Méthodes robustes en vision : application aux appariements visuels

par Zhong-Dan Lan

Thèse de doctorat en Informatique

Sous la direction de Roger Mohr.

Soutenue en 1997

à Grenoble INPG , en partenariat avec Laboratoire d’informatique graphique, vision et robotique (Grenoble1995-2007) (laboratoire) .

Le président du jury était James L Crowley.

Le jury était composé de Long Quan.

Les rapporteurs étaient Peter Sander, Jun Shen.

mots clés

• Sciences appliquees
• Informatique, automatique theorique, systemes
• Vision ordinateur
• Tache appariement
• Robustesse
• Precision
• Interruption partielle
• Statistique
• Deformation
• Computer vision
• Matching task
• Robustness
• Accuracy
• Partial occlusion
• Statistics
• Deformation

Résumé

Cette thèse est consacrée au problème d'appariement visuel. Les problèmes de la robustesse et la précision sont considérés. Le problème des occultations partielles est traité à l'aide de la statistique robuste. Deux méthodes sont décrites. Une basée sur la régression robuste, et une autre basée sur la localisation robuste. Des expérimentations valident ces deux méthodes. Le problème de l'appariement précise est aussi considéré. Basé sur l'hypothèse de régularité locale, le décalage local peut être estimé à l'aide d'un masque de convolution entre deux fenêtres d'images sous une translation. Pour le cas non translationnel, une estimation de déformation des fenêtres d'images est faite de manière robuste, suivi d'une estimation de décalage local. Des expérimentations valident cette méthode d'appariement précis. Appariement visuel, étant un problème majeur en vision, est loin d'être résolu. Nous espérons que ce mémoire apporte des contributions à ce problème difficile

Titre traduit

Robusts Methods in Vision : Application to Visual Matching

Résumé

This thesis is devoted to the visual correspondence problem. The robustness and precision problems are considered. The partial occlusion problem is treated using robust statistics. Two methods are introduced, one based on robust regression and the other based on robust location. Experiments validate the methods. Precise matching is also considered. Based on local linearity assumption, local translation is estimated using a convolution mask between two image windows under translation. In non translational case, we estimate robustly the image windows deformation, followed by the estimation of local translation on the deformed window. Experiments validate the method. Matching, being a major issue in vision, is still far away to be solved. We hope this report gives some contributions to this difficult problem