Classification d'images texturées basée sur K-barycentres : meilleure gestion de la diversité intra-classe

Aurélien Schutz (1) , Lionel Bombrun (1) , Yannick Berthoumieu (1)

1 IMS - Laboratoire de l'intégration, du matériau au système

Les images de texture naturelle présentent de fortes variabilités par classe induites par les différentes conditions d'acquisition (éclairage de la scène, différence de perspective, ...). Pour gérer l'effet négatif de cette variabilité sur les performances de classification, un nouvel algorithme de classification supervisée basée sur une forme K-barycentrique est proposé. Une étude comparative entre plusieurs algorithmes de classification supervisée sur les bases de données d'images texturées VisTex et Brodatz est réalisée et montre que la classification K-barycentres propose un bon compromis entre performances de classification et coût calculatoire.

Domaines: Traitement du signal et de l'image [eess.SP]; Traitement du signal et de l'image [eess.SP]

Aurélien Schutz, Lionel Bombrun, Yannick Berthoumieu. Classification d'images texturées basée sur K-barycentres : meilleure gestion de la diversité intra-classe. Groupe d'Etudes du Traitement du Signal et des Images (GRETSI), Sep 2013, Brest, France. pp.1-4. ⟨hal-00878736⟩