Nouvelles approches de la mise en correspondance denses des images basées sur la propagation locale

Abstract

La mise en correspondance stéréoscopique consiste à trouver dans deux images d’une même scène, prises à des positions différentes, les couples de pixels qui sont les projections d’un même point de la scène 3D. Cette opération est essentielle pour réussir la qualité d’appariement qui est à son tour indispensable pour plusieurs applications dans le domaine de la vision par ordinateur : reconstruction 3D, reconnaissance des formes, navigation automatique des voitures, etc. Il y a plusieurs méthodes pour réaliser la mise en correspondance entre deux images, et elles sont regroupées en deux catégories : méthodes locales et méthodes globales.Néanmoins, plusieurs difficultés peuvent limiter le fonctionnement de ces méthodes car elles rendent leurs tâche très difficile à trouver des correspondances correctes,à savoir qu’elles sont classées en deux types d’obstacles : celles qui dépendent du contenu des images à correspondre comme par exemple les raccourcissements, les zones uniformes et les occultations, d’une part, etd’autre part, celles qui sont techniques comme par exemple le bruit, les changements de luminosité. Et pour cela nous avons essayé de proposer des approches qui surmontent ces problèmes. Premièrement, nous avons proposé un algorithme d'appariement dense. Des points d'intérêt sont d'abord appariés puis servent à diviser les images (gauche et droite) en régions de Voronoï. Une région de Voronoï gauche se correspond avec son homologue droite, si les deux régions vérifient un ensemble de critères. Les points des régions de Voronoï qui se correspondent, serviront de nouveaux germes pour la prochaine itération. L'originalité de notre approche réside dans la stratégie de segmentation de l'image à base de distance entre pixels et non pas à base d'intensité (couleur). Deuxièmement, nous avons proposé une généralisation du principe de propagation pour traiter des images d’ordre général c’est-à-dire qui ne sont pas forcément stéréoscopiques et qui peuvent être aussi de différentes échelles. Le principe de notre méthode de propagation est guidé par des contraintes géométriques après l’élimination de la différence d’échelle, ce qui permet de se propager dans les régions les plus sûres afin d’éviter la détection et l’acceptation des faux appariements. Le processus de propagation est répété jusqu’à l’obtention de tous les correspondants possibles entre les deux images.