Evanthia Mavridou - Robust Image Description with Laplacian Profile and Radial Fourier Transform

09:00
Tuesday
25
Nov
2014
Organized by: 
Evanthia Mavridou
Speaker: 
Evanthia Mavridou

Lieu de soutenance : INRIA Grenoble - Amphithéâtre F107

 

Jury :

  • M. Edmond Boyer, Director of Research, INRIA Grenoble Rhône-Alpes, président
  • M. Frederic Jurie, Professor, University of Caen, rapporteur
  • M. Antonis A. Argyros, Professor, University of Crete, rapporteur
  • Mme Yanxi Liu, Professor, Penn State University, examinateur
  • M. James L. Crowley, Professor, Institut Polytechnique de Grenoble, directeur de thèse
  • M. Augustin Lux, Professor, Institut Polytechnique de Grenoble, codirecteur de thèse
 

L’objectif de cette thèse est l’étude d’un descripteur d’images adapté à une, grande variété d’applications. Nous cherchons à obtenir un descripteur ro-, buste et discriminant, facile à adapter et peu coûteux en calcul et en mémoire., Nous définissons un nouveau descripteur, composé de valeurs du Laplacien, à différentes échelles et de valeurs d’une transformée de Fourier radiale, cal-, culées à partir d’une pyramide Gaussienne. Ce descripteur capture une infor-, mation de forme multi-échelle autour d’un point de l’image. L’expérimentation, a montré que malgré une taille mémoire réduite les performances en robustesse, et en pouvoir discriminant de ce descripteur sont à la heuteur de l’état de l’art., Nous avons expérimenté ce descripteur avec trois types de tâches différentes., Le premier type de tâche est la mise en correspondance de points-clés avec, des images transformées par rotation, changement d’échelle, floutage, codage, JPEG, changement de point de vue, ou changement d’éclairage. Nous mon-, trons que la performance de notre descripteur est au niveau des meilleurs, descripteurs connus dans l’état de l’art. Le deuxième type de tâche est la, détection de formes. Nous avons utilisé le descripteur pour la création de, deux détecteurs de personnes, construits avec Adaboost. Comparé à un dé-, tecteur semblable construit avec des histogrammes de gradients (HOG) nos, détecteurs sont très compétitifs tout en utilisant des descripteurs sensiblement, plus compacts. Le dernier type de tâche est la détection de symétries de réflex-, ion dans des images "du monde réel". Nous proposons une technique de dé-, tection d’axes potentiels de symétries en miroir. Avec cette tâche nous mon-, trons que notre descripteur peut être genéralisé à des situations complexes., L’expérimentation montre que cette méthode est robuste et discriminante, tout, en conservant un faible coût en calcul et en mémoire.

Mots-clés : description multi-échelle, pyramide Gaussienne, Profil Laplacien, Transformée de Fourier radial, description compacte d’image.