La présente invention concerne un système de trai­tement d'images comprenant des moyens d'acquisition de signaux vidéo correspondant à ces images et des moyens de traitement desdits signaux acquis.

Pendant plusieurs années, la majorité des procédés et dispositifs de traitement d'images étaient dédiés à l'ana­lyse de scènes statiques, car la plupart des applications en­visagées ne prenaient pas en compte les informations tempo­relles. L'accroissement de la puissance de calcul des maté­riels informatiques a cependant progressivement permis d'envi­sager le traitement en temps réel de séquences d'images, no­tamment dans des applications telles que la vision artifi­cielle, les systèmes de surveillance, la détection de mou­vement avec extraction des objets mobiles de la scène, ou encore pour atteindre une meilleure qualité des images par ré­duction du bruit affectant les séquences d'images.

D'importants efforts ont également été déployés pour résoudre les problèmes inhérents au traitement d'images dynamiques. On ne décrira pas ici les nombreuses expériences psychovisuelles effectuées en matière de perception du mou­vement par le système visuel humain. On rappellera simplement qu'il apparaît, à la suite de telles expériences, que ledit système visuel peut distinguer le mouvement relatif de deux régions constituées par des distributions aléatoires de ni­veaux de gris, à condition que la succession des images soit suffisamment rapide par rapport à l'amplitude du mouvement (voir D.H. Ballard et Ch.M. Brown, "Computer vision", Prentice-Hall Inc., 1982). Cette constatation indique que la détection du mouvement s'effectue au niveau de l'image même et non pas exclusivement par l'intermédiaire d'une représentation symbolique de la scène observée.

La détection de mouvement au niveau d'une image est généralement effectuée selon l'une des trois approches décrites dans T.Z. Young et K.S.Fu, "Handbook of pattern recognition and image processing", Academic Press, 1986. Tout d'abord, on peut chercher à mettre en correspondance des points physiques de la scène et estimer le déplacement de la caméra entre images successives. Cette approche conduit à un système extrêmement complexe d'équations non linéaires à N inconnues, faisant en outre appel à un nombre important d'hypothèses contraignantes. Une autre méthode, plus simple, utilise la notion de flot optique défini par les vitesses ins­tantanées en chaque point X,Y de l'image prise à un instant donné. Dans ce cas, on ne s'intéresse donc qu'à la projection des mouvements tridimensionnels des objets sur un plan parti­culier, celui de l'image, et cette méthode fait également appel à un certain nombre d'hypothèses restrictives indispen­sables à l'estimation d'un champ de vitesses, telles que vélo­cité maximale bornée, cohérence spatiale du champ des vitesses instantanées, etc.... On peut enfin opérer selon une troisième approche prévoyant une détection et une estimation de mouve­ment par filtrages spatio-temporels.

La détection de mouvement par filtrage spatio-tem­porel est particulièrement intéressante pour les raisons sui­vantes. D'une part elle est fondée sur des expériences psycho­visuelles qui indiquent que la perception du mouvement par le système visuel humain fait appel à des mécanismes très proches du point de vue formel, et cette similarité avec le comporte­ment des systèmes visuels organiques se manifeste par exemple dans le cas de mouvements apparents induits par des illusions visuelles dynamiques. Par ailleurs, les filtres spatio-tempo­rels classiques permettent d'obtenir une bonne sélectivité en fonction de la direction du mouvement apparent détecté, ainsi qu'en fonction de la vélocité de ce mouvement apparent (dans une moindre mesure cependant, car la sensibilité de l'homme à une variation de vitesse est moindre que sa sensibilité à une variation de direction). Enfin ces filtres permettent la dé­tection de mouvements locaux, c'est-à-dire de mouvements dif­férents en différents points de l'image, à l'opposé des mé­thodes cherchant une estimation d'un mouvement paramétrique global de la scène observée.

Pratiquement toutes les techniques connues de fil­trage spatio-temporel s'accordent pour considérer la séquence d'images à traiter comme un signal tridimensionnel f(x,y,t). Le filtre spatio-temporel, défini dans cet espace tridimen­sionnel x,y,t pour faire correspondre à f(x,y,t) un signal filtré égal à T(f(x,y,t)), doit, pour respecter la règle du caractère local, être entièrement défini sur un support spatio-temporel borné de cet espace tridimensionnel. A priori, cet espace s'apparenterait à un espace tridimensionnel classique dans lequel les objets sont définis en hauteur, lar­geur et profondeur, mais, dans le cas présent, la dimension temporelle prend une signification particulière du fait de ses caractéristiques propres et notamment de son irréversibilité. Les filtres spatio-temporels connus ont donc souvent un com­portement voisin en x et en y, associé à un comportement spé­cifique suivant la dimension temporelle.

Le filtrage spatio-temporel le plus simple con­siste (voir par exemple A.P. Bernat et al., "Security applica­tions of computer motion detection", SPIE Vol.786, Applica­tions of Artificial Intelligence V, 1987, p.512-517) à effec­tuer une différence point à point entre deux images succes­sives : si deux points correspondants n'ont pas la même lumi­nance, cette différence n'est pas nulle et indique un mou­vement apparent. Cette technique, sensible au bruit, peut être améliorée en effectuant un filtrage médian ou une moyenne spa­tiale des niveaux de gris avant de calculer la différence entre images successives. Les filtres réalisés selon cette technique vérifient bien la condition de caractère local, mais aucune sélectivité n'est obtenue suivant la direction du mou­vement ou sa vélocité, et leurs performances, assez médiocres, ne peuvent être améliorées qu'à l'aide de techniques qui ne sont plus du domaine du filtrage spatio-temporel proprement dit.

Une technique de filtrage spatio-temporel amé­liorée consiste à faire appel aux propriétés connues des filtres linéaires et à leurs transformées de Fourier. On peut alors, au prix de traitements particuliers tels que l'estima­tion de l'énergie spatio-temporelle du mouvement, mesurée par la somme des carrés de deux réponses de filtres linéaires en quadrature de phase, ou cette même estimation pour l'énergie en opposition de phase en remplaçant la somme quadratique par une différence sur les réponses de deux filtres en quadrature de phase, obtenir des filtres sensibles à la direction du mou­vement et/ou au sens du déplacement. L'utilisation de batteries de filtres conduit finalement à une possibilité d'estimation à la fois de la direction et de la vélocité du déplacement local.

La communication de S. Beucher, J.M. Blosseville et F. Lenoir, effectuée en novembre 1987 à l'occasion du SPIE Cambridge Symposium on Advances in Intelligent Robotics Systems et ayant pour titre "Traffic spatial measurements using video image processing : application of mathematic mor­phology to vehicles detection", fait appel à un autre type de filtrage, le filtrage morphologique, en vue de mesurer automa­tiquement le flot des véhicules. Ce filtrage morphologique ne concerne cependant qu'une image bidimensionnelle reconstruite à partir d'une moyenne de différences entre images successives de la séquence d'images du trafic. Il y a donc, là encore, comme dans les précédents filtres présentés, un comportement d'un certain type dans le plan spatial de l'image et un com­portement spécifique suivant la direction temporelle.

Un but de l'invention est de proposer un dispo­sitif de traitement de séquence d'images prévoyant, de façon nouvelle, un filtrage spatio-temporel de comportement simi­laire suivant chacune des directions spatiales et temporelle.

A cet effet l'invention concerne un système de traitement d'images caractérisé en ce que lesdits moyens de traitement comprennent eux-mêmes :

• (a) un étage d'estimation de mouvement ;
• (b) un étage de filtrage morphologique ;
• (c) un étage de mémorisation et/ou de visualisa­tion ;

Dans une variante perfectionnée de réalisation, l'invention concerne également un système caractérisé en ce que l'étage d'estimation de mouvement est précédé d'un circuit de recalage d'images, d'un circuit de détermination de diffé­rences entre images, et d'un circuit à seuil, tous trois pré­vus en série.

Les particularités et avantages de l'invention apparaîtront maintenant de façon plus précise dans la descrip­tion qui suit et dans les dessins annexés, donnés à titre d'exemples non limitatifs et dans lesquels les figures 1 et 2 montrent deux exemples distincts de réalisation d'un système de traitement d'images selon l'invention.

Un système de traitement d'images comprend en général des moyens d'acquisition d'images tels qu'une caméra, puis, éventuellement, des moyens de correction des défauts spécifiques à ces moyens d'acquisition. Il est en effet né­cessaire, le plus souvent, de réduire le bruit électronique issu de la partie acquisition des images (plus précisément, le bruit issu des détecteurs, des circuits d'amplification, et des circuits de numérisation puisque les signaux analogiques de sortie de la caméra sont en général envoyés vers un convertisseur analogique-numérique pour être traités sous forme numérique), et de réduire également les défauts propres à la caméra (distorsions, différences de réponse de détecteurs, etc...).

Ces moyens de correction des défauts de la caméra ou des circuits qui lui sont immédiatement associés sont dé­sormais classiques et ne seront pas décrits de façon dé­taillée. On signale simplement qu'ils permettent une améliora­tion des performances de détection et de la qualité des images obtenues par rapport aux images d'origine, et que de telles améliorations contribuent à accroître les performances des traitements ultérieurs.

La figure 1 montre un exemple de réalisation d'un système de traitement d'images comprenant successivement une caméra 100, un convertisseur analogique-numérique 110, et un étage de correction de défauts 120 assurant comme indiqué ci-­dessus la réduction du bruit et des défauts propres à la ca­méra et à ses circuits électroniques associés. On supposera, dans l'exemple ici décrit, que la séquence d'images en sortie de l'étage 120 est une séquence de 25 images entrelacées par seconde, de format 512 points x 512 points, ce qui sera dans la suite de la description et sur la figure 1, noté de la façon suivante : 50 Hz, 2:1, 512 x 512, les points de l'image étant en outre codés à l'aide de 2⁸ = 256 niveaux de gris.

Cette séquence d'images 50 Hz, 2:1, 512 x 512 est d'abord fournie à un circuit 130 de conversion de format en­trelacé en format séquentiel, puis à un étage d'estimation de mouvement 300 de type connu. Cette estimation de mouvement peut être effectuée par exemple en estimant d'abord la rota­tion globale de l'image par extraction des contours et détec­tion du pic de corrélation entre histogrammes des directions de ces contours (voir le document suivant : Thèse Universi­taire de Compiègne, Eva Salmeron, "Mise en coïncidence automa­tique des contours extraits d'images aériennes et d'éléments cartographiques", 1986). L'estimation de la rotation est alors suivie du calcul de la translation globale qui peut être ef­fectué en appliquant la méthode du plan de corrélation de phase après compensation de la rotation précédemment estimée (voir "The Phase Correlation Image Alignement Method", C.D. Kuglin & D.C. Hines, IEEE Int. Conf. on Cybernetics and Society, San-Francisco, CA 1975, September 23-25). L'étage 300 permet ainsi de déterminer le mouvement du fond de l'image.

L'étage 300 est suivi d'un étage de filtrage mor­phologique 400, qui comprend un circuit 410 de définition d'un élément structurant spatio-temporel en fonction des paramètres du mouvement estimés par l'étage 300, puis un circuit de fil­trage morphologique 420.

On rappellera ici quelques notions en matière de morphologie mathématique. L'approche morphologique consiste à considérer une image comme un ensemble sur lequel on va faire intervenir des opérateurs. Pour cela, on définit ce qu'on appelle des éléments structurants, qui sont des formes géomé­triques données, repérées par la position de leur centre. En faisant coincider ce centre avec les points d'un ensemble, on peut définir des opérateurs particuliers (érosion, dilatation, etc...), comme indiqué ci-dessous, l'espace considéré, dans le cas présent d'application à des images étant le graphe de la fonction "niveau de gris" de ces images. Le langage de la mor­phologie mathématique est donc celui de la théorie des en­sembles. Dans ce sens, un filtrage morphologique est une transformation non-linéaire d'un signal, qui modifie locale­ment les caractéristiques géométriques de ce signal. Dans le cas d'une image bidimensionnelle binaire, le signal est équi­valent à la donnée de l'ensemble des points de niveau 1 (= objets) et de celui des points de niveau 0 (= fond). Effectuer un filtrage morphologique sur cette image consiste à analyser l'interaction entre l'ensemble S des objets avec un ensemble compact B donné, a priori, et qui est l'élément structurant. C'est cet élément qui définit le filtrage à effectuer parl'in­termédiaire des opérations de Minkowski sur les ensembles. On peut rappeler ici que l'addition et la soustraction de Minkowski de deux ensembles A et B sont définies par les relations (1) et (2). En définissant le symétrique de B noté B′ par la relation (3), on peut proposer deux filtres morphologiques duaux, l'érosion de X par B (relation (4)), et la dilatation de X par B (relation (5)). On notera que l'érodé de X par B coïncide avec l'ensemble des points z de l'image pour lesquels l'élément structurant centré en z et noté B_z est entièrement inclus dans X. De même, le dilaté de X par B correspond aux points z de l'image pour lesquels B_z intersecte l'ensemble X. Les deux transformations de base, érosion et dilatation par B ne sont pas inverses l'une de l'autre et leur succession définit deux nouveaux filtres qui sont l'ouverture de X par B, définie par la relation (6), et la fermeture de X par B, définie par la relation (7).

Comme on l'a vu plus haut, les filtres morpho­logiques ont surtout été appliqués à l'analyse d'images bidi­mensionnelles statiques, et non pas à des signaux spatio-tem­porels. Dans la présente application, l'élément structurant constitue ici en fait le support borné B du domaine spatio-­temporel sur lequel sont définis les filtrages à effectuer (c'est-à-dire que B est défini comme l'ensemble des points (x₀, y₀, t₀) du domaine spatio-temporel sur lesquels seront effectués les filtrages élémentaires tels qu'érosions et dila­tations). La section temporelle Bs (x₀, y₀) = B(x₀, y₀, 0) passant par l'origine de l'espace (x,y,t) étant fixée arbi­trairement (par exemple comme un disque de rayon R donné), les autres sections s'en déduisent par les formules (8) et (9) données en annexe et où ϑ, tx, ty sont les paramètres, estimés par l'étage 300, du mouvement entre l'instant t et l'instant t+t₀. L'extension temporelle [t₁,t₂] de cet élément struc­turant B(x₀, y₀, t₀) est fixée arbitrairement en fonction du degré de lissage choisi, mais de toute façon le support doit être borné aussi bien dans l'espace que dans le temps.

Une fois l'élément structurant B défini, un circuit 420 effectue les filtrages morphologiques correspon­dants. Dans le but de réduire le bruit par filtrage temporel en tenant compte du mouvement relatif entre deux images, on effectuera de préférence une ouverture ou une fermeture ou bien encore une succession de ces deux filtrages pour obtenir une ouverture-fermeture (c'est-à-dire une ouverture suivie d'une fermeture) ou une fermeture-ouverture (c'est-à-dire une fermeture suivie d'une ouverture). Chacune de ces transforma­tions se décompose en une succession des deux opérations spa­tio-temporelles élémentaires, l'érosion et la dilatation.

L'érosion spatio-temporelle ici concernée est dé­finie par l'expression (10), et la dilatation spatio-tempo­relle par l'expression (11), ces expressions étant, comme pré­cédemment, données en annexe. Dans ces expressions, f(x,y,t) est la valeur de gris de l'image au point (x,y) et à l'instant t. L'ouverture est alors obtenue en effectuant une érosion suivie d'une dilatation et la fermeture par la succession d'une dilatation et d'une érosion (il faut noter que l'extrac­tion du minimum ou du maximum des valeurs de gris de la sé­quence d'images sur l'élément structurant B(x₀, y₀, t₀) peut se décomposer en une succession de trois extractions succes­sives de minimum ou de maximum suivant chacune des dimensions x, y ou t, dans n'importe quel ordre).

L'étage 400 est à son tour suivi d'un étage 500 qui permet finalement la mémorisation et/ou visualisation des images filtrées.

Dans une variante de réalisation du système ainsi décrit, on peut compléter ce filtrage spatio-temporel, condui­sant à une amélioration de la qualité des images obtenues, par une meilleure détection des principaux objets mobiles par rapport au fond et apparaissant sur ces images. La figure 2, qui montre une telle variante de réalisation, comprend d'une part les mêmes éléments que ceux de la figure 1, et qui por­tent donc les mêmes références, et d'autre part, entre le cir­cuit de conversion de format 130 et l'étage d'estimation de mouvement 300, trois circuits supplémentaires en série qui sont les suivants.

La suite d'images séquentielles de sortie du cir­cuit 130 est d'abord fournie à un circuit de recalage d'images 200, destiné à compenser le mouvement du fond sur la séquence afin d'obtenir en sortie de cet étage une séquence d'images avec un fond fixe. Un exemple de technique de recalage con­siste à effectuer une estimation des paramètres du mouvement global entre images successives par mise en correspondance de fenêtres d'une image sur la suivante, puis le calcul de la transformation géométrique globale par estimateur des moindres carrés sur les vecteurs de déplacement ainsi extraits (voir le document "Detection of moving vehicles in thermal imagery obtained from a moving platform", Arthur V. Forman et al., SPIE, vol.432, Applications of Digital Image Processing VI, p.136-147). Ce circuit est suivi d'un circuit 210 de détermi­nation de différences entre images, qui délivre une séquence d'images sur lesquelles apparaissent uniquement les parties mobiles par rapport au fond de la scène (les parties fixes étant éliminées et mises au niveau zéro), avec en plus le bruit issu des étages d'acquisition et de traitement précé­dents. Un circuit à seuil 220 permet alors d'opérer une sélec­tion sur ces signaux, en fournissant finalement une séquence d'images binaires sur lesquelles les points d'image appar­tenant à la séquence des différences d'images successives sont mis à 1 si leur valeur de gris sur ces images est différente de zéro (ces points d'image correspondant ainsi aux parties mobiles de la séquence mais aussi au bruit résiduel). La sor­tie du circuit à seuil 220 est fournie à l'étage d'estimation de mouvement 300, qui est utilisé cette fois pour fournir les paramètres des différentes translations t_x, t_y entre deux images successives des objets mobiles de la séquence binaire précédente, ce qui peut être effectué par exemple en appli­quant la technique du plan de corrélation de phase déjà dé­crite.

Bien entendu, la présente invention n'est pas li­mitée aux exemples de réalisation ci-dessus décrits et repré­sentés, à partir desquels des variantes peuvent être proposées sans pour cela sortir du cadre de l'invention. En particulier, on omettra le circuit 130 de conversion de format lorque la suite d'images à fournir à l'étage d'estimation de mouvement 300 est déjà sous forme séquentielle.

Annexe

• (1) A ⊕ B = (a+b/a ε A et b ε B)
• (2) A ⊖ B = (a-b/a ε A et b ε B)
• (3) B′ = (-b/ b ε B)
• (4) Erosion de X par B = X ⊖ B′
• (5) Dilatation de X par B = X ⊕ B′
• (6) Ouverture de X par B = (X)_B
  
  

  avec (X)_B = (x ⊖ B′) ⊕ B

• (7)Fermeture de X par B = (X)^B
  
  

  avec (X)^B = (X ⊖ B′) ⊖ B

• (8) B(X₀, y₀, t₀) = B(f_x(x₀, y₀), f_y(x₀, y₀), 0)
• (10) (f - B)(x, y, t) = Min (f(x+x₀, y+y₀, t+t₀))
  
  

  (pour x₀, y₀, t₀ appartenant à B)

• (11) (f + B)(x, y, t) = Max (f(x+x₀, y+y₀, t+t₀))
  
  

  (pour x₀, y₀, t₀ appartenant à B)