Traitement d'images pour contrôler la signalisation et autres équipements sans chaque fois se déplacer. Indexations des 30k images pour indiquer celles qui contiennent des panneaux, etc. Reconnaissance automatique des panneaux, et où, et mesurer la taille.
Analyse de scènes routières. Photo prise d'un véhicule tous les 5 metres.
autre problématique : évaluer le dépérissement de végétaux!
Identifier les éléments caractéristiques de l'objet? → méthodes d'extraction de caractéristiques
Donner une “étiquette” à l'objet en fonction de ces caractéristique? → ressemblance, classification
Difficultés liées à l'objet : manufacturés, naturels
Sélection des pixels selon leur couleur
Prise en compte du voisinage (détection de contours…)
Regroupement en composantes connexes
Périmètre / aire: limité, dépendant facteur d'échelle
Circularité : aire / périmètre 2
Compacité = 4 pi x circularité)? 1 pour un disque
couverture : aire / aire rectangle exinscrit
Excentricité : de l'éllipse qui présente les memes moments d'ordre 2 que l'objet (0 pour un cercle, tend vers 1 pour une droite)
Autres (angles, rapport longueur largeur, …)
Propriétés
Paul Hough (1962) → détection de droites
Principe : infinité de droites passant par un point → variation angle θ
Accumulation de vote
Droite si accumulation dépasse seuil
comment déterminer ce seuil?
nombre de droites principales dans une image?
angle des droites entre elles?
direction du gradient → réduction calcul
possibilité d'identifier d'autres formes
cercles, ellipses, courbes (expression analytique simple)
transformée de Hough généralisée pour formes plus compliquées (nombre de paramètres de plus en plus important)
http://en.wikipedia.org/wiki/Hough_transform
Direction du gradient vers un pixel “vote” à une distance variable r. Accumulation des votes. Prise en compte de l'amplitude du gradient. Par rapport à Hough, pas de détection de contours.
Symétrie généralisée, transformée chinoise (Belaroussi)
Détection de panneau circulaires prend une minute!
Extension aux polygônes réguliers (Loy & Barnes, 2004)
Séléction de la composante colorimétrique
Pixels rought, bleu, jaune et blanc/noir
Problèmes : variation de luminance
séléction par la couleur - rouge RVB normalié
critère de rouge en (R,G,B) - Dutilleux et Charbonnier, 2006
r = R/(R+G+B)
R > alpha (G+B) ou R/(R+G+B)>alpha /(1+alpha)
R-max(G,B)>beta[max(G,B)-min(G-B)]
Chrominance rouge dominante → pureté du rouge
faut fixer les alpha et beta
critère de bleu : B > alpha(R+G), pas de deuxième équation avec beta car panneaux bleus tendent vers “cyan” ou “magenta”.
Utilisation de la couleur
Combinaison couleur / gémétrie
Analyse des composantes connexes à partir du masque de rouge
Reconnaissance?
Identification par corrélation
ZNCC
modèles : 8 échelles différentes
évaluation systèmatique
non-robuste aux occultations → reconnaissance robuste (Dahyot, 2001)
Zero-mean Normalized Cross Correlation