Utilisateur:EyedMoon/Brouillon/Appariement de modèle
L'appariement de modèle est une technique de traitement d'image numérique dont le but est de retrouver de petites parties de l'image correspondant à un modèle donné[1]. Il peut être utilisé dans la mise en place de contrôles de qualité[2], de systèmes de navigation de robots mobiles[3] ou comme un moyen de détecter les contours dans les images[4].
Approches
[modifier | modifier le code]Il existe deux approches à l'appariement de modèles, fondées sur des propriétés différentes des objets à mettre en correspondance.
Approche fondée sur les caractéristiques
[modifier | modifier le code]L'approche par caractéristiques consiste à mettre en correspondance un modèles de caractéristiques et une carte de caractéristiques ou feature map calculée sur l'ensemble de l'image.
Exemple : On crée un modèle d'objet caractérisé par des gradients de couleur, des caractéristiques de texture (etc) calculés sur un ensemble de visages humains. Cette base de filtres est notre modèle de visage. Lors de l'analyse d'une image, on calcule le filtrage de celle-ci par la banque de filtres. Les zones de l'image dont les réponses sont similaires au modèle de visage peuvent donc être interprétées automatiquement comme des visages correspondant au modèle crée auparavant. A REECRIRE CORRECTEMENT
Les méthodes d'appareillement par caractéristiques sont performantes lorsque les images peuvent être transformées en carte de caractéristiques SIMPLEMENT/AISEMENT.
Approche fondée sur les modèles ou gabarits
[modifier | modifier le code]L'approche par modèle (le template) est une approche plus directe
méthode de matching : correlation, correlation de phase
Suivi de mouvement et gestion de l'occlusion
[modifier | modifier le code]Modèles déformables dans le calcul d'anatomie
[modifier | modifier le code]Corrélation croisée et somme des différences absolues pour l'appariement de modèle
[modifier | modifier le code]Implémentation
[modifier | modifier le code]Accélérer le processus
[modifier | modifier le code]Amélioration de la précision de l'appariement
[modifier | modifier le code]Méthodes similaires
[modifier | modifier le code]Exemples d'utilisation
[modifier | modifier le code]Voir aussi
[modifier | modifier le code]Références
[modifier | modifier le code]- R. Brunelli, Template Matching Techniques in Computer Vision: Theory and Practice, Wiley, (ISBN 978-0-470-51706-2), 2009 ([1] TM book)
- Aksoy, M. S., O. Torkul, and I. H. Cedimoglu. "An industrial visual inspection system that uses inductive learning." Journal of Intelligent Manufacturing 15.4 (August 2004): 569(6). Expanded Academic ASAP. Thomson Gale.
- Kyriacou, Theocharis, Guido Bugmann, and Stanislao Lauria. "Vision-based urban navigation procedures for verbally instructed robots." Robotics and Autonomous Systems 51.1 (April 30, 2005): 69-80. Expanded Academic ASAP. Thomson Gale.
- WANG, CHING YANG, Ph.D. "EDGE DETECTION USING TEMPLATE MATCHING (IMAGE PROCESSING, THRESHOLD LOGIC, ANALYSIS, FILTERS)". Duke University, 1985, 288 pages; AAT 8523046
[[Catégorie:Traitement d'image]]