Évolution artificielle, optimisation et analyse d'images
Grâce à l’influence de la synthèse d’images et de ses modèles paramétriques qui lui
fournissent un cadre conceptuel formalisé, l’analyse d’images recourt de plus en plus aux
méthodes d’optimisation issues de l’évolution artificielle, qui donnent une nouvelle vitalité
aux méthodes paramétriques comme celles qui dérivent de la transformation de Hough. Nous
décrivons comment certaines variantes permettent de construire des algorithmes puissants et
rapides en vision artificielle et en fusion de capteurs avec de remarquables propriétés temps-réel.
Parametric models inherited from image synthesis are giving an opportunity to
using artificial evolution as a parameter optimisation paradigm in image analysis
applications. In this paper, we show how artificial evolution can actually widen the scope of
the generalised Hough transform and how some newer evolutionary approaches can
efficiently solve real-time computer vision, sensor fusion and robotics problems with little
reference to more traditional methods.
J.LOUCHET
Transformation de Hough, analyse paramétrique, vision artificielle, vision stéréo, fusion de capteurs, planification robotique, stratégies d’évolution, algorithmes génétiques, évolution parisienne, algorithme des mouches, modèles physiques.
Hough Transform, model-based analysis, machine vision, stereovision, sensor fusion, robot trajectory planning, evolution strategies, genetic algorithms, parisian evolution, fly algorithm, physical models.
Français
|
