Caractérisation de textures en imagerie sonar et invariance en rotation - Université de Bretagne Occidentale Access content directly
Journal Articles Traitement du Signal Year : 2000

Caractérisation de textures en imagerie sonar et invariance en rotation

Helene Thomas
Christophe Collet
  • Function : Author
Koffi Clément Yao
  • Function : Author
  • PersonId : 919659

Abstract

This paper addresses the automatic cartography of sea-bottom by means of high resolution sonar images. Many texture analysis methods have been developed since now, based on statistical, geometrical or spectral modelling. Nevertheless, few of them are robust toward image rotations. Indeed, the property of rotation invariance is essential in our framework, particularly for obtaining good classification rates. We present in this article five methods for the automatic classification of rotating images, corresponding to four classes of sea-floor: “sand”, “ridge”, “dune” and “wreck”. The first one is an extension of a circular AutoRegressive method, initially proposed by Kashyap et Khotanzad [19], which allows to estimate a reduced number of rotation invariant parameters. The four other methods are based on an original approach, consisting to apply a mathematical transform to a set of parameters describing texture features. Two of them consist in computing the Log- Polar transform to autoregressive (AR) or correlation (COR) parameters. The two others consist in estimating the Zernike moments of autoregressive (AR) or correlation (COR) parameters. Classification rates obtained on sonar images and on Brodatz album are presented and allow to compare the performances of each approach.
Les applications civiles et militaires nécessitant l'identification des caractéristiques de la couche superficielle du fond de la mer sont nombreuses : géologie marine, prospection minière, pêche et gestion de la biomasse, cartographie, guerre des mines, chasse aux mines ... Cet article s’intéresse à la cartographie automatique des fonds marins en imagerie sonar haute résolution. De nombreuses méthodes d'analyse de textures ont été développées jusqu'à présent, utilisant des approches statistiques, géométriques ou spectrales. Cependant, peu d'entre elles fournissent des attributs caractéristiques robustes vis-à-vis des rotations d'images. Cette propriété est pourtant essentielle dans le cadre de l'étude proposée : elle a pour objectif de faciliter et d'améliorer l'apprentissage du classifieur. Nous présentons dans cet article cinq méthodes de caractérisation, robustes vis-à-vis des rotations d'images. La première méthode est une version étendue de la modélisation AutoRégressive (AR) circulaire initialement proposée par Kashyap et Khotanzad, en vue d'en extraire directement un nombre restreint de paramètres caractéristiques significatifs invariants en rotation. Les quatre autres méthodes résultent d'une approche originale qui consiste à appliquer une méthode de traitement d'images à un ensemble de paramètres décrivant une texture, afin de le rendre robuste vis-à-vis des rotations d'images. Les deux premières de ces méthodes consistent à appliquer la Transformation Log-Polaire respectivement aux paramètres issus d'une modélisation autorégressive 2D non-causale et aux paramètres de corrélation associés (nommés paramètres COR). Quant aux deux dernières méthodes, elles consistent en l'application de la méthode des moments de Zernike respectivement à ces deux ensembles de descripteurs. Des résultats de classification expérimentaux obtenus sur images réelles et sur images tournées artificiellement, ainsi que sur des textures issues de l'album de Brodatz, sont fournis pour souligner les performances de chacune des méthodes.
Fichier principal
Vignette du fichier
2000_07_ts_TexturesSonar.pdf (7.43 Mo) Télécharger le fichier
Origin Files produced by the author(s)
Licence

Dates and versions

hal-03222603 , version 1 (27-02-2023)

Licence

Identifiers

  • HAL Id : hal-03222603 , version 1

Cite

Helene Thomas, Christophe Collet, Koffi Clément Yao, Gilles Burel. Caractérisation de textures en imagerie sonar et invariance en rotation. Traitement du Signal, 2000, 17 (1), pp.1-19. ⟨hal-03222603⟩

Collections

UNIV-BREST CNRS
30 View
5 Download

Share

Gmail Mastodon Facebook X LinkedIn More