Dans le domaine de la reconnaissance des formes, on est souvent confronté à la problématique de la reconnaissance des versions dégradées de l'image originale d'un objet ou d'une scène. Dans la littérature, plusieurs approches ont été proposées pour résoudre cette problématique. La plupart de ces approches font appel aux processus de la normalisation géométrique et de la restauration aveugle. Sachant que ces deux processus sont bien connus pour être des problématiques mal posées et très couteuses en temps de calcul, une bonne alternative à la résolution de cette problématique de la reconnaissance est l'utilisation du concept des descripteurs invariants. Un descripteur est une fonctionnelle, qui une fois appliquée sur l'ensemble des images d'une base de données, permet d'obtenir, avec l'image originale, une valeur numérique presque identique à celles relatives aux versions dégradées de l'image originale. Cette valeur devra aussi être différente des valeurs numériques obtenues avec les images étrangères.

Dans ce séminaire, je présenterai deux nouvelles classes de descripteurs invariants. La première classe renferme deux descripteurs radiométriques qui sont invariants au produit de convolution et au changement de contraste global. La deuxième classe contient deux descripteurs combinés, c'est à dire, radiométriques et géométriques à la fois. Nos descripteurs sont caractérisés par la simplicité de leurs expressions analytiques et par leurs grands pouvoirs de discrimination.

Samy Metari received a B.Eng. degree in Computer Science from the Université de Constantine, Algeria, in 2001, and a M.Sc. degree in Computer Science from the Université de Poitiers, France, in 2003. He will receive a Ph.D. degree in Computer Science from the Université de Sherbrooke, Québec, Canada, in November 2009.
His research interests include computer vision, image processing, and pattern recognition.

The CVSL seminars are held on Fridays at 11:30 a.m. in room PLT-2783.