Object Removal by Exemplar-Based Inpainting



Documents pareils
Analyse de la vidéo. Chapitre La modélisation pour le suivi d objet. 10 mars Chapitre La modélisation d objet 1 / 57

Synthèse d'images I. Venceslas BIRI IGM Université de Marne La

Les algorithmes de base du graphisme

RECHERCHE ET ANALYSE QUALITATIVE :

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

MCMC et approximations en champ moyen pour les modèles de Markov

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

Echantillonnage Non uniforme

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

Dans l Unité 3, nous avons parlé de la

Table. des Matières GÉNÉRALITÉS BASE DE DOCUMENTS

Mesure agnostique de la qualité des images.

Rappels sur les suites - Algorithme

Projet de Traitement du Signal Segmentation d images SAR

Hiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin

UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP Pointe-à-Pitre Cedex CONTRAT LE MASTER NOM DU DOMAINE STS

Renforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos.

LES DIFFÉRENTS FORMATS AUDIO NUMÉRIQUES

Tux Paint. 1. Informations générales sur le logiciel. Auteur : Bill Kendrick et l équipe de développement de New Breed Software

PHOTOSHOP - L'AFFICHAGE

Géométrie discrète Chapitre V

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12

COMMENCER AVEC VUE. Chapitre 1

Apprentissage Automatique

Réalisation de cartes vectorielles avec Word

Opérations de base sur ImageJ

Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image

Coup de Projecteur sur les Réseaux de Neurones

I Stabilité, Commandabilité et Observabilité Introduction Un exemple emprunté à la robotique Le plan Problème...

MODELISATION UN ATELIER DE MODELISATION «RATIONAL ROSE»

Transmission d informations sur le réseau électrique

Création intuitive des éléments d un paysage

Infolettre #18 : Les graphiques avec Excel 2010

GUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger

Rétablissement d un réseau cellulaire après un désastre

Le Dessin Technique.

GUIDE Excel (version débutante) Version 2013

- Couches - Éléments - Domaines - ArchiMate et les techniques du BABOK

Travaux dirigés n 10

Détection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO

Agrégation des portefeuilles de contrats d assurance vie

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Vaincre les incompréhensions ITIL 2011

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER

Concurrence imparfaite

WORDPRESS : réaliser un site web

Ebauche Rapport finale

Introduction à MATLAB R

Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante.

Création de maquette web

TP SIN Traitement d image

Processus d Informatisation

1 Création d une pièce. 2 Travail complémentaire. 1-1 Réglage des barres d outils. 1-2 Exemples de réalisation de pièces à l aide d un modeleur 3D

1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)

Forum AMOA ADN Ouest. Présentation du BABOK. 31 Mars 2013 Nadia Nadah

ET 24 : Modèle de comportement d un système Boucles de programmation avec Labview.

SIMULATION HYBRIDE EN TEMPOREL D UNE CHAMBRE REVERBERANTE

Détection et suivi d'objets dans une séquence d'images par contours actifs

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar

V corr Jacques Ferber. LIRMM - Université Montpellier II 161 rue Ada Montpellier Cedex 5

Quantification Scalaire et Prédictive

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Moments des variables aléatoires réelles

DECOUVREZ Discover TYPE EDIT V12 Français

Programmation parallèle et distribuée

GMEC1311 Dessin d ingénierie. Chapitre 1: Introduction

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

LES REPRESENTATIONS DES NOMBRES

VISUALISATION DE NUAGES DE POINTS

STAGES DE FORMATION INTER-ENTREPRISES PÔLE 45 BUREAUTIQUE

Guide de correction et d optimisation des images en vue de leur publication sous Marcomedia Contribute. Logiciel utilisé : Adobe PhotoShop 7

de calibration Master 2: Calibration de modèles: présentation et simulation d

Sillage Météo. Notion de sillage

UTILISATION DE GT-Suite EN THERMIQUE MOTEUR Exemple d utilisation

UE 4 Comptabilité et Audit. Le programme

Technologie de déduplication de Barracuda Backup. Livre blanc

modélisation solide et dessin technique

Traitement bas-niveau

Relation entre deux variables : estimation de la corrélation linéaire

Initiation au dessin Bitmap

Synthèse Mon projet d emploi

Cours de numérisation sur Epson Perfection

Probabilités sur un univers fini

Présentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION

1 Actuate Corporation de données. + d analyses. + d utilisateurs.

Parcours FOAD Formation EXCEL 2010

T.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY

Dans cette Unité, nous allons examiner

Introduction au datamining

Anne Tasso. Java. Le livre de. premier langage. 10 e édition. Avec 109 exercices corrigés. Groupe Eyrolles, , ISBN :

Quels outils bureautiques sont actuellement à la disposition des PME?

BES WEBDEVELOPER ACTIVITÉ RÔLE

Services Réseaux et Télécom

DOMAINES MOTEUR ET SENSORIEL

Résumés des projets de GMM5-2014/2015

Transcription:

Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 1 / 48

1 Introduction 2 3 4 5 6 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 2 / 48

Contents Introduction 1 Introduction 2 3 4 5 6 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 3 / 48

Qu est-ce que l inpainting? Introduction Restauration d images Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 4 / 48

Qu est-ce que l inpainting? Introduction Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 5 / 48

Qu est-ce que l inpainting? Introduction Suppression de texte Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 6 / 48

Qu est-ce que l inpainting? Introduction Suppression d objets / large régions dans une image en conservant une information pertinente Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 7 / 48

Qu est-ce que l inpainting? Introduction Délimiter une zone à reconstruire et y propager l information extérieure Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 8 / 48

Introduction Méthodologie de la restauration Méthodologie en peinture 1 Travailler ce qui est global Dessiner les contours = les structures linéaires, la géométrie Continuité de la structure englobant le trou, prolongement des lignes de contours Régions intérieures au trou remplies par des couleurs qui matchent celles de la frontière 2 Travailler les détails fins Repérage des blocs de textures avoisinants Synthèse de plus grosses régions de textures Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 9 / 48

Contents Introduction 1 Introduction 2 3 4 5 6 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 10 / 48

Qu est-ce que la synthèse de texture? Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 11 / 48

Classification Classification Textures régulières : répétition de texels Textures stochastiques sans texels explicites Dans la vraie vie les textures sont un mixte de ces deux types Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 12 / 48

Interpolation de texte Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 13 / 48

Interpolation de texte Chaines de Markov Shannon a modélisé un langage par des chaines de Markov Un ensemble de mots (dictionnaire) détermine complètement la distribution de probabilité du mot suivant Générateur de phrases One morning I shot an elephant with my arms and kissed him I spent an interesting evening recently with a grain of salt Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 14 / 48

Modélisation de texture Généralisation des chaines de Markov à 2 dimensions. Probabilité P(X A,B,C,C) qu un pixel X prennent une certaine valeur étant donnés les pixels A, B, C et D Ordre supérieur : plus grand voisinage. P(X ω(x)) Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 15 / 48

Modélisation de texture Texture d entrée I smp I real. Ω(p) = {ω I real,d(ω(p),ω ) = 0} contenant toutes les occurences de ω(p) dans la texture infinie I real P(p ω(p)) évaluée par histo aux centres des ω Ω(p). Pas accès à I real! Possible ω,d(ω,ω(p)) = 0 Considérer ω = min ω d(ω,ω(p)) block matching SSD Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 16 / 48

Modélisation de texture Algorithme d Efros et al. On détermine par block matching ω et Ω (p) = {ω,d(ω,ω(p)) < (1+ǫ)d(ω,ω(p))} On tire uniformément un ω Ω (p) Ω(p) et on remplit p par le centre de ω Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 17 / 48

Illustration de l algorithme Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 18 / 48

Illustration de l algorithme Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 19 / 48

Illustration de l algorithme Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 20 / 48

Modélisation de texture Inconvénients de l algorithme d Efros Traitement coûteux pixel par pixel Influence de la taille de la fenêtre L ordre de traitement peut déconnecter les structures Ne fonctionne pas lorsque beaucoup de pixels ont été retirés Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 21 / 48

Modélisation de texture Inconvénients de l algorithme d Efros Traitement coûteux pixel par pixel Algorithme d Ashikhmin permettant la recopie par blocs Influence de la taille de la fenêtre L ordre de traitement peut déconnecter les structures Ne fonctionne pas lorsque beaucoup de pixels ont été retirés Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 22 / 48

Contents Introduction 1 Introduction 2 3 4 5 6 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 23 / 48

Motivation Approche variationnelle Le système visuel humain complète les contours occultés en utilisant des courbes d élasticité minimisant une certaine énergie κ(s) 2 ds où κ est la courbure. Prolongement des lignes isophotes (= égales intensité) u t = ut u avec u connu au bord. Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 24 / 48

Illustration Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 25 / 48

Avec plus de 85% de pixels supprimés Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 26 / 48

Problème avec les textures Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 27 / 48

Floutage des larges régions Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 28 / 48

Comparaison des 2 méthodes Patch VS EDP Avantages Patch Répliquer une texture Algorithmes par blocs Inconvénients Patch Taille de la fenêtre et ordre de traitement Sparse data Ne se prête pas aux structures linéaires Avantages EDP Fonctionne très bien sur petits trous Cohérent avec la vue Inconvénients EDP Floute les larges régions Résolution numérique difficiles Problème textures Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 29 / 48

Decomposition de l image : géométrie + texture Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 30 / 48

Contents Introduction 1 Introduction 2 3 4 5 6 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 31 / 48

Examplar-based inpainting Combiner les avantages des 2 méthodes Le procédé utilisé pour la synthèse de texture Rapidité de la propagation par copie de patch Améliorer la gestion de l ordre de traitement Introduire un taux de confiance en la valeur d un pixel synthétisé Propager l information à la manière des EDP : propager les isophotes vers l intérieur du trou Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 32 / 48

Algorithme de Criminisi Idée générale Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 33 / 48

Algorithme de Criminisi Détails A chaque pixel à synthétiser est assigné Une valeur de couleur Une valeur confiance (entre 0 et 1) Une priorité temporaire Etapes d une itération de l algorithme 1 Calculer les priorités de tous les pixels du front à partir des valeurs de confiance (gestion de l ordre de traitement) 2 Déterminer la fenêtre prioritaire et la remplir (propagation de l information de texture et structure) 3 Mise à jour des valeur de confiance des pixels à remplir Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 34 / 48

Algorithme de Criminisi Etape 1 : Calcul des priorités Calcul de la priorité Priorité P(p) = C(p)D(p) Confiance C(p) = Data D(p) = IT p n p α q ψp Ω C(q) ψ(p) Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 35 / 48

Algorithme de Criminisi Etape 1 : Calcul des priorités Calcul de la priorité Priorité P(p) = C(p)D(p) q ψp Ω Confiance C(p) = C(q) ψ(p) Taux d information fiable entourant le pixel Patch incluant coins et vrille remplis en premier Renforce l ordre concentrique (confiance décroit intérieur) Data D(p) = IT p n p α Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 36 / 48

Algorithme de Criminisi Etape 1 : Calcul des priorités Calcul de la priorité Priorité P(p) = C(p)D(p) q ψp Ω Confiance C(p) = C(q) ψ(p) Taux d information fiable entourant le pixel Patch incluant coins et vrille remplis en premier Renforce l ordre concentrique (confiance décroit intérieur) Data D(p) = IT p n p α Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 36 / 48

Algorithme de Criminisi Etape 1 : Calcul des priorités Calcul de la priorité Priorité P(p) = C(p)D(p) q ψp Ω Confiance C(p) = C(q) ψ(p) Taux d information fiable entourant le pixel Patch incluant coins et vrille remplis en premier Renforce l ordre concentrique (confiance décroit intérieur) Data D(p) = IT p n p α Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 36 / 48

Algorithme de Criminisi Etape 1 : Calcul des priorités Calcul de la priorité Priorité P(p) = C(p)D(p) Confiance C(p) = q ψp Ω C(q) ψ(p) Data D(p) = IT p n p α Priorise les patch incluant un flux d isophote Encourage la synthèse des structures linéaires Les contours brisés tendent à se connecter Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 37 / 48

Algorithme de Criminisi Etape 1 : Calcul des priorités Calcul de la priorité Priorité P(p) = C(p)D(p) Confiance C(p) = q ψp Ω C(q) ψ(p) Data D(p) = IT p n p α Priorise les patch incluant un flux d isophote Encourage la synthèse des structures linéaires Les contours brisés tendent à se connecter Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 37 / 48

Algorithme de Criminisi Etape 1 : Calcul des priorités Calcul de la priorité Priorité P(p) = C(p)D(p) Confiance C(p) = q ψp Ω C(q) ψ(p) Data D(p) = IT p n p α Priorise les patch incluant un flux d isophote Encourage la synthèse des structures linéaires Les contours brisés tendent à se connecter Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 37 / 48

Algorithme de Criminisi Etape 2 : propagation de l information Ψˆq = min Ψ q φ d SSD(Ψ q,ψ p ) Espace de couleur LAB utilisé pour ses propriétés de perception visuelle La valeur des pixels p Ψ p Ω est copiée à partir des positions correspondantes dans Ψˆq Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 38 / 48

Algorithme de Criminisi Etape 3 : mise à jour des valeurs de confiance Mise à jour de la confiance Les pixels venant d être synthétisés autour de p prennent la même confiance que p : C(q) = C(p), q Ψ p Ω Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 39 / 48

Contents Introduction 1 Introduction 2 3 4 5 6 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 40 / 48

Validation de la propagation des structures linéaires Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 41 / 48

Validation de la propagation des structures linéaires Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 42 / 48

Evite l effet de flou d inpainting des larges régions Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 43 / 48

Permet la suppression de texte Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 44 / 48

Propage correctement textures ET structures linéaires Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 45 / 48

Contents Introduction 1 Introduction 2 3 4 5 6 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 46 / 48

Introduction Présentation d un algorithme permettant de supprimer de larges régions en remplaçant l objet sélectionné par un background plausible imitant l apparence de l image source Approche par synthèse de texture modulée par un ordre de remplissage intelligible donnant priorité aux pixels de lignes isophotes Technique capable de propager à la fois les textures et les structures linéaires Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 47 / 48

Ouverture Introduction Ouverture Propager les structures courbes correctement Application à l inpainting de vidéos Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 48 / 48

Questions? Introduction Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013 49 / 48