Sous-sections
Participants : Yves Dufournaud,
Riad Hammoud, Radu Horaud, Krystian Mikolajczyk, Roger Mohr,
Cordelia Schmid.
Mots clés : mise en correspondance,
indexation d'images, reconnaissance d'objets, invariant
géométrique et photométrique, classes d'objets,
classification .
Résumé :
L'appariement et l'indexation des images font parti des
axes de recherche du projet. Cette activité s'est
développée selon plusieurs directions : appariement entre
images prises de points de vue différents, robustification
de l'indexation et reconnaissance de classes d'objets.
L'appariement entre deux images en présence de changements
d'échelle importants et de changements perspectifs est un
problème difficile [31,30]. L'approche adoptée consiste à
utiliser une représentation multi-échelle pour l'ensemble des
descripteurs ainsi que pour l'extraction de caractéristiques,
endroits où sont calculés les descripteurs. L'utilisation de
contraintes géométriques entre images et l'estimation robuste
de ces contraintes permet un rejet important des faux
appariements, [37], [36]. L'approche développée permet d'estimer le
rapport d'échelle entre deux images sans avoir recours à une
initialisation manuelle. D'excellents résultats ont été
obtenus lors d'une étude expérimentale sur des données
fournies par l'Aérospatiale. La Figure 5 montre des
résultats en présence d'un facteur d'échelle de 5 et d'une
rotation de 34 degrés.
Figure 5: Cette figure montre les
points d'intérêt détectés à plusieurs niveaux de
résolution de l'image de droite et les points
correspondants dans l'image basse résolution (gauche).
|
|
Dans le cadre de l'indexation, l'approche développée
permet l'amélioration de la caractérisation et la
robustification de l'indexation par une modélisation d'un
objet à partir de plusieurs vues. Une telle approche est
particulièrement adaptée dans un contexte de vidéo où
plusieurs images d'un même objet sont accesible (à
l'intérieur d'un plan vidéo). La caractérisation ainsi
obtenue est ensuite utilisée pour retrouver l'objet ailleurs
dans la vidéo (dans un autre plan). Ceci nécessite de
modéliser la variabilité de la caractérisation, ce qui est
réalisé par l'utilisation d'un mélange de Gaussiennes.
L'estimation du nombre de Gaussiennes nécessaires s'avère un
problème difficile, [57,40,41,42,39,38].
Le problème d'une indexation robuste à des changements
d'échelle a également été traité. Une approche multi-échelle
s'avère mal adaptée, car elle augmente la complexité de la
mise en correspondance et la probabilité de faux
appariements. Il a été choisi une méthode qui sélectionne de
facon automatique l'échelle optimale pour chaque
caractéristique. Une telle échelle est obtenue par
maximisation d'un critère dans l'espace d'échelle. Les
positions dans l'image où cette maximisation est réalisée
sont sélectionnées par un détecteur de points d'intérêt. Des
très bons résultats ont montré la possibilité de retrouver
une image dans une base contenant 1000 images, alors que le
changement d'échelle entre l'image recherchée et l'image de
la base peut varier jusqu'à un facteur 4.
Dans le contexte de la recherche de classes d'objets il ne
s'agit pas de retrouver le même objet, mais des images
similaires, c'est-à-dire appartenant à la même classe
d'objets. Ceci s'applique à des objets comme par exemple des
visages, des chevaux, des chaises etc. Ceci est important
pour des applications telles qu'il en existe par exemple dans
les agences de presse. Ces agences souhaitent pouvoir
répondre à des requêtes comme trouver des images contenant
des enfants qui jouent.
Dans ce but, un détecteur de visage a développé. Ce
détecteur utilise des descripteurs génériques obtenus à
partir d'invariants locaux. Ces descripteurs représentent
entre autre la bouche, le nez et les yeux. Pour tenir compte
de la variabilité et de la diversité d'apparence de telles
données, des mélanges de Gaussiennes s'avèrent bien adaptés.
Ces mélanges ont été calculés à partir d'un ensemble
représentatif d'images de visages. La détection de visages à
partir de ces descripteurs permet d'obtenir de bons
résultats [54].