main concepts scientists sections
SimplePopulaireAvancé

Comment superposer deux images l'une sur l'autre ✛ ✎

Original: "Image Registration Techniques: A Survey"
· Sayan Nag
arXiv:1712.07540 · 2017-11-28 · arXiv non-exclusive · analyse indépendante · 1 min
Vision par ordinateur et reconnaissance de formes Infographie Multimédia
La fusion d'images, c'est comme trouver un langage commun entre deux photos d'un même lieu, prises différemment.

Deux photos d'un même endroit : l'une prise le matin par un drone, l'autre le soir par un satellite. Sur la première, des ombres d'arbres ; sur la seconde, des reflets sur l'eau. C'est comme deux récits d'un même événement dans des dialectes différents. La fusion d'images, c'est le traducteur qui trouve un langage commun entre ces clichés.

Le traducteur cherche des points de repère : les angles des bâtiments, les méandres des rivières. Puis il les met en correspondance, estime comment décaler ou faire pivoter une image pour qu'elle coïncide avec l'autre, et applique cette transformation. Pour des images du même type, on utilise le coefficient de corrélation (une mesure de similarité des luminosités) ; pour des types différents, l'information mutuelle (une mesure de dépendance statistique).

Avant, il n'existait pas de carte globale des méthodes. Désormais, une classification selon dix critères a vu le jour, comme un dictionnaire qui indique le meilleur traducteur pour chaque paire de dialectes.

Il n'existe pas de traducteur universel. Pour les simples décalages, les marqueurs suffisent ; pour les distorsions complexes, on utilise les réseaux de neurones et les algorithmes évolutionnaires. Mais lorsque l'image est masquée par des nuages, les points de repère se perdent, et le problème reste ouvert.

Le graphe entier →

Pour fusionner des images IRM et TEP du cerveau, on utilise souvent l'information mutuelle : elle trouve des motifs communs dans les intensités, même si une image montre l'anatomie et l'autre l'activité métabolique.

\begin{bmatrix} y_1 \\ y_2 \end{bmatrix} = \begin{bmatrix} x_1 \\ x_2 \end{bmatrix} + \begin{bmatrix} t_1 \\ t_2 \end{bmatrix}
Les nouvelles coordonnées du point sont obtenues en décalant les anciennes du vecteur de translation (t1, t2).
\begin{bmatrix} y_1 \\ y_2 \end{bmatrix} = \begin{bmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{bmatrix} \begin{bmatrix} x_1 \\ x_2 \end{bmatrix}
Les nouvelles coordonnées du point sont obtenues en faisant tourner les anciennes d'un angle θ autour de l'origine.
\begin{bmatrix} y_1 \\ y_2 \end{bmatrix} = \begin{bmatrix} s_1 & 0 \\ 0 & s_2 \end{bmatrix} \begin{bmatrix} x_1 \\ x_2 \end{bmatrix}
Les nouvelles coordonnées du point sont obtenues en multipliant les anciennes par les facteurs d'échelle s1 et s2.
Scientifiques
David DeutschErwin SchrödingerJohn Stewart BellLouis de BroglieLov GroverPaul Benioff
Notions
classification d'images imagerie en temps réel reconstruction 3D traitement numérique d'images caméra imagerie à pixel unique holographie imagerie satellite classification reconnaissance de formes taux de trames caméra infrarouge astrophotographie historique pixel technologie d'enregistrement neuronal référence microscopie optique reconnaissance vocale relevé référentiel