Bonjour,
Notons d'abord que j'utilise présentement Octave, mais qu'il est possible que je passe à MATLAB prochainement.
Voici ma problématique. Je tente d'utiliser des algorithmes d'optimisation pour faire correspondre du mieux possible une image générée par certains paramètres (à optimiser) à une image de référence. Notez que les valeurs des images ne sont pas discrètes, mais plutôt continues. Je tente donc de faire correspondre deux matrices 2D de valeurs continues.
Minimiser l'erreur de la différence entre les deux matrices (soustraction directe des deux matrices) n'est pas une bonne stratégie puisque tout décalage spatial pourrait générer de grandes erreurs bien que les matrices pourraient pourtant correspondre visuellement. Par exemple, pensons notamment à la soustraction des images d'échiquiers ayant les tuiles noires et blanches inversées. L'erreur serait maximale, bien que la correspondance de la distribution des valeurs soit parfaite.
Y a-t-il des stratégies pour poser une fonction d'objectif robuste à minimiser basée sur la distribution des valeurs, comme une correspondance d'histogrammes ?
Merci d'avance pour vos conseils,
Éric