Classification Neuronale des fonds marins par modélisation autorégressive bidimensionnelle
Résumé
This paper presents a simple and efficient method of texture characterization with neural classifier to recognize sidescan sonar images. A linear AutoRegressive (AR) model is applied to the sonar images in order to extract significant features. The AR modeling performances are evaluated through a neural classifier, a MultiLayer Perceptron (MLP), which is able to recognize four seafloors: stones, dunes, ripples and sand. Good results in classification have been observed on a set of real images : some of them are presented in this article.
An originality of this approach is due to the association between AR model and neural classifier.
Cette étude présente une méthode simple et efficace de caractérisation de textures couplée à un modèle neuronal dans le but d’obtenir une classification des fonds marins en imagerie Sonar. Un modèle autorégressif (AR) linéaire est appliqué à l’image Sonar pour en extraire des attributs caractéristiques significatifs. Les performances de la méthode autorégressive sont évaluées à l’aide d’un classifieur neuronal, de type Perceptron MultiCouche (PMC), qui distingue quatre types de fonds : cailloux, dunes, rides de sable et sable. Les bons taux de classification rencontrés pour chaque type de fond sur une base distincte de la base d’apprentissage sont présentés.
Une originalité de l’approche réside dans le couplage performant obtenu entre modélisation AR et module neuronal pour l’application concernée.