Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Aiv1 semaine 08 texture AIV ?? Analyse d ? Images et Vision Semaine Attributs de texture François Cabestaing Unité AIV https huit re ueaiv Supports https www ?l univ- lille fr cabestaing aiv CApprentissage et classi ?cation Textures Bibliographie Segmenta

AIV ?? Analyse d ? Images et Vision Semaine Attributs de texture François Cabestaing Unité AIV https huit re ueaiv Supports https www ?l univ- lille fr cabestaing aiv CApprentissage et classi ?cation Textures Bibliographie Segmentation par classi ?cation des pixels Objectif Associer une étiquette à chaque pixel d ? une image pour obtenir une nouvelle image dans laquelle les régions sont marquées Méthode On associe un vecteur d ? attributs à chaque pixel de l ? image On détermine des classes regroupant des pixels similaires On assigne une classe à chaque pixel selon ses attributs image initiale image segmentée CApprentissage et classi ?cation Textures plan du cours Apprentissage et classi ?cation Étapes d ? une procédure de classi ?cation Exemple binarisation par analyse de l ? histogramme Binarisation d ? un vecteur d ? attributs de dimension n Textures Attributs d ? un pixel niveau de gris couleur texture Dé ?nition d ? une texture Attributs statistiques Matrices des co-occurrences et attributs d ? Haralick Décomposition en ondelettes et ?ltres de Gabor Bibliographie Bibliographie CApprentissage et classi ?cation Étapes d ? une procédure de classi ?cation Classi ?cation Textures Bibliographie Étapes d ? un processus de reconnaissance Acquisition des données gr? ce à un ou plusieurs capteurs Extraction d ? attributs caractéristiques des observations Catégorisation ou description des observations classi ?cation Extraction des attributs d ? une observation On utilise une fonction A dé ?nie sur l ? espace des observations et à valeurs dans l ? espace des attributs souvent un sous-espace de Rn A O ?? ? n R o ?? ? A o A o An o T Classi ?cation On utilise une fonction L dé ?nie sur l ? espace des attributs et à valeurs dans un ensemble de cardinal ?ni dont les éléments sont les étiquettes L n R ?? ? C a ?? ? L a CApprentissage et classi ?cation Textures Bibliographie Étapes d ? une procédure de classi ?cation Apprentissage automatique Comment déterminer les étiquettes La combinaison des fonctions A et L dé ?nit une partition de l ? espace des observations en classes une classe par étiquette L ? apprentissage est l ? étape durant laquelle sont déterminées les fonctions A et L Apprentissage supervisé On conna? t a priori le nombre de classes et on dispose d ? un ensemble d ? observations dont les étiquettes sont connues Cet ensemble est appelé ensemble d ? apprentissage Apprentissage non supervisé On doit déterminer le nombre de classes et la partition de l ? espace des observations en analysant directement les données On met en évidence des groupes d ? observations clusters CApprentissage et classi ?cation Textures Exemple binarisation par analyse de l ? histogramme Exemple binarisation par analyse de l ? histogramme Bibliographie Binarisation On suppose que l ? image ne contient que deux types de régions les objets et le fond La binarisation consiste à a ?ecter à chaque pixel une étiquette indiquant s ? il appartient à un objet