Représentations structurelles parcimonieuses et monodimensionnelles des singularités d'une image : application à la classification d'images naturelles

by Julien Ros

Doctoral thesis in Informatique

Under the supervision of Jean-Michel Jolion and Christophe Laurent.

defended on 2006

in Lyon, INSA .

  • Alternative Title

    = Image indexing by parsimonious and monodimensional representations of singularities : Application to natural image classification


  • Abstract

    La question fondamentale de la détermination des propriétés acoustiques de milieux poreux à partir de leur géométrie locale est examinée dans cette thèse de doctorat, à partir d’un échantillon de mousse d’aluminium à cellules ouvertes ayant été analysé par microtomographie axiale à rayons-X. Plusieurs propriétés géométriques sont mesurées pour caractériser l’échantillon expérimental à l’échelle de la cellule. Cette information est utilisée de manière à reconstruire un milieu poreux au moyen d’unités cellulaires idéalisées tri- et bi- dimensionnelles. La dépendance en fréquences des champs de températures et de vitesses gouvernant la propagation et la dissipation des ondes acoustiques à travers un milieu poreux rigide est calculée par simulation de mouvement Brownien et par la méthode des éléments finis, respectivement. Le comportement macroscopique est obtenu par moyennes spatiales des champs locaux. Nos résultats sont comparés à des données expérimentales obtenues par des mesures au tube d’impédance. Premièrement, cette approche conduit à l’identification des paramètres macroscopiques du model semi-phénoménologique de Pride-Lafarge. Deuxièmement, elle fournit un accès direct aux perméabilités dynamiques thermique et visqueuse. Néanmoins, le modèle bidimensionnel sous-estime la perméabilité visqueuse statique ainsi que la longueur caractéristique visqueuse; ce qui requiert donc une implémentation tridimensionnelle.


  • Abstract

    With the increasing availability of digital images, efficient supervised image classification systems should be built. Most of these systems use textual information to index images. However, the use of pixel information to represent an image by a signature permits to improve classification results. Regarding the signature computation, the most efficient methods are local approaches computing local signatures around some salient points. From a mathematical point of view, an edge can be efficiently characterized by considering its Hölder exponents. As a consequence this mathematical notion has been used to design two new local descriptors allowing characterizing edges in the local neighbourhood of salient points. Once the image is described, the local representation is difficult to classify because the image is no longer considered as a vector. To overcome these disadvantages, three major solutions have been proposed. The first one consists in representing the image as a string of local signatures by adding an implicit order between salient points and then to compare them with classical string-based distances. The second solution is to represent the image by an histogram of local signatures. For this purpose we have proposed to use a self organizing map clustering algorithm. This representation is well suited to be processed by a machine learning classifier. Finally, we propose to represent an image by an histogram of substrings of local signatures obtained by following the edges in images. For this purpose, a self organizing map adapted to deal with structured data is used. This representation is shown well suited to be learnt by a support vector machine classifier.

Consult library

Version is available as a paper

Informations

  • Details : 1 vol. (XX-184 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. 141-157

Where is this thesis?

  • Library : Institut national des sciences appliquées (Villeurbanne, Rhône). Service Commun de la Documentation Doc'INSA.
  • Available for PEB
  • Odds : C.83(3191)
See the Sudoc catalog libraries of higher education and research.