Caractérisation et classification de textures sur images naturelles
Résumé
The existing texture classification methods are generally based on a parameter extraction stage followed by a classifier stage . Using this kind of method,for an operational application requires to take into account the risk of classes mixture in the parameters space . We propose to take profit of Gagalowicz conjecture in order ta minimise this risk . The conjecture provides us with a set of parameters which totally describe the texture. We show that a connectionnist classifier is able to deal efficiently with these parameters.
La plus grande partie des méthodes de classification de textures existantes consiste à alimenter un classifieur par un ensemble de paramètres caractéristiques calculés localement sur l'image texturée. La mise en œuvre de ces méthodes dans le cadre d'applications opérationnelles suppose la prise en compte d'un élément important : le risque de confusion de classes dans l'espace paramétrique. Pour éviter ce problème, nous proposons d'exploiter la conjecture de Gagalowicz, qui nous fournit un ensemble de paramètres suffisants pour caractériser totalement la texture. Nous montrons qu'un classifieur connexionniste est capable d'exploiter efficacement ces paramètres.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |
