Robust Modelling and Efficient Recognition of Quasi-Flat Objects — Application to Ancient Coins - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Robust Modelling and Efficient Recognition of Quasi-Flat Objects — Application to Ancient Coins

Modélisation robuste et reconnaissance efficace d'objets quasi-plans — application aux monnaies anciennes

Résumé

Quasi-flat objects are obtained from a matrix which defines specific features observable in their engraving. Some examples of these are dry stamps, amphora stamps or ancient coins. Quasi-flat objects are subsequently understood as very flat shapes onto which a characteristic relief is inscribed. Recognizing such objects is not an easy feat as many barriers come into play. The relief of quasi-flat objects is prone to non-rigid deformations and the illumination conditions influence the perception of the object’s relief. Furthermore, these items may have undergone various deteriorations, leading to the occlusion of some parts of their relief. In this thesis, we tackle the issue of recognizing quasi-flat objects. This work is articulated around three major axes. The first one aims at creating a model to represent the objects both by highlighting their main characteristics and taking into account the afore mentioned barriers. To this aim, the concept of multi-light energy map is introduced. The second and third axes introduce strategies for the recognition. On the one hand, we propose the use of contours as main features. Contours are described via a signature model from which specific descriptors are calculated. In order to store, retrieve and match those features, a data structure based on associative arrays, the LACS system, is introduced, which enables a fast retrieval of similar contours. On the other hand, the use of textures is investigated. The scope here is centered on the use of specific 2D regions and their description in order to perform the recognition. A similar angle is taken to store and retrieve the information as a similar, yet a more complex data structure is introduced.
Les objets quasi-plans sont obtenus à partir d’une matrice qui définit des caractéristiques spécifiques observables dans leur gravure. Les exemples de ce type d’objets incluent les timbres à sec, les timbres amphoriques ou encore les pièces de monnaies anciennes. Les objetsquasi-plans sont par conséquent des formes très plates sur lesquelles un relief caractéristique est inscrit. Reconnaître de tels objets est une tâche compliquée car de nombreux verrous entrent en jeu. Le relief d’objets quasi-plans est sujet à des déformations non rigides et les conditions lumineuses influencent la façon dont ils sont perçus. De plus, ces objets ont pu subir diverses détériorations menant à l’occlusion de certaines parties de leur relief. Dans cette dissertation, nous adressons le problème de la reconnaissance d’objets quasi-plans. Cette thèse est articulée autour de trois grands axes. Le premier axe vise à créer un modèle adapté pour représenter l’objet en exposant ces caractéristiques et en prenant en compte les divers verrous précités. Dans ce but, le concept de carte d’énergie lumineuse est introduit. Les deuxième et troisième axes introduisent des stratégies de reconnaissance. D’un côté, nous proposons l’utilisation de contours de l’objet en tant que données caractéristiques. Ceux-ci sont représentés via un modèle de signature à partir duquel sont calculés des descripteurs. Afin de stocker, retrouver et comparer ces descripteurs, une structure de donnée basée sur des tableaux associatifs, les LACS, est présentée ; elle permet une reconnaissance rapide de contours similaires. D’un autre côté, l’utilisation de textures comme descripteurs de l’objet est envisagée. Dans cette partie, l’étude est centrée sur l’emploi de régions 2D et leur description comme moyen de reconnaissance. Un angle similaire est adopté pour stocker et retrouver l’information ; une structure de donnée proche de celle précédemment décrite, mais plus complexe, est introduite.
Fichier principal
Vignette du fichier
2022Lardeux181488.pdf (92.36 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03767851 , version 1 (02-09-2022)

Identifiants

  • HAL Id : tel-03767851 , version 1

Citer

Florian Lardeux. Robust Modelling and Efficient Recognition of Quasi-Flat Objects — Application to Ancient Coins. Computer Vision and Pattern Recognition [cs.CV]. Université de La Rochelle, 2022. English. ⟨NNT : 2022LAROS002⟩. ⟨tel-03767851⟩
105 Consultations
7 Téléchargements

Partager

Gmail Facebook X LinkedIn More