Thèse soutenue

FR
Auteur / Autrice : Narut Soontranon
Direction : Marc Pierrot-DeseillignyEl Mustapha Mouaddib
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance en 2013
Etablissement(s) : Amiens
Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
Partenaire(s) de recherche : Laboratoire : Laboratoire Méthodes d'Analyses pour le Traitement d'Images et la Stéréorestitution (Saint-Mandé, Val de Marne) - Modélisation, Information et Systèmes (Amiens ; 2008-....)
Jury : Président / Présidente : Claude Pégard
Examinateurs / Examinatrices : Marc Pierrot-Deseilligny, El Mustapha Mouaddib, David Fofi, João Araujo Ribeiro, Pascal Monasse
Rapporteurs / Rapporteuses : David Fofi, João Araujo Ribeiro

Résumé

FR  |  
EN

Le travail présenté dans cette thèse s'intéresse à l'extraction de points homologues entre images acquises de points de vue différents qui est une étape préliminaire indispensable dans de nombreuses applications, particulièrement la reconstruction 3D. Les algorithmes existants sont très efficaces sur des images lorsque les points de vue sont suffisamment proches mais, au-delà d'un certain seuil, leurs performances peuvent baisser de manière drastique. Nous nous intéressons aux cas où, en plus de la radiométrie, on peut associer à chaque pixel une information de profondeur, celle-ci peut venir de différents systèmes (LIDAR, caméra RGB-D, appareil photographique plénoptique). Notre démarche est d'utiliser cette information pour résoudre les problèmes de distorsion entre points de vue qui rendent inopérantes les méthodes n'utilisant que la radiométrie. Une première approche traite les scènes de surface plane (environnements urbains, architectures modernes) en redressant ladite surface orthogonalement. Une seconde approche s'applique aux scènes 3D plus complexes (collections de musées, sculptures) ; nous nous appuyons sur les projections cartographiques conformes. Pour ces deux schémas, notre contribution permet d'améliorer sensiblement la détection des points homologues, aussi bien au niveau de leur quantité que de leur répartition (en comparant avec les algorithmes: SIFT, MSER et ASIFT). Les résultats de comparaison montrent que les points homologues obtenus avec nos approches sont nombreux et bien répartis dans les images