Documents disponibles écrits par cet auteur

Combinaison de descripteurs de texture couleur pour la classification des images / Mohamed ALIMOUSSA

Public ISBD Titre : Combinaison de descripteurs de texture couleur pour la classification des images Type de document : projet fin études Auteurs : Mohamed ALIMOUSSA, Auteur Langues : Français (fre) Catégories : SDBD Index. décimale : mast 84/18 Résumé : Le thème de recherche abordé concerne la combinaison de descripteurs pour la classification automatique d’images couleur texturées. Dans le cadre de ce travail de recherche, nous avons caractérisé les textures couleurs présente dans les images numériques par combinaison de deux descripteurs différents. Pour chaque descripteur nous avons essayé de combiner les attributs issus de descripteurs avec plusieurs configurations afin de caractériser les différents types de texture. Pour le premier descripteur, on a pu extraire les indices d’Haralick de matrices de co-occurrences couleurs en utilisant une combinaison d’espaces couleur de différentes familles. Par expérimentation, cette combinaison réduite permet une meilleure caractérisation des textures. Les indices d’Haralick de plusieurs configurations de matrices de co-occurrences couleurs ont été combinés afin de sélectionner les attributs permettant la meilleure discrimination des classes des images de texture. Pour le deuxième descripteur, les motifs binaires locaux ou LBP, au lieu d’exploiter directement les histogrammes des LBP, on propose d’extraire 3 types d’attributs statiques de ces histogrammes afin de réduire le temps de calcul. L’utilisation de ces attributs permet d’avoir une amélioration au niveau des résultats. Ensuite, on combine ces attributs statistiques issus des histogrammes des motifs binaires locaux selon plusieurs configurations, afin d’avoir un ensemble d’attributs où on peut sélectionner l’espace d’attributs qui permet la meilleure représentation et discrimination des différente classes de texture. Notre technique de combinaison été d’extraire de nos deux descripteurs les mêmes types d’attributs (statistiques). Ainsi, une concaténation des deux descripteurs comme combinaison est plus possible. Comme l’ensemble d’attributs sera plus grand (18 508 attributs) que les attributs de chaque descripteur seul, une procédure de sélection itérative est utilisée. Les approches de classification d’images couleur texturées mises en place ont été appliquées sur trois bases de données de texture couleur Outex, New Barktex et USPtex, et ont données des résultats très encourageants. En effet, nos approches ont pu avoir les meilleurs résultats dans deux bases de données, Outex et USPtex avec un pourcentage de 98.67% et 98.60% des images bien classées, et une deuxième place dans la base New Barktex avec un pourcentage de 91.66% des images bien classées. Combinaison de descripteurs de texture couleur pour la classification des images [projet fin études] / Mohamed ALIMOUSSA, Auteur . - [s.d.]. Langues : Français (fre) Catégories : SDBD Index. décimale : mast 84/18 Résumé : Le thème de recherche abordé concerne la combinaison de descripteurs pour la classification automatique d’images couleur texturées. Dans le cadre de ce travail de recherche, nous avons caractérisé les textures couleurs présente dans les images numériques par combinaison de deux descripteurs différents. Pour chaque descripteur nous avons essayé de combiner les attributs issus de descripteurs avec plusieurs configurations afin de caractériser les différents types de texture. Pour le premier descripteur, on a pu extraire les indices d’Haralick de matrices de co-occurrences couleurs en utilisant une combinaison d’espaces couleur de différentes familles. Par expérimentation, cette combinaison réduite permet une meilleure caractérisation des textures. Les indices d’Haralick de plusieurs configurations de matrices de co-occurrences couleurs ont été combinés afin de sélectionner les attributs permettant la meilleure discrimination des classes des images de texture. Pour le deuxième descripteur, les motifs binaires locaux ou LBP, au lieu d’exploiter directement les histogrammes des LBP, on propose d’extraire 3 types d’attributs statiques de ces histogrammes afin de réduire le temps de calcul. L’utilisation de ces attributs permet d’avoir une amélioration au niveau des résultats. Ensuite, on combine ces attributs statistiques issus des histogrammes des motifs binaires locaux selon plusieurs configurations, afin d’avoir un ensemble d’attributs où on peut sélectionner l’espace d’attributs qui permet la meilleure représentation et discrimination des différente classes de texture. Notre technique de combinaison été d’extraire de nos deux descripteurs les mêmes types d’attributs (statistiques). Ainsi, une concaténation des deux descripteurs comme combinaison est plus possible. Comme l’ensemble d’attributs sera plus grand (18 508 attributs) que les attributs de chaque descripteur seul, une procédure de sélection itérative est utilisée. Les approches de classification d’images couleur texturées mises en place ont été appliquées sur trois bases de données de texture couleur Outex, New Barktex et USPtex, et ont données des résultats très encourageants. En effet, nos approches ont pu avoir les meilleurs résultats dans deux bases de données, Outex et USPtex avec un pourcentage de 98.67% et 98.60% des images bien classées, et une deuxième place dans la base New Barktex avec un pourcentage de 91.66% des images bien classées.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 84/18	mast 84/18 MOH	Texte imprimé	Unité des masters	Mast/18	Disponible