Etude comparative des techniques de codage d’images en vue d’une segmentation
| dc.contributor.author | Ouslimani, Farida | |
| dc.date.accessioned | 2020-01-21T13:34:35Z | |
| dc.date.available | 2020-01-21T13:34:35Z | |
| dc.date.issued | 2018-10-21 | |
| dc.description | 109 p. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | La première partie de l'étude traite les descripteurs de texture invariants en rotation basés sur le codage de rang régional(RRC). Le codage RRC consiste à calculer le rang de chaque pixel sur une région dont la forme et la taille dépendent du niveau de gris du pixel traité et de ses voisins. Le code RRC est obtenu en combinant le rang du pixel traité et l'information niveau de gris, cette dernière est calculée après seuillage globale de l'image. Huit paramètres invariants en rotation sont alors obtenus. Le RRC multi-résolutions est calculé en utilisant plusieurs fenêtres de recherche.L'histogramme des caractéristiques à la même taille pour les différentes échelles. Comparée avec la méthode des motifs locaux binaire(LBP), la méthode proposée permet d'obtenir de bonnes performances de classification sur les bases Outex et CUReT. La seconde partie concerne le codage local de rang directionnel (LDRC) et le codage directionnel (DC). Ces deux méthodes sont basées sur le signe de la différence entre le pixel central et ses voisins. Les méthodes LDRC et DC permettent d'extraire quatre informations directionnelles, représentant les rangs du niveau de gris du pixel central calculés sur quatre orientations sur une fenêtre de voisinage de taille 3x3 pixels. Les quatre rangs sont ensuite utilisés pour obtenir le code final. L'opérateur LDRC produit 81 descripteurs robustes au bruit par contre DC produit 30 paramètres invariants par rotation. Pour l'étude multi résolutions, les deux codages sont calculés en modifiant la taille de la fenêtre autour du pixel traité, le nombre de voisins est limité à huit dont chacun représente une moyenne locale des niveaux de gris. La taille de l'histogramme des paramètres est maintenue réduite et constante. Afin d'évaluer les deux méthodes, plusieurs tests portant sur la classification des textures sont effectués en utilisant différentes bases de données. Appliquée sur les bases Brodatz, CUReT et KTH-TIPS2b, la méthode LDRC permet d'obtenir les meilleurs taux de classification par rapport à d'autres variantes de LBP essentiellement en présence de bruit. La méthode DC a été évaluée sur une large gamme de textures, nous avons étudié différents problèmes liés à la reconnaissance de texture tels que l'effet de l'éclairage, la rotation et changement d'échelle, et aussi l'influence du nombre d'images d'apprentissages .Comparée avec d'autre méthodes de l'état de l'art, DC a acquis le taux de classification la plus élevé sur les bases de données CUReT et KTH-TPS2b. La méthode DC a des résultats prometteurs sur la base de données Outex. | en |
| dc.identifier.citation | Option : Electronique | en |
| dc.identifier.other | DOC.ELN.05-18 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/10133 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | Texture | en |
| dc.subject | Invariance par rotation | en |
| dc.subject | Codage | en |
| dc.subject | Bruit gaussien | en |
| dc.subject | LBP | en |
| dc.subject | Rang directionnel | en |
| dc.subject | Rang régional | en |
| dc.title | Etude comparative des techniques de codage d’images en vue d’une segmentation | en |
| dc.type | Thesis | en |