Régions D’intérêts Pour La Reconnaissance D'objets Basée Sur Des Descripteurs De Texture Et Les Sacs De Caractéristiques

Résumé: De nos jours les méthodes de vision par ordinateur sont utilisées dans de nombreuses applications telles que la vidéo-surveillance, l'aide à la conduite ou la reconstruction 3D par exemple. Ces différentes applications s'appuient généralement sur des procédés de reconnaissance de formes. Pour ce faire, l'image est analysée afin d'en extraire des primitives (contours, fonctions d'intensité ou modèle morphologiques)' Les méthodes les plus courantes s'appuient sur l'utilisation de points d’intérêt représentant une discontinuité des niveaux de gris caractérisant un coin dans une image' Afin de mettre une correspondance un ensemble de points d'une image i une autre, une description locale est utilisée. Elle permet d'extraire l'information du voisinage de chaque point {valeurs des pixels, des intensités lumineuses, des gradients). Les travaux de recherche présentés dans ce mémoire ont pour objectif de mettre en oeuvre différents outils de détection, description et mise en correspondance de points d'intérêt. Dans un premier temps, nous décrirons les différentes méthodes de reconnaissance d'objets qui existe, ainsi que les étapes de ce processus et les difficultés que rencontre la reconnaissance d'objets tel que : le point de vue, l'éclairage..'.etc' Nous détaillons par la suite les méthodes utilisées dans notre application. L'extraction des primitifs repose sur l'utilisation des descripteurs SIFT ou SURF, aussi sur les motifs locaux (LTP et,LBP). Les motifs locaux sont calculés seulement pour les régions autour du point détecté par SIFT/ SURF. La classification est basée sur l'algorithme de vote ou sur l'algorithme K-ppv. Mots Clés: Reconnaissance d'objets, descripteurs de texture, les sacs de caractéristiques

Publié dans la revue: