Classification automatique d'images

Résumé : Dans ce papier,nous proposons une contribution à la classification automatique d’images. Une telle approche est nécessaire pour faciliter la recherche dans de grandes banques d’images. Notre approche est basée, d’une part, sur des descripteurs MPEG7 pour l’indexation des images et, d’autre part, sur un apprentissage non supervisé utilisant une méthode polythétique pour la recherche des partitions homogènes dans lesquelles les images d’une même classe sont proches visuellement. Les expérimentations réalisées montrent l'efficacité et la faisabilité de notre approche. Pour aboutir à notre objectif nous avons procédé en trois étapes : La première phase (indexation) consiste en la production automatique d’un résumé visuel pour chaque image, sous la forme de plusieurs descripteurs. notre approche s’appuie sur les descripteurs MPEG7 portant sur la couleur, celle ci est la primitive la plus riche qu’on peut extraire d’une image. Les descripteurs utilisés sont : Compact Color Descriptor, Dominant Color Descriptor et Color Layout Descriptor . Dans la deuxième phase, nous calculons une distance entre chaque couple d’images, en utilisant une mesure de similarité. Cette mesure est une combinaison linéaire des mesures de similarités produite selon chacun des trois descripteurs MPEG7. Finalement, nous réalisation une classification ascendante hiérarchique basée sur l’algorithme (CAH). Cet algorithme est dû à Lance et William (1967).
Document type :
Conference papers
Complete list of metadatas

https://hal.archives-ouvertes.fr/hal-01493519
Contributor : Équipe Gestionnaire Des Publications Si Liris <>
Submitted on : Tuesday, March 21, 2017 - 4:50:43 PM
Last modification on : Thursday, November 21, 2019 - 2:16:30 AM

Identifiers

  • HAL Id : hal-01493519, version 1

Citation

Liming Chen, Latifa Hamami, Boulbaba Ben Amor. Classification automatique d'images. Extraction et gestion des connaissances (EGC'2004), Jan 2004, Clermont-Ferrand, France. pp.278-278. ⟨hal-01493519⟩

Share

Metrics

Record views

132