Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS
Contenuto archiviato il 2024-05-29

Photometric Robust Features for Object Recognition in Colour Images

Obiettivo

For the interpretation of visual information the recognition of objects is crucial. Object recognition is complicated by a variety of photometric variations, including changes of shadows, shading, specularities and illuminant colour. For object recognition to be successful in real-world applications it is essential that robustness with respect to these photometric variations is obtained. This will prove important in many application fields such as surveillance, robotics, defence, manufacturing industry, and image and video search engines.

Although the greater part of image data is in colour format nowadays, most object recognition systems are still based on luminance alone. Robustness with respect to undesired photometric variations can be greatly improved by extending these algorithms to colour. In the field of colour vision invariants are derived from physical models of the reflection of light on surfaces. These invariants have however three drawbacks which have to be taken into account. Firstly, the invariant features are derived from physical models, which only hold in controlled environments. Secondly, the invariants become unstable and unusable in the absence of colour. Thirdly, in the absence of colours photometric invariance is unattainable.

In this proposal we aim to incorporate the photometric invariance theory into the computation of features for object recognition. Instead of full invariance, which results in unusable features when deviations to the physical model occur or when colour is absent, we aim at photometric robustness. We intend to obtain the robustness in two steps: 1. Enrich the existing features used in object recognition with photometric invariant features accompanied by confidence measures. 2. Apply machine -learning techniques to learn the most discriminative features. The machine learning techniques enable the object recognition system to choose for each object between luminance based features and photometric invariant colour features.

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

FP6-2004-MOBILITY-5
Vedi altri progetti per questo bando

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

EIF - Marie Curie actions-Intra-European Fellowships

Coordinatore

INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET EN AUTOMATIQUE
Contributo UE
Nessun dato
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

Nessun dato
Il mio fascicolo 0 0