implemention of modern features detection and matching algorithms

Abstract

In computer vision applications, key points-based features are important and frequently used in image processing algorithms. Several techniques were developed in literatures for features detection and matching, and each approach has some advantages and drawbacks. Harris corner detector is widely used in different engineering algorithms, and then comes SIFT (Scale Invariant Feature Transform) and SURF (Speeded-Up Robust Features) to overcome disadvantages of large-scale variation associated with Harris algorithm. Features matching techniques are of two important categories: one based on correlation and other based on descriptors. In this work, we propose the implementation of various key points’ detection and matching techniques on MATLAB Interface, the implemented graphical interface is easy to use for any users and does not require any learning. We have tested our implementation on different scenes of images, and we have done some discussions and conclusions

Dans les applications de vision par ordinateur, les primitives basées sur des points clés sont importantes et fréquemment utilisées dans les algorithmes de traitement d'image. Plusieurs techniques ont été développées dans les littératures pour la détection et l'association de primitives, et chaque approche présente certains avantages et inconvénients. Le détecteur de coin Harris est largement utilisé dans différents algorithmes d'ingénierie, puis vient SIFT (Scale Invariant Feature Transform) et SURF (Speeded-Up Robust Features) pour surmonter les inconvénients de la variation à grande échelle associée à l'algorithme de Harris. Les techniques de mise en correspondance des points clés appartiennent à deux catégories importantes ; l'un basé sur la corrélation et l'autre basé sur des descripteurs. Dans ce travail, nous proposons la mise en oeuvre de différentes techniques de détection et de mise en correspondance de points clés sur Interface Matlab, l’interface graphique implémentée est facile à utiliser pour tous les utilisateurs et ne nécessite aucun apprentissage. Nous avons testé notre implémentation sur différentes scènes d'images et nous avons fait quelques discussions et conclusions.