Reconnaissance d'objets graphiques détériorés : approche fondée sur un treillis de Galois

par Stéphanie Guillas

Thèse de doctorat en Informatique

Sous la direction de Jean-Marc Ogier.

Soutenue en 2007

à La Rochelle .

  • Titre traduit

    Noisy graphic objects recognition : a galois lattice based approach


  • Résumé

    La méthode de classification présentée dans ce manuscrit, se base sur l'utilisation du treillis de Galois. Elle est dédiée à la reconnaissance d'objets graphiques détériorés, et plus particulièrement d'images de symboles. Le treillis de Galois est un graphe dont la structure est proche de celle de l'arbre de décision. Il donne une représentation de toutes les correspondances possibles entre un ensemble d'objets (symboles) et un ensemble d'attributs (descripteurs). Pour atteindre une classe (type de symbole), dans l'arbre de décision il n'y a qu'un seul chemin de la racine vers une feuille, alors que dans le treillis de Galois de nombreuses possibilités de chemins sont définies et représentées. Toutes ces possibilités sont autant de scénarii de classification offrant un réel avantage dans le contexte de reconnaissance de données bruitées. Un système de reconnaissance itératif a été mis en place, dans le but d'exploiter l'information complémentaire pouvant être fournie par les signatures statistiques et structurelles. Ce système intègre différents types de descriptions des objets (appelées signatures), afin de tirer parti de la complémentarité de ces informations, et ainsi obtenir un apprentissage plus performant. En cas d'ambiguïté sur les données de l'apprentissage, lors de la navigation dans le treillis, il est possible de stopper la progression et d'éviter ainsi certaines erreurs de classification. La description des objets concernés étant ambiguë pour la signature courante, elle peut être renouvelée par des attributs provenant d'un autre type de signature.


  • Résumé

    In this thesis, a classification method based on the use of a concept lattice is presented. It is dedicated to the recognition of noisy graphic objects, and more precisely to symbols recognition. Concept lattice is a graph the structure of which is similar to the decision tree one. It gives a representation of the whole possible correspondences between a set of objects (symbols) and a set of attributes (descriptors). In the decision tree, for reaching a class (symbol type) there is an only path from the root to a leaf, whereas in the concept lattice there is a large number of possibilities of paths. All these possibilities represent scenarii of classification and offer a real advantage in the context of noisy data recognition. An iterative recognition system has been implemented, in order to use the complementary information given by the statistical and the structural signatures. This system integrates several description types of the objects (called signatures), in order to exploit this complementarity of the data and thus to obtain a more performant learning stage. In case of ambiguity on the learning data, it is possible to stop the progression in the concept lattice and avoid some classification errors. The description of the objects being ambiguous, it can thus be updated by attributes provided by another type of signature.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (209 p.)
  • Annexes : Bibliogr. p. 190-204

Où se trouve cette thèse ?

  • Bibliothèque : Université de La Rochelle. Bibliothèque universitaire.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.