Conclusion Générale
Les problèmes pos'es par la vision par ordinateur sont
multiples et encore loin d'être r'esolus car ils sont souvent très
complexes. C'est un sujet de recherche qui passionnent les chercheurs depuis
plus de trente ans. Dans le cadre de ce m'emoire nous avons concentr'e notre
travail sur une petite partie du vaste domaine de la vision par ordinateur : la
reconstruction 3D et la reconnaissance d'objet.
La reconnaissance d'objets est une tâche qui peut
paraàýtre très simple pour un op'erateur humain.
Effectivement il est capable de s'adapter a` une grande vari'et'e de situations
comme par exemple le changement de fond, les variations d'illuminations, les
occultations, ou les changements de points de vue.
l'inverse, la reconnaissance d'objet est une tâche
très complexe a` r'ealiser par une machine. En effet, durant le
processus de perception, l'homme utilise une large quantit'e d'informations :
deux collections de points disponibles sur les r'etines, et une quantit'e
très importante de connaissances. Ces informations sont trait'ees avec
une rapidit'e et une robustesse incroyables et avec une qualit'e telle qu'il
peut même la plupart du temps »reconnaàýtre» un
objet qu'il n'a jamais vu. L'homme est donc sans nul doute le plus parfait des
systèmes de reconnaissance.
Sans aller jusqu'a l'id'ee utopique de le copier, on doit donc
essayer d'imiter quelques unes de ses facult'es. une m'ethode de d'etection
automatique des objets bas'ee sur l'attribut classiquement utilis'e : les
segments de droite .les r'esultats obtenus sont int'eressants.
Partant de ce constat, après une 'etude bibliographique
sur les m'ethodes de reconnaissance d'objet et de pr'etraitement des images,
pr'eparant de manière robuste la segmentation par d'etection de contour.
De plus, cet algorithme est rapide et a 'et'e test'e et valid'e sur un grand
nombre d'images très diverses.
Comme perspective, les attributs extraits servent seulement a`
confirmer la pr'esence d'un objet. Il est n'ecessaire d'extraire d'autres
attributs et d'appliquer un algorithme de classification pour aboutir a` une
m'ethode de reconnaissance complète. Quoi qu'il en soit,
la méthode développée est automatique et
sans connaissance a priori sur les objets, c'est`a-dire que ne n'avons pas de
modèles des objets seulement des considérations simples de formes
comme la présence de droites, de cercles et d'ellipses. Elle permet de
segmenter l'image prétraitée avec une meilleure qualitéde
contours et de sélectionner automatiquement dans les images les contours
les plus pertinents (qui serviront ensuite a` reconnaàýtre
l'objet). Problème posépar cette méthode est les
problèmes d'occultations et de bruits
Pour conclure sur les perspectives de travail. Pour l'approche
classique, on peut compléter l'extraction d'attributs de la
méthode de reconnaissance par les segments par l'ajout d'attributs tels
que la courbure des contours ou différents descripteurs de formes. Pour
cela, l'utilisation de l'information de couleur. Enfin cette approche classique
pourrait être améliorée en implémentant une
méthode de classification pour finaliser le système de
reconnaissance.
| 
