Graphs and Binary Linear Programming for Natural Object Modeling in Computer Vision ; Graphes et programmation linéaire binaire pour la modélisation d'objets naturels en vision par ordinateur
Titel:
Graphs and Binary Linear Programming for Natural Object Modeling in Computer Vision ; Graphes et programmation linéaire binaire pour la modélisation d'objets naturels en vision par ordinateur
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Dans le monde numérique, les formes bidimensionnelles (2D) et tridimensionnelles (3D) sont importantes pour représenter les objets réels. Leurs applications couvrent un large éventail de domaines, notamment la médecine, l'ingénierie, la sécurité, etc. Considérant l'aspect que les modèles 2D et 3D sont très répandus et parce que les graphes sont de puissants outils de modélisation mathématique utilisés dans une variété de domaines informatiques. Nous cherchons à représenter nos données d'entrée sous forme de graphes afin de bénéficier d'une représentation hautement significative. Dans cette thèse, nous menons deux parties. La première partie était liée aux modèles 3D, où nous avons abordé le problème de la recherche d'une correspondance biunivoque supérieure entre les modèles 3D afin d'obtenir une correspondance et une récupération optimales. Pour ce faire, nous détectons les points caractéristiques à l'aide du célèbre détecteur 3D de Harris, puis nous proposons une combinaison de descripteurs de forme locaux pour former un vecteur de caractéristiques compact pour les points clés extraits, qui consiste en une courbure gaussienne, un indice de courbure et un indice de forme. Nous modélisons ensuite le problème de correspondance comme un problème d'optimisation combinatoire résolu à l'aide d'une approche de force brute et d'un algorithme hongrois, en comparant leur efficacité.Nos résultats sont encourageants : malgré les transformations affines entre les modèles, nos descripteurs sont capables de réaliser une correspondance efficace. Dans le même cadre de travail avec ces modèles 3D, nous avons utilisé un poids gaussien pour représenter notre graphe pondéré et utiliser la programmation linéaire binaire pour segmenter nos mailles en régions, où nous tendons à maximiser la modularité entre les sommets, ces régions sont représentées par un seul point pour chacune, ce qui aboutit à un problème de correspondance de graphe entre les modèles, traité comme un problème d'optimisation combinatoire. Dans ce travail spécial, ...