Reconnaissance d'objets sous éclairage non contrôlé par l'intersection entre histogrammes couleur spécifiques

Reconnaissance d'objets sous éclairage non contrôlé par l'intersection entre histogrammes couleur spécifiques

Object recognition by intersection between adapted color histograms

Damien Muselet Ludovic Macaire  Pierre Bonnet  Jack-Gérard Postaire 

Laboratoire LAGIS - UMR CNRS 8146, Cité Scientifique - Bâtiment P2 Université des Sciences et Technologies de Lille 59655 Villeneuve d'Ascq - France

Corresponding Author Email: 
dm@i3d.univ-lille1.fr
Page: 
679-698
|
Received: 
15 June 2004
|
Accepted: 
N/A
|
Published: 
31 December 2004
| Citation

OPEN ACCESS

Abstract: 

Most of object recognition schemes fail in case of illumination changes between the color image acquisitions. One of the most widely used solutions to cope with this problem is to compare the images by means of the intersection between invariant color histograms. Unlike the classical invariant color histograms approach which independently analyzes each image, we consider each pair constituted by the query image and one of the target images constructed during the retrieval. In this paper, we propose a new approach based on color histograms which are adapted to each pair constituted by the query image and one of the target images. These adapted color histograms are determined so that their intersection is high only when the objects contained in the two images are similar. The adapted color histograms processing is based on an original model of illumination changes based on the rank measures of the pixels within the color component images.

Résumé

Dans cet article, nous abordons le problème de la reconnaissance des objets sous éclairage non contrôlé par la recherche de toutes les images d'une base qui contiennent le même objet que celui représenté dans une image requête. Nous nous intéressons aux problèmes soulevés par les modifications des images couleur consécutives à des changements d'illuminant. Les images considérées dans cet article contiennent un seul objet placé sur un fond uniforme et éclairé avec un illuminant qui diffère d'une image à l'autre. Les méthodes classiques basées sur des histogrammes invariants ne fournissent pas des résultats satisfaisants en termes de reconnaissance d'objets éclairés par différents illuminants. Nous proposons de traiter ce problème, non pas en analysant les images de la base indépendamment les unes des autres, mais en analysant tous les couples constitués de l'image requête et de chacune des images candidates. Plus précisément, nous proposons d'analyser chaque couple d'histogrammes couleur pour comparer le contenu de chaque couple d'images. Pour cela, la procédure détermine un couple d'histogrammes couleur dits «spécifiques» à chaque couple d'histogrammes couleur considéré, de telle sorte que l'intersection entre ces histogrammes couleur spécifiques soit élevée uniquement lorsque les deux objets contenus dans les deux images sont similaires. Cette procédure est basée sur une nouvelle hypothèse sur les conséquences d'un changement d'illuminant qui ne porte pas directement sur les couleurs des pixels, mais sur les mesures de rang des pixels.

Keywords: 

Color image, object recognition, illumination, invariant color histograms, rank measures

Mots clés

Image couleur, reconnaissance d'objets, éclairage non contrôlé, invariant couleur, histogramme couleur spécifique, mesure de rang

1. Introduction
2. Hypothèses Basées Sur Les Mesures De Rang
3. Histogrammes Égalisés
4. Histogrammes Couleur Spécifiques Aux Couples D'images
5. Résultats Expérimentaux
6. Conclusion
  References

[1] A. TREMEAU, C. FERNANDEZ-MALOIGNE, P. BONTON, Image couleur de l’acquistion au traitement, Éditions Dunod, Paris, 2004.

[2] S. TABBONE, L. WENDLING, Color and grey level object retrieval using a 3D representation of force histogram, Image and Vision Computing 21 (6), 483–495, (2003).

[3] B. MANJUNATH, W. MA, Texture features for browsing and retrieval of image data, IEEE Trans. on Pattern Analysis and Machine Intelligence 18(8), 837–842, (1996).

[4] A. SMEULDERS, T. GEVERS, Pictoseek combining color and shape invariant features for image retrieval, IEEE Trans. on Image Processing 9(1), 102–119, (2000).

[5] M. C. LARABI, N. RICHARD, C. FERNANDEZ, L. MACAIRE, Aide au diagnostic pour les cancers de peau basée sur une indexation par la couleur, la texture et la peau, in Actes de ICISP’2001 Int. Conf. on Image and Signal Processing., Agadir (Maroc), 1055–1062, 2001.

[6] R. SCHETTINI, G. CIOCCA, S. ZUFFI, Ch. A, SURVEY of methods for colour image indexing and retrieval in image databases, Title of the book Color Imaging Science Exploiting Digital Media, Authors of the book R. Luo and L. MacDonald, J. Wiley Eds., 2001.

[7] M. J. SWAIN, D. H. BALLARD, Color indexing, Int. Journal of Computer Vision 7 (1), 11–32, (1991).

[8] B. SCHIELE, Object recognition using multidimensional receptive field histograms, Phd thesis, Institut National Polytechnique de Grenoble (1997).

[9] G. SHARMA, H. J. TRUSSELL, Digital color imaging, IEEE Trans. on Image Processing 6 (7), 901–932, (1997).

[10] B. FUNT, G. FINLAYSON, Color constant color indexing, IEEE Trans. on Pattern Analysis and Machine Intelligence 17 (5), 522–529 (1995).

[11] Y. RUBNER, C. TOMASI, L. GUIBAS, A metric for distributions with applications to image databases, in Proc. of the IEEE Int. Conf. on Computer Vision, Bombay, India, 59–66, 1998.

[12] S. COHEN, L. GUIBAS, The earth mover’s distance under transformation sets, in Proc. of the Int. Conf. on Computer Vision, Vol. 2, IEEE Computer Society, 1076–1083, 1999.

[13] L. MACAIRE, D. MUSELET, Invariants couleur - méthodes et applications, in Actes de l’Ecole de Printemps du GDR ISIS Operation Imagerie Couleur, Dijon, 2003.

[14] G. FINLAYSON, S. HORDLEY, P. HUBEL, Illuminant estimation for object recognition, Color Research and Application 27(4), 260–270, (2002).

[15] G. FINLAYSON, S. HORDLEY, P. HUBEL, Color by correlation a simple, unifying framework for color constancy, IEEE Trans. on Pattern Analysis and Machine Intelligence 23(11), 1209–1221, (2001).

[16] T. GEVERS, A. W. M. SMEULDERS, Color-based object recognition, Pattern Recognition 32 (3), 453–464, (1999).

[17] G. FINLAYSON, S. CHATTERJEE, B. FUNT, Color angle invariants for object recognition, in Proc. of the IS&T/SID 3rd Color Imaging Conf., Scottsdale (USA), 44–47, 1995.

[18] T. GEVERS, A. SMEULDERS, Content-based image retrieval by viewpoint-invariant color indexing, Image and Vision Computing 17, 475–488, (1999).

[19] R. GERSHON, A. D. JEPSON, J. K. TSOTSOS, From [r,g,b] to surface reflectance computing color constant descriptors in images, Perception, 755–758, (1988).

[20] R. LENZ, L. TRAN, P. MEER, Moment based normalization of color images, in Proc. of the IEEE Workshop on Multimedia Signal Processing, Copenhague (Danemark), 129–132, 1999.

[21] Z. LIN, J. WANG, K. MA, Using eigencolor normalization for illumination-invariant color object recognition, Pattern Recognition 35 (11), 2629–2642, (2002).

[22] T. GEVERS, A. W. M. SMEULDERS, A comparative study of several color models for color image invariant retrieval, in Proc. of the1st Int. Workshop on the Image Databases and Multi-Media Search, Amsterdam (Pays-Bas), 17–26, 1996.

[23] B. FUNT, K. BARNARD, L. MARTIN, Is machine colour constancy good enough?, in Proc. of the 5th European Conf. on Computer Vision, Freiburg (Allemagne), 445–459, 1998.

[24] G. FINLAYSON, G. SCHAEFER, Colour indexing across devices and viewing conditions, in Proc. of the 2nd Int. Workshop on Content-based MultiMedia Indexing, Brescia (Italie), 215–221, 2001.

[25] G. FINLAYSON, S. HORDLEY, G. SCHAEFER, G. TIAN, Illuminant and device invariant colour using histogram equalisation, in Proc. of the IS&T/SID 11th Color Imaging Conf., Scottsdale (USA), 205–211, 2003.

[26] P. MONTESINOS, V. GOUET, R. DERICHE, Differential invariants for color images, in Proc. of the Int. Conf. on Pattern Recognition, Vol. 1, Brisbane (Australie), 838–840, 1998.

[27] D. MUSELET, L. MACAIRE, P. BONNET, J. G. POSTAIRE, Reconnaissance d’objets grâce à l’analyse des composantes, in Actes du GRETSI’03 Colloque sur le Traitement du Signal et des Images., Vol. 3, Paris, 30–33, 2003.

[28] D. MUSELET, L. MACAIRE, P. BONNET, J. G. POSTAIRE, Reconnaissance d’objets sous éclairage non contrôlé par analyse d’histogrammes invariants et adaptés, in Actes de CORESA’2004 Journées d’études et d’échanges COmpression et REprésentation des Signaux Audiovisuels, Villeneuve d’Ascq, 2004, 203–206.

[29] M. SKRZYPNIAK, L. MACAIRE, J. G. POSTAIRE, Indexation d’images de personnes par analyse de matrices de co-occurrences couleur, in Actes de CORESA’2000 Journées d’études et d’échanges COmpression et REprésentation des Signaux Audiovisuels, Poitiers, 411–418, 2000.

[30] D. MUSELET, L. MACAIRE, J. G. POSTAIRE, Color person image indexing and retrieval, Machine Graphics and Vision 11 (2/3), 257–283, (2002) .

[31] D. MUSELET, C. MOTAMED, L. MACAIRE, J. G. POSTAIRE, Cooccurrence matrices of color feature vectors for multi-camera vehicle identification, in Proc. of the Int. Conf. on Advanced Concepts for Intelligent Vision Systems, Ghent (Belgique), 22–29, 2003.