Académique Documents
Professionnel Documents
Culture Documents
CARACTERISTIQUES
Réalisé par Mme S. BOUKERRAM
2 INTRODUCTION
Les indices visuels (primitives) sont des objets extraits de l'image qui contiennent
de manière concise une information importante, pour son analyse.
En général, ces indices sont soit
des contours, soit des régions de l'image.
contours et régions sont complémentaires car on définit qualitativement les
régions comme les zones de l'image homogènes, au sens d'un certain critère,
tandis que les contours sont les zones de transitions entre des régions
homogènes.
La détection des contours n’est pas suffisante pour exécuter les traitements de
haut niveau. Il est nécessaire d’extraire de ces contours, des primitives
géométriques qui pourront être facilement encodées et interprétables dans la
suite du traitement
S. Boukerram
EXTRACTION des CARACTERITIQUES
3
S. Boukerram
4 PROPRIETES DES PRIMITIVES
Les propriétés requises par les indices visuels dépendent de l'application et sont en
général un sous-ensemble de la liste ci-dessous:
Compactes : la représentation de l'image doit être aussi concise que possible pour
réduire la complexité des algorithmes ultérieurs.
Intrinsèques : les indices visuels doivent correspondre à la projection dans l'image
d'objets physiques; en particulier, ils doivent être invariants par changement de point
de vue.
Robustes : la représentation doit être peu sensible aux petites variations d'intensité
dans l'image, provoquées par des bruits divers tels que ceux liés à l'acquisition, la
digitalisation, etc…
Discriminantes : les indices visuels doivent posséder des propriétés qui permettent de
les discriminer, afin de faciliter la mise en correspondance entre deux descriptions
(pour la reconstruction tridimensionnelle ou pour l'appariement avec un modèle).
Précises : la position des indices visuels doit pouvoir se calculer avec précision car la
qualité de la localisation des objets physiques en dépend.
Denses : la densité des indices visuels doit être suffisante pour représenter tous les
objets intéressants de la scène.
S. Boukerram
5 EXTRACTION des CARACTERITIQUES
Les caractéristiques peuvent être extraites sur:
- la forme elle-même
- le squelette
- le contours
Les points caractéristiques se définissent, en général, à partir des contours. Ils
comprennent les extrémités de lignes et les points de forte courbure.
Ces points sont exploités pour la fermeture de contours et l'élaboration de
contours virtuels. Ils constituent aussi des points de focalisation de l'attention en
interprétation d'images.
S. Boukerram
6 CARACTERISTIQUES
On peut classer ces traits :
Caractéristiques topologiques : nombre de trous dans la composante connexe
déterminée.
Caractéristiques fonctionnelles : l’image est décrite par des développements
analytiques tels que les Transformations Orthogonales (cosinus, sinus .. ), Moments
polaires et rectangulaires.
Caractéristiques géométriques :
Coordonnées des points de l’objet : surface, périmètre,
Paramètres de position : barycentre, centre de gravité du contour
Paramètres d’orientation : direction des axes d’inertie, direction des
diagonales
Facteur de compacité/Rapport de finesse/ Irrégularité
S. Boukerram
7
S. Boukerram
8 METHODES D’EXTRACTION
S. Boukerram
10 SQUELETTES
S. Boukerram
11
CONCLUSION
Représentation Squelettes.
Squelettisation
Résultat : Graphe Avantages - Bonne approximation des axes
médians.
- Invariantes au changement
d’orientation
-Sensibles au bruit.
S. Boukerram
12 POINTS D’INTERETS
Les points d’intérêt sont définis comme étant des points qui possèdent des caractéristiques qui
permettent de les distinguer des autres points de l’image comme par exemple un point à fort contraste,
les coins.
S. Boukerram
13
L’IDEE
considérer le voisinage d’un pixel (une fenêtre) et de déterminer les
changements moyens de l’intensité dans ce voisinage
S. Boukerram
15 Méthodes
S. Boukerram
16 Exemples : Détection de coins
S. Boukerram
17 Extraction des formes Structurelles
S. Boukerram
18 La méthode de Hough : principe
pour tous les couples de points, on cherche la
droite (a,b) qui passe par ces points
Y1 = aX1 + b
Y2 = aX2+b
On compte le nombre de couples (a,b)
obtenus
On conserve les maximaux
S. Boukerram
19 Principe de la transformée de Hough:
S. Boukerram
20
S. Boukerram
21
S. Boukerram
22 Détection de cercles
S. Boukerram
24
S. Boukerram
25
S. Boukerram
26
CONCLUSION
TRANSFORMEE de HOUGH Représentation Squelette/Contour
S. Boukerram
27 Méthodes basées sur la décomposition en
plages
S. Boukerram
28
S. Boukerram
29 CONCLUSION
Représentation Squelette/Contour
Méthode
Graphe
Décomposition en plages
Résultat Avantages Bonne détection des jonctions et des
Graphe/arbre lignes.
Représentation topologiquement riche.
Faible complexité.
S. Boukerram
30 UTILISATION DE MASQUES
Droites aléatoires
S. Boukerram
33
• La texture est la répartition spatiale de motifs • aspect anarchique tout en restant globalement
élémentaires de base dans différentes directions de homogènes.
l’espace suivant une certaine règle de placement • On ne peut pas en extraire de motifs de base se
• méthodes d’analyse dites structurelles répétant spatialement
• l’image texturée I (.) est considérée comme étant
un processus aléatoire bidimensionnel.
• Méthodes statistiques
La texture est une propriété inhérente aux surfaces ou aux régions d’image.
Elle décrit la distribution et les relations entre pixels appartenant à ces régions
S. Boukerram
34 Problèmes
Pas de modèle mathématique général pour décrire les configurations d’un
voisinage.
Il n’existe pas de distance entre deux textures différentes.
Les propriétés d’une texture sont très liées à l’échelle de l’image
S. Boukerram
36 Matrice des co-occurrences
Principe
On choisit un ensemble de configurations spatiales Pour chaque configuration et dans toute l’image, on
définissant les positions relativ es des deux pixels d’une compte le nombre de fois que les niv eaux de gris de la
paire (ex : en dessus, au dessous, etc.) paire de pixels prennent des v aleurs prédéterminées.
Calcul
S. Boukerram
37 EXEMPLES
S. Boukerram
38 Exemple
Cas traité dans l’exemple
8 niveaux de gris, codés entre 0 et 7 (3 bits)
Configuration dx = 2 et dy = 1
Image de taille 6 x 6
S. Boukerram
39 Attributs d’Haralick
S. Boukerram
Energie Homogéniété Il atteint de fortes valeurs
𝑓1 = 𝑀2 𝑢, 𝑣 lorsque la distribution des
40 𝑢,𝑣 niveaux de gris est
constante ou de forme
périodique
Homogénéité 𝑓3 = 1
𝑢,𝑣 1+(𝑢−𝑣)2 M(u,v)
Homogénéité Indique lsi les NG sont
similaires ou non
(Similarités locales)
S. Boukerram
0 Mesure 1
Image Contraste Intensité
42 constante aléatoire
Image aléatoire Energie Image
constante
S. Boukerram
43 Exemple
S. Boukerram
44
Des algorithmes d'analyse de texture sont appliqués à une image en utilisant une
série de fenêtres de taille w, chacune centrée sur un pixel (i,j)
la valeur de la mesure statistique résultante est affectée à la position (i,j) (au
nouveau pixel)
S. Boukerram
45
S. Boukerram
46
S. Boukerram
49 Conclusion
S. Boukerram
CONCLUSION
51
Conclusion
0 1 1 2
S. Boukerram
53
S. Boukerram
54 objectif
S. Boukerram