Indexation à l'aide de points d'intérêt invariants à l'échelle
Résumé
Cet article propose une méthode innovante de détection de points d'intérêt invariants aux changements d'échelle. La méthode est basée sur deux résultats utilisant l'espace d'échelle : 1) Les points d'intérêt peuvent être adaptés à l'échelle et donnent des résultats répétables (géométriquement stables).2) Les extrema locaux de dérivées normalisées à l'échelle indiquent la présence de structures locales caractéristiques. D'abord, on extrait des points d'intérêt à plusieurs échelles avec le détecteur de Harris. Ensuite on sélectionne les points où la mesure locale (Laplacien) donne une réponse maximale dans l'espace d'échelle. Ceci permet de choisir un ensemble de points discriminants pour lesquels les échelles locales sont connues. Ces points sont invariants aux changements d'échelle, à la rotation et à la translation. Ces points détectés permettent d'indexer des images ayant subi une rotation, une translation et un changement d'échelle important. Les images sont caractérisées par un ensemble de points. L'échelle associée à chaque point permet de calculer des descripteurs invariants aux changements d'échelle. Les résultats expérimentaux pour l'indexation montrent une excellente performance de la méthode jusqu'à un facteur d'échelle de 4.5 pour une base de 800 images.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...