Caractéristiques d’image distinctives à partir de points-clés invariantes à l’échelle

Cet article présente une méthode permettant d’extraire des caractéristiques distinctives invariantes à partir d’images, pouvant être utilisées pour effectuer un appariement fiable entre différentes vues d’un même objet ou d’une scène. Ces caractéristiques sont invariantes par rapport à l’échelle et à la rotation de l’image, et sont démontrées comme offrant un appariement robuste sur une large gamme de distorsions affines, de variations de point de vue en 3D, d’ajout de bruit et de changements d’éclairage. Les caractéristiques sont hautement distinctives, au sens où une seule caractéristique peut être correctement appariée avec une forte probabilité contre une base de données étendue comprenant des caractéristiques issues de nombreuses images. Cet article décrit également une approche fondée sur ces caractéristiques pour la reconnaissance d’objets. Le processus de reconnaissance consiste à appairer individuellement les caractéristiques avec une base de données de caractéristiques provenant d’objets connus, en utilisant un algorithme rapide de plus proche voisin, suivi d’une transformation de Hough pour identifier les groupes de caractéristiques appartenant à un même objet, puis une vérification par résolution au moindres carrés afin d’obtenir des paramètres de pose cohérents. Cette méthode de reconnaissance permet d’identifier de manière robuste des objets en présence de surcharge (clutter) et d’occlusion, tout en atteignant des performances proches du temps réel.