La matrice de co-occurrence des matrices de covariance : un nouveau modèle de codage pour la classification de textures
Résumé
This paper introduces a novel coding model for the classification from covariance matrice set: the co-occurrence matrix associated to a dictionary of covariance matrices. Contrary to state-of-the-art coding models (BoRW, R-VLAD and RFV), such local model exploits the spatial distribution of the patches. Starting from the generative mixture model of Riemannian Gaussian distributions, we introduce this local model. An experiment on texture image classification is then conducted on the VisTex and Outex_TC000_13 databases to evaluate its potential.
Cet article présente un nouveau modèle de codage pour la classification à partir d’un ensemble de matrices de covariance : la matrice de co-occurrence associée à un dictionnaire de matrices de covariance. Contrairement aux modèles de codage de l'état de l'art (SDMR, R-VLAD and VRF), un tel modèle local exploite la répartition spatiale des patchs. À partir du modèle de mélange génératif de distributions gaussiennes Riemanniennes, nous présentons ce modèle local. Une expérience sur la classification d'images de texture est ensuite effectuée sur les bases de textures VisTex et Outex_TC000_13 afin de évaluer le potentiel de la méthode proposée.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...