Structural analysis of the additive noise impact on the $\alpha$-tree
In Proceedings of the 20th international conference on computer analysis of images and patterns (CAIP)
Abstract
Hierarchical representations are very convenient tools when working with images. Among them, the $\alpha$-tree is the basis of several powerful hierarchies used for various applications such as image simplifi- cation, object detection, or segmentation. However, it has been demon- strated that these tasks are very sensitive to the noise corrupting the image. While the quality of some $\alpha$-tree applications has been studied, including some with noisy images, the noise impact on the whole struc- ture has been little investigated. Thus, in this paper, we examine the structure of $\alpha$-trees built on images corrupted by some noise with re- spect to the noise level. We compare its effects on constant and natural images, with different kinds of content, and we demonstrate the relation between the noise level and the distribution of every $\alpha$-tree node depth. Furthermore, we extend this study to the node persistence under a given energy criterion, and we propose a novel energy definition that allows assessing the robustness of a region to the noise.
The cost of dynamism in static languages for image processing
In Proceedings of the 21st international conference on generative programming: Concepts & experiences (GPCE 2022)
Abstract
Generic programming is a powerful paradigm abstracting data structures and algorithms to improve their reusability, as long as they respect a given interface. Coupled with a performance-driven language, it is a paradigm of choice for scientific libraries where the implementation of manipulated objects may change depending on their use case, or for performance purposes. In those performance-driven languages, genericity is often implemented statically to perform some optimization. This does not fit well with the dynamism needed to handle objects which may only be known at runtime. Thus, in this article, we evaluate a model that couples static genericity with a dynamic model based on type erasure in the context of image processing. Its cost is assessed by comparing the performance of the implementation of some common image processing algorithms in C++ and Rust, two performance-driven languages supporting some form of genericity. Finally, we demonstrate that compile-time knowledge of some specific information is critical for performance, and also that the runtime overhead depends on the algorithmic scheme in use.
Estimation de la fonction de niveau de bruit pour des images couleurs en utilisant la morphologie mathématique
In 28e colloque sur le traitement du signal et des images
Abstract
Le niveau de bruit est une information importante pour certaines applications de traitement d’image telles que la segmentation ou le débruitage. Par le passé, nous avons proposé une méthode pour estimer ce niveau de bruit en s’adaptant au contenu d’une image en niveau de gris et nous avons montré que ses performances dépassent celle de l’état de l’art. Dans cet article, nous proposons une extension de cette méthode aux images couleurs dont les valeurs multivariées, dénuées de relation d’ordre naturelle, impliquent de nouvelles problématiques. Afin de les résoudre, nous utilisons deux outils provenant de la morphologie mathématique : l’arbre des formes multivarié et l’apprentissage de treillis complet. Enfin, nous confirmons les conclusions de nos précédents travaux pour l’estimation de la fonction de niveau de bruit couleur, montrant que l’adaptation au contenu d’une image donne de meilleures performances que l’utilisation de blocs carrés.
Généricité dynamique pour des algorithmes morphologiques
In 28e colloque sur le traitement du signal et des images
Abstract
La généricité est un paradigme puissant dont l’usage permet d’implémenter un unique algorithme et de l’exécuter sur différents types de données. De ce fait, il est très utilisé lors du développement d’une bibliothèque scientifique, notamment en traitement d’images où les algorithmes peuvent s’appliquer à différents types d’images. Le langage C++ est un langage de choix pour ce genre de bibliothèque. Il supporte ce paradigme et ses applications sont performantes compte tenu de sa nature compilée. Néanmoins, contrairement à des langages dynamiques tels que Python ou Julia, ses capacités en matière d’interactivité, utiles lors des étapes de prototypage d’algorithmes, sont limitées en raison de sa nature statique. Nous proposons donc dans cet article une revue des différentes techniques qui permettent d’utiliser à la fois le polymorphisme statique et dynamique, puis nous évaluons le coût du transfert d’information statique vers des informations connues à l’exécution. En particulier, nous montrons que certaines informations d’une image sont plus importantes que d’autres en matière de performance, et que le surcoût dépend aussi de l’algorithme utilisé.
Analyse structurelle de l’influence du bruit sur l’arbre alpha
In 29e colloque sur le traitement du signal et des images
Abstract
L’arbre alpha est une représentation hiérarchique utilisée dans divers traitements d’une image tels que la segmentation ou la simplification. Ces traitements sont néanmoins sensibles au bruit, ce qui nécessite parfois de les adapter. Or, l’influence du bruit sur la structure de l’arbre alpha n’a été que peu étudiée dans la littérature. Ainsi, nous proposons une étude de l’impact du bruit en fonction de son niveau sur la structure de l’arbre. De plus, nous étendons cette étude à la persistance des nœuds de l’arbre en fonction d’une énergie donnée, et nous concluons que certaines fonctionnelles sont plus sensibles au bruit que d’autres.
Estimation of the noise level function for color images using mathematical morphology and non-parametric statistics
In Proceedings of the 26th international conference on pattern recognition
Abstract
Noise level information is crucial for many image processing tasks, such as image denoising. To estimate it, it is necessary to find homegeneous areas within the image which contain only noise. Rank-based methods have proven to be efficient to achieve such a task. In the past, we proposed a method to estimate the noise level function (NLF) of grayscale images using the tree of shapes (ToS). This method, relying on the connected components extracted from the ToS computed on the noisy image, had the advantage of being adapted to the image content, which is not the case when using square blocks, but is still restricted to grayscale images. In this paper, we extend our ToS-based method to color images. Unlike grayscale images, the pixel values in multivariate images do not have a natural order relationship, which is a well-known issue when working with mathematical morphology and rank statistics. We propose to use the multivariate ToS to retrieve homogeneous regions. We derive an order relationship for the multivariate pixel values thanks to a complete lattice learning strategy and use it to compute the rank statistics. The obtained multivariate NLF is composed of one NLF per channel. The performance of the proposed method is compared with the one obtained using square blocks, and validates the soundness of the multivariate ToS structure for this task.
Estimation du niveau de bruit par arbre des formes et statistiques non paramétriques
In Proceedings of the 27st symposium on signal and image processing (GRETSI)
Abstract
La connaissance du niveau de bruit dans une image est précieuse pour de nombreuses applications en traitement d’images. L’estimation de la fonction de niveau de bruit requiert l’identification des zones homogènes sur lesquelles les paramètres du bruit peuvent être calculés. Sutour et al. en 2015 ont proposé une méthode d’estimation de la fonction de niveau de bruit se basant sur la recherche de zones homogènes de forme carrée, donc inadaptées au contenu local de l’image. Nous généralisons cette méthode à la recherche de zones homogènes de forme quelconque en nous basant sur la représentation par arbre des formes de l’image étudiée, permettant ainsi une estimation plus robuste de la fonction de niveau de bruit.
Estimating the noise level function with the tree of shapes and non-parametric statistics
In Proceedings of the 18th international conference on computer analysis of images and patterns (CAIP)
Abstract
The knowledge of the noise level within an image is a valuableinformation for many image processing applications. Estimating the noise level function (NLF) requires the identification of homogeneous regions, upon which the noise parameters are computed. Sutour et al. have proposed a method to estimate this NLF based on the search for homogeneous regions of square shape. We generalize this method to the search for homogeneous regions with arbitrary shape thanks to the tree of shapes representation of the image under study, thus allowing a more robust and precise estimation of the noise level function.