Approches robustes pour la comparaison d'images et la reconnaissance d'objets

La problématique générale de cette thèse est la comparaison d'images, que nous traitons via différentes applications. Nous proposons un système complet, robuste et automatique de reconnaissance d'objets multiples, dont la mise en œuvre repose principalement sur deux approches méthodologiques : la théorie de la décision a contrario et la théorie du transport optimal de Monge-Kantorovich. Dans ce cadre, une mesure de dissimilarité est définie pour la comparaison de descripteurs locaux de type SIFT en fonction du coût de transport optimal entre histogrammes circulaires (Circular Earth Mover's Distance). Un critère de mise en correspondance ces descripteurs s'appuyant sur la théorie de la décision a contrario est par la suite introduit. Ce critère permet de s'affranchir du réglage du seuil de détection et de la restriction usuelle au plus proche voisin. Nous proposons un algorithme de type RANSAC (RANdom SAmple Consensus) pour le groupement multiple de correspondances de descripteurs locaux. L'approche proposée permet la sélection du modèle géométrique de la transformation rigide due au changement de point de vue et au mouvement de l'objet détecté entre les différentes images. Dans le cadre du transport optimal, nous étudions par ailleurs l'intérêt de l'EMD (Earth Mover's Distance) pour la comparaison globale d'images (indexation d'images). Nous proposons enfin une méthode de régularisation de la carte de transport s'inspirant des approches par filtrage non-local, en vue d'une application au changement de contraste et au transfert de couleurs entre images.The general topic of this dissertation is the comparison of images, which is treated both as a local and a global issue via several applications. We are first interested in object recognition task based on local descriptors. We propose a complete, robust and automatic system for multiple object recognition, which relies on two methodological approaches: the a contrario detection theory and the optimal mass transport theory of Monge-Kantorovich. In the latter framework, a dissimilarity measure is introduced for the comparison of SIFT-like descriptors relying on the optimal transportation cost between circular histograms (Circular Earth Mover's Distance). A matching criterion of local descriptors based on the a contrario methodology is then introduced. This criterion, which does not require any detection threshold setting nor than the usual nearest-neighbor restriction, enables multiple correspondences between images. Moreover, we propose an algorithm based on RANSAC strategy (RANdom SAmple Consensus for the grouping of local matches which handles multiple detection. It also enables us to automatically select the best geometrical model describing the object pose modification, due for instance to the viewpoint change between several images. In addition, we study the interest of the EMD (Earth Mover's Distance) for global comparison of images (image retrieval). Eventually, a regularization approach for the transportation map is proposed, inspired from the non-local filters, in the context of characteristics transfer between images by histogram specification. We show the interest of this approach for contrast modification and color transfer applications.PARIS-Télécom ParisTech (751132302) / SudocSudocFranceF