Matrices aura des couleurs floues : Classification et segmentation d’images couleur texturées.
Loading...
Date
2025-02-27
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
FGEI.UMMTO
Abstract
La classification et la segmentation d’images couleur texturées sont des opérations très utilisées dans divers domaines d’application de la vision par ordinateur. Elles reposent essentiellement sur l’extraction d’attributs qui a pour but de caractériser globalement une image (classification) ou localement un pixel (segmentation) par un ensemble d’attributs. Parmi la multitude de techniques d’extraction d’attributs, on s’est intéressé dans cette thèse aux matrices aura. Ces matrices, initialement proposées pour des images en niveaux de gris (GLAM), ont été étendues aux images couleur suivant une approche marginale (MCLAM), qui ne prend pas en compte les interactions entre les composantes couleur. Pour tenir compte de la corrélation entre ces composantes, nous proposons dans cette thèse d’appliquer la stratégie opposée qui consiste à calculer les matrices aura inter-composantes (OCLAM). Toutefois, ces deux stratégies présentent des défis en termes de mémoire et de temps de calcul. Pour surmonter ces inconvénients, nous proposons d’appliquer la stratégie compacte pour définir une seule matrice aura couleur (CAM) contenant les informations vectorielles de la couleur.
D’autre part, afin de tenir compte des imprécisions et ambiguïtés présentes dans les images de textures couleur, nous avons étendu les matrices aura couleur au cadre flou. Ces extensions ont été également réalisées selon trois stratégies : marginale (MFCLAM), opposée (OFCLAM) et compacte (FCAM). Les résultats de la classification ont montré l’intérêt du flou et le pouvoir discriminatif des OFCAMs et FCAMs par rapport aux autres attributs de texture couleur. Nous avons par ailleurs proposé une nouvelle méthode de segmentation d’images de textures couleur, dans laquelle les FCAMs cardinales sont exploitées pour caractériser les superpixels de l’image à segmenter, obtenus par l’intermédiaire d’un algorithme SLIC régional que nous avons également développé dans le cadre de cette thèse. Des tests menés sur deux bases d’images Prague et ALI ont montré l’efficacité de la méthode de segmentation proposée par rapport aux autres méthodes de segmentation classiques de l’état de l’art et sa compétitivité avec les méthodes récentes basées sur l’apprentissage profond.
Description
149 p. : ill. ; 12 cm. (CD-Rom)
Keywords
Textures couleur, Textures couleur floues, Matrices aura couleur, Matrices aura couleur floue, Segmentation d’images couleur texturées, Classification des textures couleur.
Citation
Automatique