Estimation du mouvement dans une séquence d’images par approche probabiliste

Abstract

Dans cette étude, nous nous sommes intéressés à l’estimation du mouvement par une approche probabiliste, après un état de l’art des différentes méthodes d’estimation du mouvement existantes et le développement de deux méthodes connues à savoir Horn et Shunck HS et Lucas Kanade LK [1], [2], nous avons développé l’approche probabiliste dans laquelle l'estimation du mouvement 2-D est formulée comme un problème bayésien ; par ailleurs, une contrainte de lissage est introduite par la modélisation d’un champ de mouvement 2-D par la distribution de Gibbs [7]. Le modèle proposé dans cette thèse est un modèle globalement lisse basé sur les champs de Markov aléatoires et le critère d'estimation est celui de la probabilité du maximum à posteriori (MAP) [5], dans lequel cette probabilité est maximisée compte tenu des données d'entrée. L'estimation du MAP est réalisée par le biais de l’algorithme du recuit simulé [8], dans lequel l'échantillonnage de l'espace des solutions se fait au moyen de l'échantillonneur de Gibbs. Les mauvaises données sont éliminées en utilisant la méthode de rejet des valeurs aberrantes [6].