Discussion :

[lastrecrue]

Je cherche à faire un algorithme de mise en coresponsable par corrélation de 2 images, les étapes de mon algorithme sont :
-extraire les points d'intérêt avec le détecteur de Harris.
-calcule de corrélation de chaque points d’intérêt de limage 1 avec les point d’intérêt de l'image 2.
-choisir les pairs qui ont la corrélation al plus élevé.
Le problème réside dans le fait est que la bonne corrélation n'implique pas nécessairement que c'est une vrais pair de points.
Je cherche des méthodes de vérification des pairs d'image.

[pseudocode]

L'idée générale est de tirer des lignes entre les 2 images (reliant les points d'interets). Si toutes les lignes sont parallèles, alors l'image B est une translation de l'image A.

Bon, voila pour l'idée générale . Apres on peut ajouter d'autres criteres: si toutes les lignes convergent vers un meme point, image B est une translation+reduction de l'image A. Ensuite, on peut tirer des "arcs de cercles" pour detecter des rotations, etc... Au final, on peut detecter les homothéties.

Mais bon, il vaut mieux commencer petit, avec les lignes parallèles. Ca fait deja un joli algo d'optimisation a coder.

[lastrecrue]

l'idée est proche de ca mais est cce que harris me donera les meme points d'interet si les 2 images sont d'un objet 3D pris de 2 angle diferent est ce que le maximum des corelation et belle et bien le meme point pour la seconde image??? pas toujours donc fodras un mecanisme de la verification des pair obtenu par corh
relation....
je cherche juste les different methode qui existe pour puvoir choisir celle qui me convient.

[pseudocode]

l'idée est proche de ca mais est cce que harris me donera les meme points d'interet si les 2 images sont d'un objet 3D pris de 2 angle diferent

Le Harris "de base" surement pas. Il faudra utiliser des algo de Harris plus sofistiqués (multi-scale + laplace).

Il faut quand meme que les 2 images aient des points communs. Si les 2 angles de vue donnent des images totalement differentes, ca ne marchera jamais . Les detecteurs cherchent de points d'interets en 2D (generalement des coins ou des bords). Il faut que ces points d'interets existent sur les 2 images.

[lastrecrue]

Le Harris "de base" surement pas. Il faudra utiliser des algo de Harris plus sofistiqués (multi-scale + laplace).

Il faut quand meme que les 2 images aient des points communs. Si les 2 angles de vue donnent des images totalement differentes, ca ne marchera jamais . Les detecteurs cherchent de points d'interets en 2D (generalement des coins ou des bords). Il faut que ces points d'interets existent sur les 2 images.

la vous voyer plus ce que je cherche, dit moi un peut plus sur ce que vous nomé comme pas harris de base, evidament les 2 angle ne doivent pas trop diferer

[pseudocode]

la vous voyer plus ce que je cherche, dit moi un peut plus sur ce que vous nomé comme pas harris de base, evidament les 2 angle ne doivent pas trop diferer

Quand je dis "pas harris de base", c'est a dire qu'il faut une methode de detection des points d'interets (POI) qui ne dépendent pas (trop) du point de vue. Le detecteur de Harris de base (determinant - lamda.trace²) recherche les "coins" des contours = les changements brusques de direction du gradient.

Je ne peux pas vous aider plus. Mes essais en reconnaissance de forme n'ayant pas donné de résultats, je n'ai pas persévéré dans cette voie.

Peut-etre google peut aider... mots clés: "Points of Interest viewpoint invariant"

[Darklingg]

Bonjour,

Je n'ai pas très bien compris ce que tu entends par "mise en correspondance de deux images".

Avec un réseau de neurone, tu peux chercher des similitudes entre plusieurs images.

En analysant différents paramètres ( plusieurs dimensions ) le réseau peut te donner une carte ( deux dimensions ) qui représente les images les plus similaires en fonction des paramètres analysés..

Voila,
Je ne sais pas si c'est ce que tu cherches ou si ça peut t'aider!

[lastrecrue]

je ne suis pas vraiment libre, vue que cette recherche est dans cadre scolaire, mais je veux bien une documentation sur les réseau de neurone pour en savoir plus, et pour répondre a ce que la corrélation c'est des statistiques qui ne donne une idée sur la ressemblance entre 2 échantillon, plus c'est prêt de 1 plus on a des chance d’avoir des échantillon qui se ressemble, le problème est que c'est une relation nécessaire mais pas suffisante donc elle suffi pas pour dire que 2 pixels ayant un grande variance en considérons leurs voisinage comme étant l'échantillon alors faudra allez plus loin.... c'est la ou réside ma question, je manque même de mot clé pour chercher sur google???

[r2d3_]

Bonjour à tous,

la façon dont je procéderais (commencer simple pour faire plus compliqué par la suite) :

1) définir le "modèle mathématique" de la transformation que je cherche
- transformation affine
http://en.wikipedia.org/wiki/Affine_transformation
- homographie
http://en.wikipedia.org/wiki/Homography
- 2D ou 3D
- ...

2) détecter des coins par Harris
http://en.wikipedia.org/wiki/Corner_detection
une version simple dans un premier temps puis plus fine si nécessaire

3) calculer des scores de corrélation (ZNCC ou SSD)
on obtient des paires de points

on peut essayer d'estimer la transformation à partir de cette ensemble de pairs

Si sur le jeux d'exemple, on voit qu'il y a beaucoup de "mauvais" appariement, on peut :

- rentre robuste l'appariement en utilisant un algo de type RANSAC pour "ignorer" les outlier :
http://en.wikipedia.org/wiki/RANSAC
- version de Harris "améliorée"
- corrélation ZNCC en subpixel. Eventuellement prise en compte de l'homographie local par un algo de minimisation.

Bref, s'il y a assez de points caractéristiques, tu peux toujours évaluer ta transformation.

Ensuite, en fonction de la précision/robustesse que tu désires, il faut trouver le bon compromis pour le temps de calcul.

Et pour bien se former an algorithmique : Cours et tutoriels : http://algo.developpez.com/cours/

Bon courage