Appariement de deux images

Présentation au sujet: "Appariement de deux images"— Transcription de la présentation:

1 Appariement de deux images
Paire d’images (640 x 480 pixels)

2 Appariement de deux images
Points d’intérêt extraits avec Harris (approx. 500 points)

3 Appariement de deux images
Appariement initial (188 couples)

4 Appariement de deux images
99 inliers 89 outliers Estimation robuste de la matrice fondamentale

5 Appariement de deux images
Appariement guidé (157 couples) il reste qq. faux appariements

6 Appariement de trois images
Triplet d’images (640 x 480 pixels)

7 Appariement de trois images
Points d’intérêt extraits avec Harris (approx. 500 points)

8 Appariement de trois images
106 app. initial 88 inliers 18 outliers

9 Appariement de trois images
Appariement guidé (95 couples) pas de faux appariements

10 Problèmes Transformations image Invariants rotation image
changement affine d’illumination changement d’échelle Invariants géométrique : peu discriminant photométrique : discriminant, mais l’invariance est plus difficile dérivées moments filtres de Gabors

11 Invariants photométriques
Basés sur des dérivées calculées en un point (x,y)

12 Invariants photométriques
Basés sur des dérivées calculées en un point (x,y) Invariance aux translations changements de luminosité sous la forme

13 Calcul des dérivées Calcul stable par convolution avec dérivées Gaussiennes

14 ( ) Interpretation descripteur local
Approximation locale d’une fonction par la série de Taylor Décrit le voisinage d’un point détermine la taille du voisinage

15 Invariance à la rotation
Invariants différentiels [Koen87]

16 Invariance à l’illumination
Dans le cas d’une transformation affine

17 Invariance aux changements d’échelle
Dans le cas d’un changement d’échelle

18 Invariance aux changements d’échelle
Dans le cas d’un changement d’échelle Les dérivées sont liées par

19 Points d’intérêt - détecteur de Harris
Manque de robustesse des points d’intérêt en présence d’un changement d’échelle

20 Solution développée Points d’intérêt invariants aux changements d’échelle adaptation des points d’intérêt (Harris) aux changement d’échelle localisation spatiale stable invariance aux rotations et aux changements affines de luminosité extraction multi-échelle des points d’intérêt sélection de l’échelle caractéristique dans l’espace multi-échelle localisation invariante dans l’espace d’échelle

21 Points d’intérêt - adaptation à l’échelle
Détecteur de Harris deux valeurs propres importantes de la matrice d’auto-correlation Adaptation de la matrice au changement d’échelle fenêtre Gaussienne d’intégration dérivées premières

22 Points d’intérêt - résultats de l’adaptation

23 Sélection de l’échelle - principe
Laplacien échelle caractéristique : maximum dans l’espace d’échelle [Lindeberg 98]

24 Sélection de l’échelle - principe
invariance de l’échelle caractéristique Laplacien

25 Points d’intérêt invariant à l’échelle
Sélection de l’échelle caractéristique dans l’espace d’échelle l’échelle caractéristique existe en général pour des points d’intérêt le Laplacien permet de trouver le plus de maxima (résultat experimental) Sélection des points à l’échelle caractéristique points invariants + échelle associée

26 Résultat de l’appariement
213 / 190 points d’intérêt détectés

27 Résultat de l’appariement
58 points sont appariés initialement

28 Résultat de l’appariement
32 points sont appariés après vérification - tous corrects

29 Résultat de l’appariement
100% d’appariements corrects (33)

30 Mesure de similarité ( ) ? ( ) =

31 Différentes distances
distance Euclidienne ne tient pas compte des différentes incertitudes

32 Différentes distances
distance Euclidienne ne tient pas compte des différentes incertitudes distance ponderée ne tient pas compte des corrélations

33 Différentes distances
distance Euclidienne ne tient pas compte des différentes incertitudes distance ponderée ne tient pas compte des corrélations distance de Mahalanobis