Proposition D’un Systeme D’analyse Et D’interpretation D’images

Résumé: Le travail présenté dans ce manuscrit se situe dans le domaine de l’analyse et l’inter prétation d’images. Plus précisément, nous nous intéressons à la détection de la saillance et la segmentation d’objet saillant ainsi qu’à la reconnaissance de catégorie d’objets dans les images. Trois contributions se dégagent de cette étude. Dans la première contri bution, nous proposons un modèle de saillance qui se base sur une approche neuro nale. Nous procédons à l’extraction de caractéristiques visuelles telle que la couleur et la texture. La caractéristique de la couleur est exprimée dans l’espace de couleur CIE Lab, un espace de couleur perceptuellement uniforme et similaire à la perception humaine. La caractéristique de texture est extraite par l’intermédiaire des filtres (Log)-Gabor. Le réseau Self Organizing Tree procède au partitionnement des vecteurs caractéristiques des pixels de l’image en différents clusters. Pour chaque cluster, nous calculons la me sure de saillance basée sur l’indice spatial, spatial cue. En supposant que la vraisem blance de la saillance d’un pixel appartenant à un cluster satisfait une distribution gaus sienne. La carte de saillance finale est obtenue en calculant la probabilité marginale de la saillance. L’évaluation quantitative et qualitative du modèle proposé sur la base d’images MSRA-1000 démontre des résultats satisfaisants comparé à d’autres modèles de saillance. Notre seconde contribution porte sur la mise en œuvre d’une méthode de segmentation d’objet qui se base sur le regroupement spectral des pixels. Cette méthode intègre la valeur de saillance des pixels, calculée à partir du modèle de saillance pro posé, dans le calcul du graphe de similarité. L’évaluation qualitative de la méthode pro posée sur la base d’images MSRA-1000 démontre des résultats satisfaisants comparés à d’autres méthodes de segmentation d’objet reconnues dans la littérature. Notre troi sième contribution porte sur l’élaboration d’un modèle de dictionnaire hybride pour une tâche de catégorisation d’objets. Une approche de classification simultanée est ap pliquée aux descripteurs d’images pour générer deux variantes de modèles de diction naire. Ceux-ci sont utilisés séparément pour coder et représenter une image au travers un modèle de dictionnaire basé sur les patchs et un modèle de dictionnaire basé sur les caractéristiques. Nous testons et validons le modèle de dictionnaire proposé sur la base d’images Caltech-101. Les résultats expérimentaux démontrent sa performance vis-à vis à d’autres modèles de dictionnaire adoptant une simple classification.

Publié dans la revue: