Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
Zawartość zarchiwizowana w dniu 2024-05-29

Photometric Robust Features for Object Recognition in Colour Images

Cel

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.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

FP6-2004-MOBILITY-5
Zobacz inne projekty w ramach tego zaproszenia

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

EIF - Marie Curie actions-Intra-European Fellowships

Koordynator

INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET EN AUTOMATIQUE
Wkład UE
Brak danych
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych
Moja broszura 0 0