Show simple item record

Synthèse de texture par décomposition parcimonieuse contrainte

dc.contributor.authorPeyré, Gabriel
HAL ID: 1211
dc.contributor.authorGousseau, Yann
dc.contributor.authorTartavel, Guillaume
dc.date.accessioned2013-10-30T17:24:36Z
dc.date.available2013-10-30T17:24:36Z
dc.date.issued2013
dc.identifier.urihttps://basepub.dauphine.fr/handle/123456789/11952
dc.description.abstractfrCet article aborde la synthèse de texture par une approche variationnelle. À partir d'un échantillon de la texture à synthétiser, nous définissons une énergie non-convexe composée de termes de pénalité associés à des contraintes statistiques. Ces contraintes portent sur l'histogramme et le spectre de l'image, ainsi que sur une décomposition de ses patchs dans un dictionnaire appris au préalable. Le problème de synthèse est alors transformé en un problème de minimisation, pour lequel nous proposons un algorithme. Les minima locaux ainsi obtenus sont de nouvelles synthèses de la texture originale. Des expériences numériques illustrent les résultats de cette approche.en
dc.language.isofren
dc.subjectméthode variationnelleen
dc.subjectapprentissage de dictionnaireen
dc.subjectdécomposition parcimonieuseen
dc.subjectSynthèse de textureen
dc.subject.ddc621.3en
dc.titleSynthèse de texture par décomposition parcimonieuse contrainteen
dc.typeCommunication / Conférence
dc.contributor.editoruniversityotherTélécom ParisTech http://www.telecom-paristech.fr/ Institut Mines-Télécom;France
dc.contributor.editoruniversityotherLaboratoire Traitement et Communication de l'Information [Paris] (LTCI) http://www.ltci.telecom-paristech.fr/ Télécom ParisTech – CNRS : UMR5141;France
dc.description.abstractenThis paper tackles the texture synthesis problem from a variational point of view. A non-convex cost function is defined from an exemplar of the texture to be synthesized. Each term of this function is a penalty term derived from a statistical constraint. These constraints take into account the histogram and the spectrum of the image, and also a sparse decomposition of its patches into a dictionary learned from the exemplar image. We propose an algorithm to compute critical points of the cost function, which correspond to synthesis results. Numerical experiments show the usefulness of this approach.en
dc.identifier.citationpages4en
dc.identifier.urlsitehttp://hal.archives-ouvertes.fr/hal-00870444en
dc.subject.ddclabelTraitement du signalen
dc.relation.conftitleGRETSI 2013en
dc.relation.confdate2013-09
dc.relation.confcityBresten
dc.relation.confcountryFranceen
dc.relation.forthcomingnonen


Files in this item

Thumbnail
Name:
article.pdf
Size:
1.546Mb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record