Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

détecteur de point d'intérêt

No description
by

ameni jebali

on 10 May 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of détecteur de point d'intérêt

détecteur de point d'intérêt
Introduction
qu'est ce qu'un point d'intérêt?
Les points d’intérêt (ou point of interest) sont définis comme étant des points qui possèdent des caractéristiques qui permettent de les distinguer des autres points de l’image.

Avantages des points d'intérêt :
Sources d’informations plus fiable que les contours car plus de contraintes sur la fonction d’intensité.
Robuste aux occultations (soit occulté complètement, soit visible).
Plus facile à extraire que les contours.
Présents dans une grande majorité d’images (#contours !).

les différentes applications:
la robotique, l’indexation ou la reconnaissance d’objets (on peut extraire d’une image une suite de points caractéristiques d’un objet afin de pouvoir l’indexer dans une base de données), le suivi (ou tracking des objets dans une séquence d’images, ou encore l’imagerie médicale (les points d’intérêt correspondent à des points anatomiques particuliers).
Détection de points d’intérêts

La détection de points d’intérêts (ou coins) est, au même titre que la détection de contours, une étape préliminaire à de nombreux processus de vision par
ordinateur. Les points d’intérêts, dans une image, correspondent à des doubles discontinuités de la fonction d’intensités.s Ce sont par exemple : les coins, les jonctions en T ou les points de fortes variations de texture.

Différentes approches

De nombreuses méthodes ont été proposées pour détecter des points d’intérêts. D’après Schmid et al [Schmid 98,Schmid 00] elles peuvent être classées grossièrement suivant trois catégories :

Méthodes basées sur les contours :
l’idée est de détecter les contours dans une image dans un premier temps. Les points d’intérêts sont ensuite extraits le long des contours en considérant les points de courbures maximales ainsi que les intersections de contours.
Ces méthodes sont parmi les plus anciennes, cf.
[Medioni 87]
,
[Schmid 00].
[Ruzon 99]
utilise les régions mais qui confirme les points trouvés avec les contours.
[Smith 97]
il s’agit d’un détecteur de contour qui peut servir à détecter des coins
Méthodes basées sur l’intensité :
l’idée est cette fois-ci de regarder directement la fonction d’intensité dans les images pour en extraire directement les points de discontinuités.
Un des premiers détecteur de cette catégorie est celui de
[Moravec 77]
.
On trouve également dans cette catégorie le célèbre détecteur de Harris
[Harris 88].
[Lowe 99]
utilise des différences gaussiennes pour trouver les points clés.
[Itti 98]
s’appuie également sur l’intensité mais aussi sur la couleur et sur l’orientation du gradient.
[Kadir 01]
se base sur des histogrammes d’intensité.

Méthodes basées sur des modèles paramétriques :
les points d’intérêts sont identifiés dans l’image par mise en correspondance de la fonction d’intensité avec un modèle théorique de cette fonction des point d’intérêts considérés.
On peut citer par exemple, le détecteur de Baker [Baker 98].

Détecteurs

Il existe une quantité importante de détecteurs de points d’intérêt. Nous n’en décrivons que quelques uns. De façon générale, un détecteur de point d’intérêt consiste à calculer une valeur de réponse représentative de l’intérêt pour chaque pixel de l’image et ensuite à sélectionner les meilleurs.

Détecteur de Moravec:
Dans [Moravec 77], Moravec propose l’un des tout premiers détecteurs de points d’intérêt. Le but était de sélectionner des points « intéressants » pour les mettre en correspondance de façon fiable sur des images prises par des caméras embarquées sur un robot afin de l’aider à se guider et à éviter les obstacles. Ce détecteur retourne les maxima locaux d’une mesure de variance directionnelle (sur les quatre directions :horizontale, verticale et les deux diagonales).

Dans le détecteur de Moravec (1980) L’idée est de considérer le voisinage d’un pixel (une
fenêtre) et de déterminer les changements moyens de l’intensité dans le voisinage
considéré lorsque la fenêtre se déplace dans diverses directions.
--> considérons une petite fenêtre de N × N pixels que l’on centre sur un point (u, v) de l’image.


-contour: discontinuité dans une direction de la fonction d’intensité ou de ses
dérivées
-point d’intérêts :dans deux directions
Les approches de la deuxième catégorie sont celles utilisées généralement car:
indépendance vis à vis de la détection de contours.
indépendance vis à vis du type de points d’intérêts.
détecteur de Harris:
Avec Stephens, Harris a proposé en 1988 un algorithme de détection qui est certainement aujourd’hui le plus connu et qui est toujours très utilisé car il donne de très bons résultats et est assez simple à mettre en œuvre.
Les points d’intérêt recherchés sont des points au voisinage desquels l’image varie significativement dans plusieurs directions
. Ce peut être des coins, des jonctions en T, des jonctions en Y, etc.
Il se base sur une fonction d’auto-corré́lation du signal c’est-`-dire sur les changements du signal dans plusieurs directions

les différentes étapes du détecteur de Harris:
Full transcript