CNES Paris - 22/05/2003 Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes Michel DHOME LASMEA UMR 6602CNRS/UBP Clermont-Ferrand
Etat de l art (communauté vision artificielle) Calibration et autocalibration Recalage modèle/image Reconstruction 3D Reconnaissance des formes / suivi
Outils pour la reconnaissance des formes Exploitation texture images haute résolution Reconnaissance par mises en correspondance de primitives visuelles 4Contours, Segments de droites, zones texturées, 4«Points d intérêt». Technique de suivi de motifs texturés 4Corrélation, Optimisation itérative, 4«Matrice d interaction».
Extraction des points d intérêt Idée de base : recherche de zones non-homogènes Détecteur : méthode Harris et Stephens Minima de la fonction d auto-corrélation du signal Homogène : 2 valeurs propres faibles Contours : 1 des 2 est plus grande que l autre D intérêt : 2 valeurs propres grandes
Extraction des points d intérêt Exemple d extraction de points d intérêt
Caractérisation des points d intérêt Description du voisinage du point par un vecteur V= V1 V2... Vn-1 Vn Echantillonnage sur trois cercles concentriques Filtrage plus important en fonction du diamètre Origine échantillonnage liée à l orientation du gradient
Mise en correspondance entre deux images Retrouver les points communs aux 2 images Extraction des points d intérêt Calcul des vecteurs Scores de corrélation Filtrage géométrique
Mise en correspondance entre deux images Résultats : 38 couples corrects sur 44 (86%) Calcul «robuste» de l homographie inter-image
Indexation d une base d images 7500 x 7500 pixels 7500 x 7500 pixels Découpée en 2836 images de 256x256 pixels
Reconnaissance d une imagette Image requette Image de la base Superposition 500 tests - 470 OK - 94.0%
Mise en correspondance entre deux images Résultats issus des travaux de C. SCHMID (GRAVIR Grenoble) présentés dans Traité IC2 «Perception visuelle par imagerie vidéo»
Reconnaissance d images aériennes de Marseille Résultats issus des travaux de C. SCHMID (GRAVIR Grenoble) présentés dans Traité IC2 «Perception visuelle par imagerie vidéo»
Adaptation à la reconnaissance des objets volumiques Modèles 3D texturés Base de données issue d images de synthèse Correspondance 2D/3D pour les points d intérêt Calcul robuste d attitude (RANSAC, M-estimateur, moindres médian)
Adaptation aux objets volumiques : suivi
Technique de suivi Développement d une technique, à faible coût algorithmique, permettant de suivre l évolution d un motif texturé tout au long d une séquence vidéo. Motif texturé
Principe : suivi par différence Position initiale de la zone d intérêt Prédiction de la zone d intérêt Position après correction Motif de référence Motif correspondant à la position prédite Différence Motif correspondant à la position corrigée
Description succincte But : soit µ le vecteur paramétrant la transformation géométrique Φ de la zone d intérêt (similarité, affinité, homographie), trouver la matrice A telle que δµ = A δi Approche classique (Hager & Belhumeur) δi = M δµ (matrice jacobienne) A = (M T M )-1 M T (pseudo-inverse) Approche proposée Recherche directe par approximation au sens des moindres carrés de la relation : δµ = A δi (modélisation par des hyper-plans).
Comparaison avec l approche classique (Jacobienne Image - Hager & Belhumeur) Utilisation d une similitude comme modèle de déformation.
Suivi d un motif planaire (déformation homographique)
Stabilisation d images routières
Stabilisation d images aériennes
Conclusion Applications possibles Indexation de bases d images pour la reconnaissance, Recalage fin d images pour la détection de changements, Suivi de déformation temporelle (site volcanique), Suivi d objets mobiles (pb. de vitesse), Etc. Développements potentiels Couplage optique/radar, Images couleurs.
Résultats issus des travaux de : Frédéric JURIE (CR CNRS) Nicolas ALLEZARD (doctorant) Florent DUCULTY (doctorant) nom@lasmea.univ-bpclermont.fr