Reconnaissance d'objets utilisant des histogrammes multidimensionnels de champs réceptifs. (Object Recognition using Multidimensional Receptive Field Histograms)

Au cours des dernieres annees, l'interet pour des algorithmes de reconnaissance fondes sur l'apparence a considerablement augmente. Ces algorithmes utilisent directement des informations d'images. A partir des images d'objets ces approches construisent des "modeles fondes sur l'apparence", car chaque image representee correspond a une apparence particuliere d'un objet. La fiabilite, la vitesse et le taux de reconnaissance eleve de ces techniques en constituent les interets majeurs. Le succes de ces methodes est considerable pour la reconnaissance de visages, dans le contexte de l'interface homme-machine et pour l'acces a des bases d'images par leurs contenus. Cette these propose une technique ou les objets sont representes par des statistiques sur des operateurs locaux et robustes. On veut montrer qu'une telle representation fondee sur l'apparence est fiable et extremement discriminante pour la reconnaissance d'objets. La motivation initiale de cette etude etait la reconnaissance rapide d'objets par la methode des histogrammes de couleurs. Cette methode utilise les statistiques de couleurs comme modele d'objets. La premiere partie de la these generalise cette approche en modelisant des objets par les statistiques de leurs caracteristiques locales. La technique generalisee - que l'on appelle "histogrammes multidimensionnels de champs" receptifs - permet de discriminer un grand nombre d'objets. Les faiblesses de cette approche sont liees aux "defis des modeles fondes sur l'apparence". Ces defis concernent la reconnaissance en presence d'occultation partielle, la reconnaissance d'objets 3D a partir des images 2D et la classification d'objets comme generalisation en dehors de la base d'objets. La deuxieme partie de la these examine chacun de ces defis et propose une extension appropriee de notre technique. L'interet principal de cette these est le developpement d'un modele de representation d'objets qui utilise les statistiques de vecteurs de champs receptifs. Plusieurs algorithmes de l'identification et aussi de la classification d'objets sont proposes. En particulier, un algorithme probabiliste est defini : il ne depend pas de la correspondance entre les images de test et les objets de la base de donnees. Des experiences obtiennent des taux de reconnaissance eleves en utilisant le modele de representation propose. dans un etat de l'art on decrit brievement des techniques qui ont etes sources d'inspiration : des techniques de histogrammes de couleurs, des algorithmes de reconnaissance fondee sur des descripteurs locaux et des approches de la representation et reconnaissance statistique d'objet. Afin de generaliser la technique de la comparaison d'histogrammes de couleurs, des descripteurs locaux sont discutes. Differentes techniques de comparaison d'histogrammes sont proposees et leur robustesse par rapport au bruit et au changement de l'intensite d'eclairage est analysee. Dans des experimentations de l'identification d'une centaine d'objets les differents degres de liberte de la reconnaissance d'objets sont consideres : changements d'echelle et de la rotation d'image, variations du point de vue et occultation partielle. Un algorithme probabiliste est propose, qui ne depend pas de la correspondance entre les images de test et les objets de la base de donnees. Des experiences obtiennent des taux de reconnaissance eleves en utilisant seulement une petite partie visible d'objet. Enfin une extension de cet algorithme fondee sur une table de hachage dynamique est proposee pour la reconnaissance de plusieurs objets dans les scenes complexes. Deux algorithmes actifs de reconnaissance d'objets sont proposes. Un algorithme calcule des regions d'interet pour le controle de fixation d'une camera en 2D. Le deuxieme algorithme propose la planification de points de vue pour la reconnaissance des objets 3D a partir des apparence d'objets en 2D. Un dernier chapitre propose le concept des classes visuelles definis par des similarites d'objets comme cadre general pour la classification d'objets. Une technique selon le maximum de vraisemblance est propose pour la reconnaissance des classes visuelles et appliquee pour obtenir des images visuellement similaire d'une base d'images.