Analyse et classification de textures au sein des images naturelles

par Vu lam Nguyen

Projet de thèse en STIC - Cergy

Sous la direction de Philippe-henri Gosselin et de Son Vu.

Thèses en préparation à Cergy-Pontoise , dans le cadre de ED SI - Sciences et Ingénierie , en partenariat avec Equipes Traitement de l'Information et Systèmes (laboratoire) depuis le 29-09-2014 .


  • Résumé

    La classification des textures est une tâche très demandée dans plusieurs applications telle que la recherche d'image par contenu et l'analyse des images médicales. Dans le cas des images naturelles, cette tâche s'avère particulièrement difficile compte tenu des disparités visuelles propres à ce contexte. En effet, la plupart des textures ont de grandes variations stochastiques qui sont difficiles à modéliser. De plus, les textures subissent souvent un changement radical dans leur apparence avec des variations d'échelles, d'éclairement et de pose de la caméra. L'objectif de cette thèse est d'étudier et de développer des algorithmes pour la classification des textures au sein des images naturelles. Dans ce contexte, plusieurs pistes de travail sont envisagées: - Les travaux actuels dans ce domaine se concentrent en premier lieu sur les étapes de représentation et de classification, et néglige souvent l'étape prétraitement des images. En conséquence, nous proposons de compléter le schéma de traitement par des filtrages efficaces (par exemple, le filtrage bio-inspiré[1] ou les mécanisme robustes aux variations colorimétriques[2]). - Concernant l'étape d'extraction des caractéristiques à bas niveau, il existe des descripteurs adaptés aux textures [3], [4]. Malheureusement, il manque de robustesse face aux variations d'échelles. Une contribution pourra donc être apportée sur ce point. [1] N.-S. Vu, T. P. Nguyen, C. Garcia. “Improving texture categorization with biologically-inspired filtering”. Image Vision Comput. 32(6-7): 424-436 (2014) [2] Shaobing Gao, Kaifu Yang, Chaoyi Li, Yongjie Li: A Color Constancy Model with Double Opponency Mechanisms. ICCV 2013: 929-936 [3] N.-S. Vu, T. P. Nguyen, H. Tabia. “Incorporating information quantity into local binary pattern based operators for efficient texture classification”. Pattern Recognition. En révision. [4] T. P. Nguyen, N.-S. Vu, A. Manzanera. “Statistical binary patterns for rotational invariant texture classification”. Soumis à IEEE Transactions on Image Processing.

  • Titre traduit

    Classifying the texture images in the wild


  • Résumé

    Classifying textures is a very demanding task. What makes the problem so hard is that unlike other forms of classification, where the objects being categorised have a definite structure which can be captured and represented, most textures have large stochastic variations which make them difficult to model. Furthermore, textured materials often undergo a sea change in their imaged appearance with variations in illumination and camera pose. Dealing with this successfully is one of the main tasks of any classification algorithm. The goal of this theis is to study and to develop the algorithms for classifying texture in the wild. In such a context, several ideas would be considered : - Preprocessing. Actually, most of research work of texture classification focuses on representation or classification. We could improve the quality of texture classification on the preprocessing step. - Representation. We would to investigate the algorithms which are robust to scale, viewpoint and image quality.