Résumé:
De nos jours les méthodes de vision par ordinateur sont utilisées dans de nombreuses
applications telles que la vidéo-surveillance, l'aide à la conduite ou la reconstruction 3D par exemple.
Ces différentes applications s'appuient généralement sur des procédés de
reconnaissance de formes. Pour ce faire, l'image est analysée afin d'en extraire des primitives (contours, fonctions d'intensité ou modèle morphologiques).
Les méthodes les plus courantes s'appuient sur l'utilisation de points d'intérét
représentant une discontinuité des niveaux de gris caractérisant un coin dans une image Afin de mettre une correspondance un ensemble de points d'une image à une autre, une description locale est utilisée. Elle permet d'extraire l'information du voisinage de chaque point valeurs des pixels, des intensités lumineuses, des gradients).
Les travaux de recherche présentés dans ce mémoire ont pour objectif de metffe en
euvre différents outils de détection, description et mise en correspondance de points d'intérét
Dans un premier temps, nous ddcrirons les différentes méthodes de reconnaissance
d'objets qui existe, ainsi que les étapes de ce processus et les diffécultes que rencontre la
reconnaissance d'objets tel que : le point de vue, l'éclairage...etc'
Nous ddtaillons par la suite les mdthodes utilisdes dans notre application. L'extraction des
primitifs repose sur l'utilisation des descripteurs SIFT ou SURF, aussi sur les motifs locaux (LTP et LBP). Les motifs locaux sont calculés seulement pour les régions autour du point détecté par SIFT/ SURF
La classification est basée sur l'algorithme de vote ou sur l'algorithme K-ppv.
Mots Clés: Reconnaissance d'objets, Méthodes de reconnaissance d'objets, Descripteurs SIFT et SURF
