Centre Image
Plateau Technique

Soute­nance de Thèse « Géné­ra­tion d’images 3D HDR »

Posté par hdeleau le 11 décembre 2015.

Aujourd’­hui a eu lieu la soute­nance de thèse de Jenni­fer BONNARD, qui a ainsi obtenu sa thèse avec mention hono­ri­fique « Très hono­rable ». Nous lui adres­sons toutes nos féli­ci­ta­tions.

Compo­si­tion du jury :

  • M. Frede­ric DUFAUX, Direc­teur de Recherche à TELECOM ParisTech (Rappor­teur)
  • M. Rémi COZOT, Maître de Confé­rence à l’IRISA de Rennes (Rappor­teur)
  • M. Erik REINHARD, Docteur en Infor­ma­tique (Exami­na­teur)
  • M. Yannick REMION, Profes­seur à l’Uni­ver­sité de Reims Cham­pagne-Ardenne (Exami­na­teur)
  • Mme. Céline LOSCOS, Profes­seure à l’Uni­ver­sité de Reims Cham­pagne-Ardenne (Direc­trice de thèse)
  • M. Gilles VALETTE, Maître de Confé­rence à l’Uni­ver­sité de Reims Cham­pagne-Ardenne (Co-enca­drant)


================================================
Résumé :

L’ima­ge­rie HDR et l’ima­ge­rie 3D sont deux domaines dont l’évo­lu­tion simul­ta­née mais indé­pen­dante n’a cessé de croître ces dernières années.

D’une part, l’ima­ge­rie HDR (High Dyna­mic Range) permet d’étendre la gamme dyna­mique de couleur des images conven­tion­nelles dites LDR (Low Dyna­mic Range). D’autre part, l’ima­ge­rie 3D propose une immer­sion dans le film projeté avec cette impres­sion de faire partie de la scène tour­née. Depuis peu, ces deux domaines sont conju­gués pour propo­ser des images ou vidéos 3D HDR mais peu de solu­tions viables existent et aucune n’est acces­sible au grand public.

Dans ce travail de thèse, nous propo­sons une méthode de géné­ra­tion d’images 3D HDR pour une visua­li­sa­tion sur écrans autos­té­réo­sco­piques en adap­tant une caméra multi-points de vue à l’ac­qui­si­tion d’images d’ex­po­si­tions multiples. Pour cela, des filtres à densité neutre sont fixés sur les objec­tifs de la caméra. Ensuite, un appa­reille­ment des pixels homo­logues permet l’agré­ga­tion des pixels repré­sen­tant le même point dans la scène acquise. Fina­le­ment, l’at­tri­bu­tion d’une valeur de radiance est calcu­lée pour chaque pixel du jeu d’images consi­déré par moyenne pondé­rée des valeurs LDR des pixels homo­logues. Une étape supplé­men­taire est néces­saire car certains pixels ont une radiance erro­née. Nous propo­sons une méthode basée sur la couleur des pixels voisins puis deux méthodes basées sur la correc­tion de la dispa­rité des pixels dont la radiance est erro­née. La première est basée sur la dispa­rité des pixels du voisi­nage et la seconde sur la dispa­rité calcu­lée indé­pen­dam­ment sur chaque compo­sante couleur.

Ce pipe­line permet la géné­ra­tion d’une image HDR par point de vue. Un algo­rithme de tone-mapping est ensuite appliqué à chacune d’elles afin qu’elles puissent être compo­sées avec les filtres corres­pon­dants à l’écran autos­té­réo­sco­pique consi­déré pour permettre la visua­li­sa­tion de l’image 3D HDR.

================================================
Abstract :

HDR imaging and 3D imaging are two areas in which the simul­ta­neous but sepa­rate deve­lop­ment has been growing in recent years.

On the one hand, HDR (High Dyna­mic Range) imaging allows to extend the dyna­mic range of tradi­tion­nal images called LDR (Low Dyna­mic Range). On the other hand, 3D imaging offers immer­sion in the shown film with the feeling to be part of the acqui­red scene. Recently, these two areas have been combi­ned to provide 3D HDR images or videos but few viable solu­tions exist and none of them is avai­lable to the public.

In this thesis, we propose a method to gene­rate 3D HDR images for autos­te­reo­sco­pic displays by adap­ting a multi-view­points camera to seve­ral expo­sures acqui­si­tion. To do that, neutral density filters are fixed on the objec­tives of the camera. Then, pixel matching is applied to aggre­gate pixels that represent the same point in the acqui­red scene. Finally, radiance is calcu­la­ted for each pixel of the set of images by using a weigh­ted average of LDR values. An addi­tio­nal step is neces­sary because some pixels have wrong radiance. We propo­sed a method based on the color of adja­cent pixels and two methods based on the correc­tion of the dispa­rity of those pixels. The first method is based on the dispa­rity of pixels of the neigh­bo­rhood and the second method on the dispa­rity inde­pen­dently calcu­la­ted on each color chan­nel.

This pipe­line allows the gene­ra­tion of 3D HDR images on each view­point. A tone-mapping algo­rithm is then applied on each of these images. Their compo­si­tion with filters corres­pon­ding to the autos­te­reo­sco­pic screen used allows the visua­li­za­tion of the gene­ra­ted~3D HDR image.

Flux RSS | Flux Atom | Contact | HTML5 | Fièrement propulsé par WordPress