Communication Dans Un Congrès Année : 2013

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

Résumé

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.

Fichier principal
Vignette du fichier
Schutz13_GRETSI.pdf (250.32 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence
Loading...

Dates et versions

hal-00878736 , version 1 (30-10-2013)

Licence

Identifiants

  • HAL Id : hal-00878736 , version 1

Citer

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⟩
268 Consultations
458 Téléchargements

Partager

  • More