Motifs locaux binaires pour la classification d'images de textures multispectrales - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2019

Motifs locaux binaires pour la classification d’images de textures multispectrales

Motifs locaux binaires pour la classification d'images de textures multispectrales

Résumé

To discriminate gray-level texture images, spatial texture descriptors can be extracted using the local binary pattern (LBP) operator. In this paper we design an LBP operator that jointly extracts the spatial and spectral texture information directly from a raw image provided by a camera equipped with a multispectral filter array. Extensive experiments on a large dataset show that the proposed descriptor has both low computation cost and high discriminative power with regard to classical LBP descriptors applied to multispectral images.
Les motifs locaux binaires (LBP) permettent d'extraire des descripteurs de texture spatiaux pour discriminer les images de textures en niveaux de gris. Dans cet article, nous proposons un opérateur LBP qui extrait conjointement les informations de texture spatiales et spectrales à partir de l'image brute fournie par une caméra équipée d'une matrice de filtres multispectraux. Nous montrons expérimentalement que le descripteur proposé présente à la fois un faible coût de calcul et un haut pouvoir discriminant par rapport aux descripteurs LBP classiques appliqués aux images multispectrales.
Fichier principal
Vignette du fichier
Mihoubi_GRETSI2020.pdf (3.13 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02436371 , version 1 (20-02-2020)

Identifiants

  • HAL Id : hal-02436371 , version 1

Citer

Sofiane Mihoubi, Olivier Losson, Benjamin Mathon, Ludovic Macaire. Motifs locaux binaires pour la classification d'images de textures multispectrales. 27ème Colloque sur le traitement du signal et des images (GRETSI 2019), Groupe d'Études sur le Traitement du Signal et des Images (GRETSI), Aug 2019, Lille, France. pp.845-848. ⟨hal-02436371⟩
103 Consultations
191 Téléchargements

Partager

Gmail Facebook X LinkedIn More