Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
SIFT (Scale-Invariant Feature Transform)
Algorithme de détection et de description de points d'intérêt invariant à l'échelle et à la rotation, utilisant des espaces multi-échelles et des descripteurs basés sur les histogrammes d'orientation.
SURF (Speeded Up Robust Features)
Méthode de détection de caractéristiques accélérée utilisant des approximations de boîtes pour le calcul des déterminants de Hessian, offrant une performance supérieure à SIFT avec une robustesse similaire.
ORB (Oriented FAST and Rotated BRIEF)
Détecteur-descripteur binaire combinant FAST pour la détection et BRIEF pour la description, avec ajout de l'orientation pour l'invariance à la rotation, offrant une alternative libre et efficace à SIFT/SURF.
Harris Corner Detector
Algorithme classique de détection de coins basé sur l'analyse de la matrice d'autocorrélation des gradients locaux, identifiant les points où les variations d'intensité sont significatives dans plusieurs directions.
FAST (Features from Accelerated Segment Test)
Détecteur de points d'intérêt haute performance basé sur la comparaison de l'intensité des pixels voisins avec un seuil, optimisé pour le temps de calcul réel.
BRIEF (Binary Robust Independent Elementary Features)
Descripteur binaire compact générant des vecteurs de bits par comparaison aléatoire paires de pixels dans un patch, offrant une extrême rapidité au détriment de l'invariance à la rotation.
HOG (Histogram of Oriented Gradients)
Descripteur de caractéristiques comptant les occurrences d'orientation des gradients dans des portions localisées d'une image, particulièrement efficace pour la détection d'objets.
Descriptor Binaire
Représentation compacte des caractéristiques locales sous forme de vecteurs binaires, permettant des comparaisons extrêmement rapides utilisant les opérations XOR et Hamming distance.
Mise en correspondance de caractéristiques
Processus d'identification des paires de points d'intérêt correspondants entre deux images ou plus, essentiel pour l'assemblage d'images, le suivi et la reconstruction 3D.
Point d'intérêt
Position spatiale dans une image présentant une caractéristique distinctive et répétable, telle qu'un coin, un blob ou une région texturée, pouvant être détectée de manière fiable.
Descripteur local
Vecteur numérique décrivant l'apparence visuelle d'une région autour d'un point d'intérêt, capturant les informations essentielles pour l'identification robuste malgré les transformations.
Espace d'échelle
Représentation multi-résolution d'une image générant des versions à différentes échelles pour détecter des caractéristiques invariantes aux changements de taille, fondamentale pour SIFT et SURF.
RANSAC (Random Sample Consensus)
Algorithme itératif robuste estimant les paramètres d'un modèle à partir de données contenant des outliers, largement utilisé pour filtrer les correspondances incorrectes en vision par ordinateur.
Détecteur de coins
Classe d'algorithmes identifiant les points de forte courbure dans les images où les gradients présentent des variations significatives dans au moins deux directions orthogonales.
Invariance à la rotation
Propriété d'un détecteur ou descripteur produisant des résultats stables malgré les rotations de l'image, généralement atteinte en estimant l'orientation locale du patch.
Invariance à l'échelle
Capacité d'un algorithme à détecter et décrire les mêmes caractéristiques indépendamment de leur taille apparente dans l'image, réalisée par la recherche dans l'espace d'échelle.
Filtre de DoG (Difference of Gaussians)
Opérateur approximant le Laplacien de Gaussienne par soustraction de deux versions floutées de l'image avec des écarts-types différents, utilisé dans SIFT pour la détection de blobs.
LoG (Laplacian of Gaussian)
Filtre de détection de blobs combinant un lissage gaussien avec un opérateur laplacien, identifiant les régions d'extremum local dans l'espace d'échelle pour une détection invariante à l'échelle.
Corner Response Function
Fonction mathématique quantifiant la probabilité qu'un pixel soit un coin basé sur les valeurs propres de la matrice de gradients locaux, utilisée dans les détecteurs de type Harris.
Non-maximum suppression
Technique post-traitement éliminant les réponses redondantes des détecteurs en ne conservant que les maxima locaux, garantissant une meilleure distribution spatiale des points d'intérêt.