Discussion :

[bilzzbenzbilz]

bonjour à tous.
mon probleme est :
après la detection des points d'interêt par le detecteur de Harris dans deux images par exemple ), comment faire la correspondance entre chaque point d'interêt de la première image et le point d'interêt de la deuxième image.

[ToTo13]

Bonjour,

jète donc un coup d'oeil à l'algorithme SIFT et à tout ce qui est "Point matching".

[bilzzbenzbilz]

Bonjour, j'ai lu l'article de Law mais j'ai pas bien compris.
Si quelqu'un connais les étapes à faire bien détaillées , merci d'avance de les poster.

[Invité]

Bonjour,

J'ai pas mal travaillé dans le domaine de la mise en correspondance, donc je connais le sujet...

L'algorithme SIFT, la référence actuelle, permet de détecter des points d'intérêts et de les mettre en correspondance.
En cherchant sur le net, tu peux trouver pas mal d'implémentations.
Je veux bien te les expliquer mais c'est un peu technique, mais c'est surtout très long à implémenter (j'en ai bavé ).

Sinon, d'une manière générale, un algorithme de mise en correspondance se décompose en trois parties :
1) détection des points d'intérêts (Harris, différence de gaussiennes pour SIFT, etc...)
2) caractérisation des points d'intérêts (par exemple à chaque point d'intérêt, on associe un vecteur : valeur des pixels dans un certain voisinage, jet local (dérivées successives), etc...) ou encore un histogramme (SIFT)
3) Mise en correspondance : pour simplifier : on part d'une distance (euclidienne, mahanalobis, etc...) et on mesure les distances entre les vecteurs des points d'intérêts de l'image 1 et ceux de l'image 2). Si la distance est plus petite qu'un certain seuil qu'on fixe, alors on met en correspondance les points).

C'est pour le principe, dans la réalité, on fait des trucs plus robustes...

[bilzzbenzbilz]

Bonjour,

2) caractérisation des points d'intérêts (par exemple à chaque point d'intérêt, on associe un vecteur : valeur des pixels dans un certain voisinage, jet local (dérivées successives), etc...) ou encore un histogramme (SIFT)

c'est ça mon problemle

[pseudocode]

c'est ça mon problemle

Et bien la caractérisation consiste a trouver des informations sur un point d'intérêt autre que sa position. En étudiant le voisinage d'un point d'intérêt, on peut calculer des indicateurs statistiques (moyenne, variance), des indicateurs géométriques (gradient, moments). Par exemple, SIFT calcule les gradients des pixels dans le voisinage et construit une distribution.