Analyse de texture par statistiques d'ordre superieur : caracterisation et performances

par Carlos Avilès Cruz

Thèse de doctorat en Signal, image, parole

Sous la direction de Anne Guérin-Dugué.

Soutenue en 1997

à Grenoble INPG , en partenariat avec Laboratoire de traitement d'images et reconnaissance de formes (Grenoble ; 19..-1998) (laboratoire) .

mots clés

• Sciences appliquees
• Informatique, automatique theorique, systemes
• Texture
• Segmentation image
• Reconnaissance forme
• Statistique
• Classificateur
• Algorithme em
• Fusion donnee
• Analyse donnee
• Maximum vraisemblance
• Analyse composante principale
• Methode separation et evaluation
• Ordre superieur
• Reduction dimension
• Analyse composante curviligne
• Texture
• Image segmentation
• Pattern recognition
• Statistics
• Classifier
• Em algorithm
• Data fusion
• Data analysis
• Maximum likelihood
• Principal component analysis
• Branch and bound method

Résumé

Dans le cadre statistique, chercher a classer et a segmenter des textures a grain fin, c'est souvent utiliser des statistiques d'ordre un et d'ordre deux mais parfois ceux-ci sont insuffisantes. Une autre alternative est d'utiliser les statistiques d'ordre superieur, plus particulierement les moments d'ordre trois et d'ordre quatre. Dans ce travail, on met en place une methodologie d'experimentation ayant pour but de faire de la classification et de la segmentation de micro-textures, a l'aide de ces statistiques d'ordre trois et quatre. Deux methodes pour la classification et la segmentation de micro-textures sont mise en place, d'une part une methode supervisee et d'autre part une methode non supervisee. Cette derniere est basee sur l'algorithme em. Du fait de la redondance importante d'information sous-jacente aux moments statistiques, des methodes de reduction et de selection de dimension sont testees. D'une part, pour la reduction de dimension on a utilise l'analyse en composantes principales (acp) et l'analyse en composantes curvilignes (acc). D'autre part, pour la selection d'attributs la methode branch and bound a ete utilisee. Ces methodes ont ete explorees sur les attributs statistiques afin d'utiliser les plus discriminants soit dans l'espace original, soit dans un espace de projection. Puisqu'aucune famille de parametres prise isolement (statistique d'ordre un, deux, trois et quatre) ne suffit pour faire la discrimination d'une large gamme de textures, on est oblige de faire leur mise en cooperation via la fusion de donnees, fournissant une solution performante en reconnaissance.

Titre traduit

Texture analysis through high order statistics : characterisation and perdormances

Pas de résumé disponible.