contribution à la reconnaissance des objets 3d

Abstract

Actuellement la vision par ordinateurs, l’archivage et la recherche dans les bases de modèles 3D sont des domaines de recherches très actifs. Plus particulièrement, la recherche d’informations par le contenu est un axe très intéressant et ne cesse de se développer. Néanmoins, il reste toujours des pistes à creuser et ainsi des axes à perfectionner. Dans ce contexte, notre objectif est de reconnaitre un objet 3D donné dans une base de donnée, à partir d’une base d’apprentissage contenant quelques vues de cet objet ou bien des objets 3D de forme libre. Notre idée est de formuler une méthodologie locale qui combine les aspects des approches existantes et apporte une amélioration sur la performance de la reconnaissance. Dans cette thèse, deux types d’approches ont été étudiées : l’approche 2D/3D et l’approche 3D/3D. La première partie de la thèse a été consacrée à l’étude des descripteurs de forme 2D, à savoir, le Moment de Zernike qui est robuste dans la description des images (en particulier les images couleurs), et le descripteur Centrist. Nous avons combiné ces deux descripteurs classiques afin d’augmenter le taux de reconnaissance des objets. En plus, nous avons proposé une approche d’indexation 2D/3D, qui permet de définir un objet 3D à partir d’une image 2D. Cette méthode permet de comparer directement l’image requête à l’objet 3D et s’adapte idéalement à la requête. Concernant la technique de comparaison suivie, elle se base sur la représentation matricielle des vues de l’objet, permettant ainsi d’extraire les caractéristiques et de mettre en place une recherche de la vue requête dans la base traitée. La deuxième partie de la thèse présente à la fois la théorie et la pratique des approches 3D/3D basées sur le calcul numérique des distances géodésiques sur les variétés riemanniennes. Cette distance géodésique répond à une équation différentielle non linéaire, l'équation Eikonale. Nous avons proposé deux nouvelles approches, la première se base sur la distance géodésique pour calculer la distance minimale entre deux points de deux objets 3D différents. L’autre approche utilise l’équation de la chaleur à la place de l’équation d’Eikonale, tout en préservant le processus de minimisation de la distance. L’idée derrière cette proposition est 3 d’utiliser une équation linéaire facile à résoudre avec les mêmes propriétés que celle de l’équation Eikonale. Les résultats obtenus sont satisfaisants surtout au niveau du temps de calcul. Nous illustrons les résultats expérimentaux obtenus des approches proposées à l’aide des méthodes de classification les plus connus à savoir les réseaux de Neurones, SVM multi-classes, les arbres de décision telles que (C4.5, Random Forest) et les k plus proches voisins.