mise en correspondance entre points d'interêt des images

**bilzzbenzbilz** · 24/01/2009, 17h01

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** · 24/01/2009, 20h40

Bonjour,

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

**bilzzbenzbilz** · 24/01/2009, 21h49

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 · 05/02/2009, 19h17

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** · 08/02/2009, 11h18

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** · 08/02/2009, 20h15

Envoyé par bilzzbenzbilz

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.

Invité · 09/02/2009, 13h04

bilzzbenzbilz,

Je réponds à ton message privé sur le forum pour que tout le monde puisse en profiter.
Il n'est pas très dur de trouver des implémentations de SIFT : google est ton ami. Une recherche toute simple : sift implementation donne le résultat attendu.
Allez, un petit lien au passage : http://people.csail.mit.edu/albert/l...ations_of_SIFT

Pour la détection de points d'intérêts, il faut faire très intérêt à ce que l'on cherche à faire !
Le détecteur de Harris est un détecteur de coin et il n'est pas multi échelle, ce qui signifie que si t'essayes de mettre en correspondance deux images, dont l'une est un zoom de l'autre, ça ne marchera pas. Si tu cherches un détecteur multi-échelle, il y a notamment des méthodes basées sur Harris : Harris-Laplace ou Harris-Hessien par exemple.
SIFT basé sur les dog est aussi un détecteur multi-échelle.

Idem, pour la description des points d'intérêts : il faut se poser les questions suivantes :
- est-ce que mes images changent d'échelle ?
- est qu'il y a des rotations ?
- des occlusions partielles ?
- etc...

Le descripteur SIFT est très puissant mais ça sert à rien de sortir un bazooka pour écraser une mouche.
Avant d'utiliser les outils, demande toi ce que tu veux faire et prends l'outil le plus adapté.

**tayeb1** · 26/10/2010, 13h04

Bonjour à tous,

Je viens de voir la discussions, Je voudrais avoir quelques informations :

Premièrement, pour la mise en correspondance, j'ai pas trop compris l'histoire de la distance entre le voisin le plus proche et le deuxieme voisin le plus proche (nearest neighbors/ second nearest neighbors) pour le SIFT.

Deuxièmement je voudrais savoir en quoi elle est plus intéressante que la méthode du voisin le plus proche (utilise avec le SURF).

et Finallement si vous aviez à comparer des images watermarked' avec des originaux, quel type d'algorithme pensez vous être les plus utiles pour les comparer ?

merci d'avance.

**moulzo** · 09/05/2011, 21h44

Envoyé par pseudocode

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.

j'ai un objet avec des LEDs infra rouge placés dessus.deux images prises par deux caméras sur lequel on a placé des filtres optique pour virer tout ce qui est visible.
Dc j'obtiens deux images ou on ne voit que les points correspondant au LED.

Dans ce cas précis je suppose que les méthodes de caractérisations que vous avez cité ne fonctionneront pas car les voisinage des pixel correspondant au LED sont presque identique

Existe t il une méthode particulière pour caractériser les pixels correspondant au LED en dehors de leur position dans ce cas precis?

**moulzo** · 10/05/2011, 16h18

Quel est le descripteur le mieux adapté à ce type d'image pour caracteriser les points(avec moins de marqueurs....une dizaine tout au plus) ?

**pseudocode** · 10/05/2011, 17h14

Hum... pas évident de trouver un bon descripteurs de "sparse points".

Vu tes images, je suppose que la grosseur des points est un indicateur de la distance à la caméra. On peut déjà utiliser cela pour faire de la segmentation en groupes.

Sinon, pour les "sparse points", je pense qu'il faut un descripteur qui reflète la géométrie de l'ensemble : quelque chose basé sur delaunay, ou sur la densité locale.