Le monde numérique au service de la certification et de la sécurisation des systèmes 

Séminaire _ Bruno GALERNE _10 Avril 2015_10h

le 10 avril 2015 de 10h à 16h

Dans le cadre des séminaires Signal Image, co-organisés par l'IMS, l'IMB et le LaBRI, et soutenus par le cluster d'excellence CPU, Bruno Galerne (Laboratoire MAP5, Univ. Paris Descartes) présentera ses travaux en synthèse de textures gaussiennes, le vendredi 10 Avril 2015, à 10h00 au laboratoire IMS (Salle de conférence, rez-de-chaussée du bâtiment A31B).

Titre: Algorithmes pour la synthèse par l'exemple de textures gaussiennes

Orateur: Bruno Galerne (Laboratoire MAP5 (UMR CNRS 8145), Université Paris Descartes, Sorbonne Paris Cité)

Dans cet exposé on présentera différentes approches pour la synthèse par l'exemple de textures gaussiennes.
Une texture gaussienne est une image qui correspond à la réalisation d'un champ gaussien.
Bien que ce modèle soit par nature limité (notamment au niveau de l'absence de contours des images), il est valable pour de nombreuses textures naturelles (bois, pierre, nuages, etc.).

Dans le cadre de la synthèse d'images numériques de taille finie, on détaillera deux algorithmes basés sur la transformée de Fourier discrète, à savoir les modèles Asymptotic Discrete Spot Noise (ADSN) et Random Phase Noise (RPN). De nombreuses expériences numériques montreront l'intérêt de ces approches. On présentera ensuite un algorithme calculant un "texton orienté synthèse" permettant la synthèse rapide et parallèle d'un modèle gaussien approché défini sur le plan discret par un simple spot noise discret.

Enfin on discutera de la synthèse de textures gaussiennes dans un cadre propre au computer graphics, à savoir la synthèse de bruits procéduraux. Les bruits procéduraux sont un outil fondamental en computer graphics pour la génération de textures dans des environnements virtuels. Cependant le design de textures réalistes à l'aide de bruits procéduraux est difficile. On présentera une méthode de synthèse d'un bruit procédural permettant de reproduire visuellement la version gaussienne d'une image de texture donnée en entrée. Les bruits procéduraux utilisés sont de type "Gabor noise", c'est-à-dire qu'ils sont définis comme des shot noise de noyaux de Gabor. On discutera de l'estimation des paramètres de ce modèle reposant sur un problème d'optimisation convexe de type "basis pursuit denoising" ainsi que de l'algorithme parallèle d'évaluation à la volée des textures procédurales obtenues.


Références:
Random Phase Textures: Theory and Synthesis, B. Galerne, Y. Gousseau and J.-M. Morel, IEEE Transactions on Image Processing, 2011
Micro-Texture Synthesis by Phase Randomization, B. Galerne, Y. Gousseau and J.-M. Morel, IPOL: Image Processing On Line, 2011
http://www.ipol.im/pub/algo/ggm_random_phase_texture_synthesis/
Gabor Noise by Example, B. Galerne, A. Lagae, S. Lefebvre, and G. Drettakis, ACM TOG 31(4) (Proceedings of ACM SIGGRAPH 2012), 2012
http://graphics.cs.kuleuven.be/publications/GLLD12GNBE/
A Texton for Fast and Flexible Gaussian Texture Synthesis, B. Galerne, A. Leclaire and L. Moisan, proceedings of EUSIPCO 2014, 2014
http://www.math-info.univ-paris5.fr/~aleclair/sot/


Dernière mise à jour jeudi 28 mai 2015


HAUT