Search

Your search keyword '"Paul Messier"' showing total 3 results
Start Over Author "Paul Messier" Publisher hal ccsd
3 results on '"Paul Messier"'

1. Wove Paper Analysis through Texture Similarities

Author

David L. Neuhoff, Margaret Holben Ellis, Yuanhao Zhai, Andrew G. Klein, Stéphane Roux, Paul Messier, Herwig Wendt, William A. Sethares, Patrice Abry, David Picard, Chris R. Johnson, Stéphane Jaffard, Laboratoire de Physique de l'ENS Lyon (Phys-ENS), École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Western Washington University (WWU), Yale University [New Haven], New York University [New York] (NYU), NYU System (NYU), University of Wisconsin-Madison, Ecole Nationale Supérieure de l'Electronique et de ses Applications (ENSEA), University of Michigan [Ann Arbor], University of Michigan System, Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1)-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées, Laboratoire d'Analyse et de Mathématiques Appliquées (LAMA), Université Paris-Est Marne-la-Vallée (UPEM)-Fédération de Recherche Bézout-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12)-Centre National de la Recherche Scientifique (CNRS), Cornell University, École normale supérieure - Lyon (ENS Lyon)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Signal et Communications (IRIT-SC), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12)-Fédération de Recherche Bézout-Université Paris-Est Marne-la-Vallée (UPEM), Cornell University [New York], Centre National de la Recherche Scientifique - CNRS (FRANCE), Cornell University (USA), Ecole Normale Supérieure de Lyon - ENS de Lyon (FRANCE), Institut National Polytechnique de Toulouse - INPT (FRANCE), Université Paris Est Créteil Val de Marne - UPEC (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université de Cergy-Pontoise (FRANCE), Université Claude Bernard-Lyon I - UCBL (FRANCE), Université de Lyon - UDL (FRANCE), University of Michigan - U-M (USA), University of Wisconsin - Madison (USA), Western Washington University - WWU (USA), Ecole Nationale Supérieure de l'Electronique et de ses Applications - ENSEA (Cergy-Pontoise, France), Institut de Recherche en Informatique de Toulouse - IRIT (Toulouse, France), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), and Université de Toulouse (UT)

Subjects
Engineering drawing, Engineering, Image classification, Feature extraction, Image processing, 02 engineering and technology, Texture (music), [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, 0202 electrical engineering, electronic engineering, information engineering, Traitement du signal et de l'image, Weaving, Surface texture, Synthèse d'image et réalité virtuelle, Information retrieval, Contextual image classification, business.industry, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], 020206 networking & telecommunications, Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, Woven composites, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], Fine art, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Printing, 020201 artificial intelligence & image processing, business, Reference dataset
Abstract

International audience; Wove paper, made on a papermaking screen or mold having a surface of smooth tightly woven wires, was the predominant paper type used for printing in the twentieth century. To aid in the study and classification of fine art prints on wove paper, the present work compares the results of five different image processing approaches for characterizing surface texture. Using a collection of popular wove papers, a reference dataset of raking light close-up images was assembled. Five research teams undertook their own processing strategies to detect affinities among the paper samples. Their success in identifying similarity groupings are reported.

Published
2016

2. Texture classification of photographic papers: improving spectral clustering using filterbanks on graphs

Author

Tremblay, Nicolas, Roux, Stéphane g., Borgnat, Pierre, Abry, Patrice, Wendt, Herwig, Messier, Paul, Laboratoire de Physique de l'ENS Lyon (Phys-ENS), École normale supérieure - Lyon (ENS Lyon)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Paul Messier (USA), Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Centre National de la Recherche Scientifique (CNRS), Chercheur indépendant, Centre National de la Recherche Scientifique - CNRS (FRANCE), Ecole Normale Supérieure de Lyon - ENS de Lyon (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Institut de Recherche en Informatique de Toulouse - IRIT (Toulouse, France), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), and Institut National Polytechnique de Toulouse - INPT (FRANCE)

Subjects
Community detection, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, Art historian, Print, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Traitement des images, ComputingMethodologies_PATTERNRECOGNITION, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Spectral clustering, Traitement du signal et de l'image, Filterbank, Synthèse d'image et réalité virtuelle
Abstract

International audience; From the point of view of graph signal processing, we show that spectral clustering is equivalent to an ideal low-pass filterbank. Building upon previous multiscale community detection ideas [11], and integrating the concept of community cores [8], we propose a data-driven filterbank-based classification method. We apply this method to the texture classification of photographic papers useful to art historians, and we show that it provides a richer and more informative description of the data’s structure in clusters.

Published
2015

3. Pursuing automated classification of historic photographic papers from raking light photomicrographs

Author

Johnson, Richard, Messier, Paul, Sethares, William A., Klein, Andrew G., Brown, Christopher, Do, Anh Hoang, Klausmeyer, Philip, Abry, Patrice, Jaffard, Stéphane, Wendt, Herwig, Roux, Stéphane, Pustelnik, Nelly, Van Noord, Nanne, Van Der Maaten, Laurens, Postma, Eric, Coddington, Jim, Daffner, Lee Ann, Murata, Hanako, Wilhelm, Henry, Wood, Sally, Messier, Mark, Cornell University [New York], Paul Messier (USA), University of Wisconsin-Madison, Worcester Polytechnic Institute - WPI (USA), Worcester Art Museum - WAM (USA), École normale supérieure - Lyon (ENS Lyon), Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), CoMputational imagINg anD viSion (IRIT-MINDS), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Tilburg University [Netherlands], Delft University of Technology (TU Delft), MoMA Srl, Wilhem imaging research (USA), Santa Clara University, Indiana University [Bloomington], Indiana University System, École normale supérieure de Lyon (ENS de Lyon), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), Centre National de la Recherche Scientifique - CNRS (FRANCE), Cornell University (USA), Ecole Normale Supérieure de Lyon - ENS de Lyon (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Paris Est Créteil Val de Marne - UPEC (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Delft University of Technology - TU Delft (NETHERLANDS), Indiana University - IU (USA), Santa Clara University - SCU (USA), The Museum of Modern Art - MoMA (USA), Tilburg University (NETHERLANDS), University of Wisconsin - Madison (USA), Institut de Recherche en Informatique de Toulouse - IRIT (Toulouse, France), and Creative Computing

Subjects
Texture classification, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Vision par ordinateur et reconnaissance de formes, Historic photographic paper, Intelligence artificielle, Area-scale analysis, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Traitement des images, Texture analysis, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Random-feature texton, Traitement du signal et de l'image, Art investigation, Synthèse d'image et réalité virtuelle, Multiscale analysis
Abstract

International audience; Surface texture is a critical feature in the manufacture, marketing, and use of photographic paper. Raking light reveals texture through a stark rendering of highlights and shadows. Though close-up raking light images effectively document surface features of photographic paper, the sheer number and diversity of textures used for historic papers prohibits efficient visual classification. This work provides evidence that automatic, computer-based classification of texture documented with raking light is feasible by demonstrating an encouraging degree of success sorting a set of 120 images made from samples of historic silver gelatin paper. Using this dataset, four university teams applied different image-processing strategies for automatic feature extraction and degree of similarity quantification.All four approaches successfully detected strong affinities and outliers built into the dataset. The creation and deployment of the algorithms was carried out by the teams without prior knowledge of the distributions of similarities and outliers.These results indicate that automatic classification of silver gelatin photographic paper based on close-up texture images is feasible and should be pursued. To encourage the development of other classification schemes, the 120-sample “training” dataset used in this work is available to other academic researchers at http://www.PaperTextureID.org.; La textura superficial es un rasgo crítico en la manufactura, comercialización y uso de papel fotográfico. La luz rasante revela la textura a través de una representación nítida de áreas luminosas y sombras. A pesar de que las imágenes con luz rasante documentan efectivamente las características superficiales del papel fotográfico, la cantidad misma y la diversidad de texturas usadas en papeles históricos hace imposible una clasificación visual eficiente. Este trabajo proporciona evidencias de que la clasificación automática de la textura documentada con luz rasante, realizada por computadora es factible al demostrar un motivante grado de éxito al clasificar un grupo de 120 imágenes hechas de muestras de papel histórico de gelatina de plata. Usando esta base de datos, cuatro equipos universitarios aplicaron diferentes estrategias de procesamiento de imágenes para la extracción automática de rasgos y cuantificación del grado de similitud. Las cuatro estrategias detectaron con éxito afinidades fuertes así como los casos atípicos incluidos en la base de datos. Los equipos crearon y usaron algoritmos sin conocimiento previo de las similitudes y los casos lejanos al promedio. Estos resultados indican que la clasificación automática de papel fotográfico de gelatina de plata basada en imágenes que muestran acercamientos de la textura es viable y debería realizarse. Para incentivar el desarrollo de otros esquemas de clasificación el grupo de 120 muestras de “entrenamiento” usado en este trabajo está disponible para otros investigadores en http://www.PaperTextureID.org.; La texture de la surface du papier photographique est une caractéristique essentielle de sa fabrication, de sa commercialisation et de son utilisation. La lumière rasante révèle la texture du papier par un rendu saisissant des lumières et des ombres. Bien que les gros plans en lumière rasante documentent efficacement les caractéristiques de la surface des papiers photographiques, le nombre et la diversité des textures des papiers historiques empêchent une classification visuelle efficace. Le présent travail démontre que la classification automatique par ordinateur de textures documentées avec une lumière rasante est possible, en démontrant un degré encourageant de succès dans le tri d'un ensemble de 120 images réalisées à partir d'échantillons de papiers historiques au gélatino-bromure d'argent. À partir de ce groupe d'images, quatre équipes universitaires ont appliqué différentes stratégies de traitement d'image afin d'extraire automatiquement des caractéristiques et de quantifier le degré de similitude des papiers. Les quatre approches ont chacune réussi à détecter de fortes affinités, ainsi que des images avec caractéristique aberrante intégrées dans le groupe. La création et le déploiement des algorithmes ont été réalisés par les équipes sans connaissance préalable de la répartition des similitudes et des images aberrantes. Ces résultats indiquent que la classification automatique des papiers photographiques au gélatino-bromure d'argent basée sur des gros plans de texture est possible et doit être poursuivie. Pour encourager le développement d'autres systèmes de classification, les données des 120 échantillons utilisées dans ce travail sont mises à la disposition d'autres chercheurs scientifiques à l'adresse suivante: http://www.PaperTextureID.org.

Published
2014

Catalog

Books, media, physical & digital resources
See catalog results