Académique Documents
Professionnel Documents
Culture Documents
Appariement d’image
(Image Matching)
Traitement d’Images
2021 - 2022 M. SID AHMED BERRABAH
M2 - MID514
But
2
15/10/2021
But
3
Trouver la correspondance entre les points d’intérêt dans les deux images
15/10/2021
Correspondance entre les features
5
Idée :
➢ Définir une fonction distance qui compare deux descripteurs
de PI.
➢ Évaluer cette distance entre le PI de l’image I1 et tous les PI
de l’images I2.
➢ Choisir le PI de l’image I2 avec la distance min.
15/10/2021
Correspondance entre les features
6
15/10/2021
Correspondance entre les features
7
2
d (V 1 , V 2)= (V 1i −V 2i )
√ ∑
i
15/10/2021
Correspondance entre les features
8
d (V 1 , V 2)=∑ (V 1i−V 2i )2
i
➢ Sum of Absolute Differences SAD :
d (V 1 ,V 2)=∑ |V 1i −V 2i|
i
➢ Hamming Distance (image binaires) :
Problème 1 :
15/10/2021
Correspondance entre les features
11
Problème 2 :
Problème 2 :
Problème 2 :
Un PI (p) de I1 qui trouvent deux correspondances (qc,qs) dans I2 avec des
distances inférieure au seuil. qc est le plus proche et qs le deuxième plus
proche.
➢
Regarder combien le PI de la première correspondance (avec la plus
petite distance) est meilleur que le deuxième plus proche PI. Ceci peut
être fait par le ratio de distance (Nearest Neighbor Distance Ratio NNDR):
d ( p ,q c )
0⩽ ⩽1
d ( p , qs)
➢
Si le ratio est proche de 1, cela veut dire que le descripteur du PI (p)
correspond aux descripteurs des PI qc et qs. Donc dans ce cas la
correspondance n’est pas considérée pour éviter ambiguïté.
15/10/2021
Correspondance entre les features
14
Problème 3 :
15/10/2021
Correspondance entre les features
16
Problème 4 :
15/10/2021
Applications
17
15/10/2021
Applications : Assemblage d’images
(panorama)
21
15/10/2021
Applications : Assemblage d’images
(panorama)
22
15/10/2021
Applications : Assemblage d’images
(panorama)
23
15/10/2021
Applications : Assemblage d’images
(panorama)
24
15/10/2021
Applications : Assemblage d’images
(panorama)
Applications : Assemblage d’images
(panorama)
27
15/10/2021
Applications : Assemblage d’images
(panorama)
28
15/10/2021
Transformation Projective (Homographie)
30
15/10/2021
Transformation Projective (Homographie)
31
Transformation Affine
Transformation Perspective
15/10/2021
Transformation Affine
32
15/10/2021
Transformation Affine
33
En écriture matricielle :
a 11 0 0 u a11 u
[][ ][ ] [ ]
x
y = 0 a 22 0 v = a22 v
1 0 0 1 1 1
a22
1
1 a11
1 0 a13 u u+a13
[][ ][ ] [ ]
x
y = 0 1 a23 v = v +a23
1 0 0 1 1 1
(a13 , a23)
(0 , 0)
15/10/2021
Transformation Affine : Rotation
36
[][ ][ ] [
x
y = sin(θ) cos(θ) 0 v = sin(θ)u+cos(θ) v
1 0 0 1 1 1 ]
15/10/2021
Transformation Affine : Tondage
37
1 a12 0 u u+a12 v
[][ ][ ] [ ]
x
y = a 21 1 0 v = a21 u+v
1 0 0 1 1 1
12"v
a0.5
0.39 "
a21u
15/10/2021
Transformation Affine :
38
(3/2,3/2)
(0,1) (1,1)
S T
(1/2,1/2) (1,1)
(0,0
(0,0) (1,0) (0,0)
1 /2 0 0 1 0 1
[
S= 0 1/2 0
0 0 1 ] ,
[ ]
T= 0 1 1
0 0 1
1 0 1 1/2 0 0 1/2 0 1 1 /2 0 1/2
[ ][
0 0 1 0 0 1 0 0 1][
M =TS= 0 1 1 0 1 /2 0 = 0 1/ 2 1
]
mais
[ ST = 0 1/ 2 1/2
0 0 1 ]
15/10/2021
Transformation Perspective
39
x 1 0 0 u u
[][
y = 0
1
1 0 v =
a31 a32 1 1 ][ ] [
v
a31 u+a32 v+1 =w ] 15/10/2021
Transformation Perspective
40
1 u u/ w
w [][ ]
v = v /w
w 1
15/10/2021
Transformation projective
41
[ ][ ][ ] [
x'
y ' = a 21 a 22 a 23 v = a 21 u+a22 v +a23
w a 31 a 32 a33 1 a 31 u+a32 v +a 33 ]
a11 u+a12 v +a13
x
[] [ ]
a31 u+a32 v +a33
y = a21 u+a22 v +a 23
1 a31 u+a32 v +a33
1 15/10/2021
Transformation inverse
42
15/10/2021
Transformation : Estimation
43
15/10/2021
Transformation : Estimation
44
[]
dans Z : a 12
a13
−u 1 −v 1 −1 0 0 0 u1 x 1 v1 x1 x1 a 21
0
Z= ⋮
[ 0
⋮
0 −u1 −v 1 −1 u1 y 1
⋮
−u n −v n −1 0
0 0
⋮ ⋮
0
⋮ ⋮
0 un x n
0 −un −v n −1 u n y n
v 1 y1
⋮
vn xn
vn yn
y1
⋮
xn
yn
] h= a 22
a23
a 31
a 32
a33
Calculer h par la résolution du système Z.h = 0 en utilisant la
décomposition en valeur singulière de Z = USVT
Matlab : [U, S, V]= svd(Z) ;
H = V( :, end) ; 15/10/2021
Exemple d’alignement d’image
45
15/10/2021
Transformation : Estimation
47