Etude comparative des performances des classifieurs Support Vector Machines (SVM) et Fuzzy C-Means (FCM). Application à la segmentation d’images texturées
Loading...
Date
2017
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université Mouloud Mammeri
Abstract
Ce mémoire de fin d’étude vise à évaluer les performances de deux algorithmes de classification : Le classifieur supervisé SVM et le classifieur non supervisé FCM en vue d’une segmentation d’image basée sur la notion de texture. La classification non supervisée consiste à partitionner les données d’entrée d’un classifieur en classes distinctes suivant le prédicat de texture, tandis que la classification supervisée exploite les connaissances à priori sur l’appartenance de quelques prototypes aux classes adéquates « données d’apprentissage ». Afin d’évaluer les algorithmes considérés, des testes ont été effectué en premier temps sur un ensemble de base de données comportant neuf fichiers de données bidimensionnelles, deux tridimensionnelles et cinq bases de données de grandes dimensions. Ainsi, les deux classifieur on été exploité dans le cas de la classification des attributs de textures en se servant d’un ensemble de sept images comportant de différents type de texture. Le critère d’évaluations ‘taux de classification’ à été définit pour comparer les résultats obtenus avec les deux méthodes de classification. A la fin une conclusion et quelque perspective sont données.
Description
64 f. : ill. ; 30 cm. (+ CD-Rom)
Keywords
Segmentation, Segmentation d'images, Classification, Texture, Cassifieur supervisé SVM, Classifieur non supervisé FCM, Taux de classification.
Citation
Commande Des Systemes