CLASSIFICATION AUTOMATIQUE DE BLOCS D'IMAGES MULTIMODALES UTILISANT DES METHODES STATISTIQUES ET SPECTRALE D'ANALYSE

Auteurs-es

  • M KHAMADJA Université Mentouri Constantine
  • A BASKURT CREATIS, I.N.S.A. de Lyon
  • R GOUTTE CREATIS, I.N.S.A. de Lyon

Mots-clés :

analyse de texture, classification, discrimination non paramétrique, optimisation d’un traitement

Résumé

Cet article propose une nouvelle méthodologie pour la réalisation d’un classifieur automatique de blocs d’images multimodales. Cette méthode fait appel à un système de décision basé sur l’analyse et la caractérisation d’images multimodales en fonction de leurs propriétés locales. Ces propriétés sont modélisées par un ensemble de six familles de paramètres. Les blocs d’images sont classés par une méthode de classification non supervisée qui prend en compte les paramètres les plus discriminants. Une comparaison des classifieurs automatiques obtenus, en fonction de la taille des blocs, montre l'intérêt à adapter cette dernière au degré d'hétérogéneité de l'image. Enfin, l’efficacité de ces classifieurs est évaluée dans le cas d’images bruitées.

Téléchargements

Les données relatives au téléchargement ne sont pas encore disponibles.

Biographie de l'auteur-e

M KHAMADJA, Université Mentouri Constantine

Département d'Electronique
Faculté des Sciences

Références

- Haralick R.M., Shanmugam K., et Dinstein I., "Textural features for image classification", IEEE Trans. on Syst., Man, Cybern., vol. SMC-3, Nov. (1973), pp. 610-621.

- Galloway M.M., "Texture classification using gray levelrun lengths", Computer Graphics and Image Processing, vol. 4, Juin (1975), pp. 172-179.

- Maloigne C., Smolarz A., Bouvier J.M., "Caractérisation de biscuits extrudés par des méthodes statistiques d'analyse de texture", Traitement du signal, vol. 6, N°3, (1989), pp.929-948.

- Liu S.S. et Jernigan M.E., "Texture analysis and discrimination in additive noise", Computer vision, graphics and image processing, vol. 49, (1990), pp. 52-67.

- Weszka J.S., Dyer C.R. et Rosenfeld A., "A comparative study of texture measures for terrain classification", IEEE Trans. on Syst., Man. Cybern., vol. SMC-6, Avril (1976), pp. 269-285.

- Siew L.H., Hodgson R.M., Wood E.J., "Texture measures for carpet wear assessment", IEEE Trans. on Patter., Anal., and Mach. Intell., Vol. 10, N°1, Janvier (1988), pp. 92-105.

- Dupont F., "Analyse d’images et reconnaissance des formes: application à l’identification automatique des défauts de surface sur toles décapées", Thèse de Doctorat, INSA de Lyon, (1994), 208 p.

- He D., Wang L., "Détection des contours de texture d’images numériques", Int. J. Remote Sensing, Vol.12, N°3, (1991), pp. 651-657.

- MASSIC 1, "Statistical analysis and clustering of images in the data base", AIM, Bruxelles MASSIC 1 Report, project number A2009, July (1993), 36 p.

- Haralick R.M., "Statistical and structural approaches to texture", IEEE Proc., Vol. 67 , N°5, (1979), pp.786-804.

|11]- Sun C., Wee W.G., "Neighboring gray level dependance matrix for texture classification", Computer Vision, Graphics and Image Processing, Vol. 23, (1983), pp. 341-352.

- Cover T., Hart P.E., "Nearest neighbour pattern classification", IEEE Trans. on Information Theory, vol. 13, (1967), pp. 21-27.

|13]- Diday E., Lemaire J., Pouget J., Testu F., "Eléments d'analyse de données", Paris, Dunod, (1982), 464 p.

- Duda R.O., Hart P.E., "Pattern classification and scene analysis", New York, Wiley, 220 p.

|15]- Celeux G., "Analyse discriminante sur variable continue", INRIA, collection didactique, (1990), 188 p.

Téléchargements

Publié-e

2000-12-01

Comment citer

KHAMADJA, M., BASKURT, A., & GOUTTE, R. (2000). CLASSIFICATION AUTOMATIQUE DE BLOCS D’IMAGES MULTIMODALES UTILISANT DES METHODES STATISTIQUES ET SPECTRALE D’ANALYSE. Sciences & Technologie. A, Sciences Exactes, (14), 55–60. Consulté à l’adresse https://revue.umc.edu.dz/a/article/view/1671

Numéro

Rubrique

Articles