We have developped many method for carrying out the estimation of the stationnary distribution relying on classical maximization of likelihood by Monte-Carlo algorithms. We then proposed a mecanisme for the detection of visual information in images relying on the homeostasy principle : the stimulation that create an anormal behavior in the system are the ones that contains visual information. We applied this methodology to the problem of detection and classification of regions of interest, producing very positive results.
Abstract FR:
L'objet de cette thèse est de construire un modèle statistique du processus de vision bas-niveau. Pour celà, nous avons proposé un système perceptif comme un système stochastique de faible complexité. Ce système est composé en entrée d'un banc de filtres linéaires dont la sortie est grossièrement quantifiée. Le choix de ce banc de filtres est déterminé par des critères de réduction de la complexité des données en entrée du système. La quantification qui suit le banc de filtres classe les réponses de filtres en éléments rares ou habituels. Par ce traitement, on crée une nouvelle représentation (représentation interne) pour les images d'entrées (stimulations) , fondée sur la détection d'un bord et le codage de son orientation. Nous proposons ensuite un schéma dynamique pour le fonctionnement du système perceptif : l'état initial du système correspond à la représentation interne de l'image observée (stimulation); ensuite, le système suit une dynamique de relaxation vers son état stationnaire. Nous proposons un nouveau principe, le principe d'homéostasie, qui dit que l'etat stationnaire du système est un état de maximum d'entropie sous contrainte de son environnement. Nous avons effectué une estimation des paramètres de cet état de maximum d'entropie sous contrainte d'un environnement visuel naturel. Nous avons développé plusieurs méthodes d'estimation dérivant des algorithmes de maximisation de vraisemblance pour les champs de Gibbs par des méthodes de Monte-Carlo. Nous avons ensuite proposé un mécanisme de détection de l'information visuelle dans une image provenant toujours du principe d'homéostasie : les stimulations qui créent une dynamique anormale dans le système contiennent de l'information. Nous avons appliqué cette méthodologie au problème de détection et classification de régions d'intérêt avec des résultats très positifs.