Systèmes de stéréovision passive dédiés à un stimulateur intra-cortical visuel

L'objectif de ce mémoire est de concevoir un système de stéréovision passif pour inférer la profondeur de champ d'une scène. Le système est destiné à fournir une information utile aux non-voyants sur l'environnement qui les entoure. Il doit fonctionner en temps réel et garantir de bonnes précisions. Le premier chapitre présente des méthodes de base ainsi qu'une revue de littérature qui présente différentes catégories de méthodes qu'on peut employer pour inférer la profondeur. Un système à base d'une chaîne de Markov cachée est présenté. Il permet de mettre en correspondance les pixels des images issues de deux caméras, étape essentielle pour l'inférence de profondeur en stéréovision passive. Nous analysons les points de faiblesse du système et présentons une autre méthode graphique, la propagation de conviction qui est plus stable. Une autre catégorie de méthodes qui sont plus rapides est aussi présentée. En particulier, on met l'emphase sur la corrélation de phase. Le deuxième chapitre présente deux méthodes à base de corrélation de phase. La première méthode est une amélioration de la précision de la corrélation de phase unidimensionnelle (Enhanced Phase Only Correlation, EPOC) et la deuxième est une optimisation de la corrélation de phase bidimensionnelle (Multiple Modes Phase Only Correlation, MMPOC). La corrélation de phase bidimensionnelle est plus précise que la version unidimensionnelle, mais moins rapide. Une description d'une implémentation d'EPOC sur FPGA est fournie. Le troisième chapitre fait une discussion sur EPOC dans un contexte graphique. Une comparaison entre différentes approches se fait dans un contexte Bayesien. Le quatrième chapitre présente deux systèmes stéréoscopiques à base de mémoire associative quantique de Hopfield. Le premier système est une architecture sérielle qui emploie le réseau quantique de Hopfield, le deuxième système est une version parallèle de cette architecture. Le but de ce chapitre est d'expliquer qu'une mémoire associative possède la capacité d'inférer la profondeur à partir d'une paire d'images stéréoscopiques. Les points de faiblesse de ces méthodes sont comparés à ceux du cerveau humain.

Abstract

The main objective of the present Master thesis is to design a passive stereovision system to be used in the cortical visual stimulators application. The system aims to provide blind patients with information on the spatial positioning of objects that are present in a given environment. Main requirements are real-time operability and high disparity estimation accuracy. The first chapter presents different approaches to solve the correspondence search problem, a main step to infer depth with passive stereovision systems. The first system is based on a Hidden Markov Model. We review the drawbacks of the proposed system and present a more stable approach that exists in the literature, Belief Propagation. We also present faster approaches to solve the correspondence problem, with a special attention on phase correlation. The second chapter presents two phase based approaches to solve the correspondence problem. The first system (Enhanced Phase Only Correlation, EPOC) is an enhancement of the 1D version of the Phase Only Correlation. The second system (Multiple Modes Phase Only Correlation, MMPOC) optimizes the 2D Phase Only Correlation method. The 2D Phase Only Correlation method is known to be more accurate than the 1D version, but takes a longer time to execute. A real-time implementation of the EPOC algorithm on a FPGA is described. The third chapter discusses in more detail the EPOC system in a graphical framework. Key systems comparison is made in a Bayesian framework. In the fourth chapter, we design two Hopfield based quantum associative memories that have the ability to infer depth from two images, the serial architecture and parallel architecture of Hopfield Quantum network. A comparison relates the drawbacks of the proposed systems with results of experimentations that were performed on the human brain.