Soutenance mémoire
Perception et analyse visuelle d’une texture
-Le traitement d’image consiste à modifier une image et de rendre apparent ou de cacher des choses dans l’image. Dans le domaine du traitement de l’image une texture est un champ de l’image qui apparait comme un domaine cohérent et homogène, c’est à dire formant tout pour un observateur, l’analyse de texture est un domaine très important en traitement d’images, parmi les principaux éléments d’interprétation du message visuel pour un observateur humain on peut citer les contours, la couleur, la forme, etc. Ainsi que le filtrage c’est d’améliorer la qualité visuelle de l’image ou extraire des attributs de l’image, en modifiant la valeur de niveau du gris d’un pixel en fonction de la valeur de ses voisins.
Parmi les différents approches de l’analyse de texture on cite les matrice de cooccurrences, le spectre de texture, les ondelettes, les modèles de markovienne,fractales et la morphologie mathématiques, on s’intéressé aux matrices de cooccurrence et aux filtrages .
Analyse de la Texture
L’analyse de texture est un domaine très important en traitement d’images. Parmis les principaux éléments d’interprétation du message visuel pour un observateur humain on peut citer les contours, la couleur, la forme, etc… L’analyse de l’image consiste souvent à extraire un certain nombre de propriétés caractéristiques et à les exprimer sous forme paramétrique. Les paramètres calculés permettent donc de décrire, de caractériser, de segmenter et d’analyser les images en question. Selon le cas, l’analyse peut être globale ou locale. Il est évident que le choix des paramètres dépend surtout de l’application considérée. Le but peut être de lier par exemple ces paramètres avec les propriétés physiques et biologiques réelles afin de les quantifier ou alors de trouver des similitudes avec des textures de référence afin de les identifier. Il faut tout de même signaler que l’interprétation des informations dans un environnement naturel n’est pas un problème simple. En effet, les textures naturelles sont très irrégulières et ne peuvent être parfaitement modélisées par les techniques mathématiques actuelles.
Définition d’image
La définition d’une image avec sa notion connexe de résolution définit le niveau de détails qui seront visibles dans l’image. Pour une taille donnée, plus il y aura de pixels, plus il y aura de détails fins visibles. On dit que plus une image a de pixels, plus elle est de grande qualité. Une image numérisée avec une définition de 640×480 pixels (donc contenant 307 200 pixels) apparaîtra très approximative et sous forme d’un pavage de petits carrés de couleur, par comparaison à une image de 1280×1024 px (1 310 720 pixels) .
Types d’image
Windows BitMaP BMP
Le format BMP est un des premiers formats d’image utilisé sous Windows. C’est un ancien format (.bmp) très facultatif qui crée inutilement des fichiers volumineux. Principal avantage pas de compression ni de perte de qualité.[4]
Joint Photographic Expert Group JPEG
Ce format offre des taux de compression inégalés, même si la qualité de l’image s’en ressent au fur et à mesure que vous augmentez la compression. Avec des taux de compression élevés donnant lieu à des fichiers images de petite taille. [4]
Graphics Interchange Format GIF
Ce format est l’autre standard d’internet. Les fichiers gif sont de petites tailles, ce qui est dû au fait que ces images ne peuvent enregistrer que 256 couleurs. [3]
Portable Network Graphic PNG
C’est le format appelé à devenir le futur standard internet. Comme le gif il permet le détourage des images, mais là où le format gif enregistre 256 couleurs, le png en retient 16.7 MILLIONS ce qui offre une image parfaite, avec un excellent rendu des nuances et des dégradés. [3]
Les caractéristiques de l’image
Pixel
Le pixel est le plus petit point de l’image, c’est une entité calculable qui peut recevoir une structure et une quantification. Si le bit est la plus petite unité d’information que peut traiter un ordinateur, le pixel est le plus petit élément que peuvent manipuler les matériels et logiciels d’affichage ou d’impression. [4]
HISTOGRAMME
un histogramme peut être graphique ou numérique, il indique la fréquence de répétition d’une valeur radiométrique dans une image et donne l’allure générale sur la dynamique de l’image et sert a déterminer les seuils pour future étalement de la dynamique.[5]
Histogramme cumulé
L’histogramme cumulé d’une image est le calcul du taux (pourcentage) de pixels ayant une valeur inférieure à un niveau de couleur donné, pour chaque niveau de couleur (ou de gris) d’une image, et ce pour chaque canal Rouge Vert Bleu de l’image.[6]
Le Contraste
Le contraste est une opposition entre deux choses, Le contraste est un caractère de la répartition lumineuse d’une image ou entre deux points d’une image (ou « pixels », en photographie numérique). [4]
L’étalement dynamique de l’image
L’étalement de la dynamique permet de faire étaler la dynamique entre 0 et 255 d’une image qui a une dynamique réduite (mauvaise interprétation). Il sert surtout pour une amélioration de contraste (interprétation aisée) ou pour d’autres traitements comme la composition colorée, les classifications, etc …
Traitement d’images
Le traitement d’images est une discipline de l’informatique et des mathématiques appliquées qui étudie les images numériques et leurs transformations, dans le but d’améliorer leur qualité ou d’en extraire de l’information. Il s’agit d’un sous-ensemble du traitement du signal dédié aux images et aux données dérivées comme la vidéo. [11]
Filtrage
Le principe du filtrage est de modifier la valeur des pixels d’une image, généralement dans le but d’améliorer son aspect. En pratique, il s’agit de créer une nouvelle image en se servant des valeurs des pixels de l’image d’origine.
Conclusion générale
Le traitement d’images est une discipline de l’informatique et des mathématiques appliquées qui étudie les images numériques et leurs transformations, dans le but d’améliorer leur qualité ou d’en extraire de l’information. Il s’agit d’un sous-ensemble du traitement du signal dédié aux images et aux données dérivées comme la vidéo. L’analyse de la texture des images est un domaine de recherche qui, aujourd’hui, donne lieu à de nombreuses études. Analyser la texture, revient à exploiter les relations de voisinage des pixels. En ce sens, elle cherche à rehausser les structures significatives contenues dans l’image. Différentes approches ont été proposées dans la littérature. On trouve les matrices de cooccurrences, la morphologie mathématique, le variogramme, les ondelettes, etc … Notre but de notre mémoire est de pouvoir extraire les différents descripteurs statistiques du premier ordre de la matrice de cooccurrence, nous avons aussi appliqué certain filtres sur les images à savoir le filtre Moyen, Variance, Kurtosis et Nagao. Nous avons remarqué que la variance mesure l’ampleur des variations d’intensité par rapport à la moyenne, une faible entropie pour une image d’intensité homogène et le filtre Nagao qui permet d’éliminer le bruit tout en préservant les contours. Comme perspective on peut élargie notre travail sur les matrices de cooccurrence du seconde ordre, travailler sur d’autre méthode d’analyse de la texture .
|
Table des matières
Introduction générale
Chapitre 1 ANALYSE DE LA TEXTURE
I.1 Introduction
I.2 Définition d’image
I.3 Types d’image
I.3.1 Windows BitMap BMP
I.3.2 Joint Photographic Expert Group JPEG
I.3.3 Graphics Interchange Format GIF
I.3.4 Portable Network Graphic PNG
I.4 Les caractéristiques de l’image
I.4.1 Pixel
I.4.2 HISTOGRAMME
I.4.3 Histogramme cumulé
I.4.4 Le Contraste
I.4.5 L’étalement dynamique de l’image
I.5 Traitement d’images
I.5.1 Filtrage
I.6. la texture
I.6.1 Perception et analyse visuelle d’une texture
I.6.1.1 Vision et perception de la texture par l’œil
I.6.2 Notions d’attribut et de descripteur de texture
I.6.3 Principales méthodes d’analyse de texture
I.6.3.1 Méthodes Statistiques
a) Les matrices de cooccurrence
b) Spectre de texture
I.6.3.2 Méthodes structurelles
I.6.3.3 Méthodes basées sur le filtrage
a) Ondelettes
b) Théorie de la morphologie mathématique
I.6.3.4 Méthodes basées sur les modèles
a) Méthodes markovienne
b) Méthodes fractales
I.7 Conclusion
Chapitre 2 Matrice de cooccurrence
II.1 Matrice de cooccurrence
II.1.1 Définition
II.1.2 Matrice de cooccurrence des niveaux de gris
II.1.3 Caractérisation statistique des textures
II.1.3.1 Moyenne locale
II.1.3.2 Écart-type local
II.1.3.3 Variance
II.1.3.4 Obliquité
II.1.3.5 Énergie
II.1.3.6 Entropie
II.1.3.7 Inertie (Constraste)
II.1.3.8 Moment différentiel inverse (Homogénéité)
II.1.3.9 Corrélation
II.1.3.10 Moments
II.1.3.11 Probabilité maximale
II.2. Les Filtres
II.2.1 Filtre Moyen
II.2.2 Filtre Nagao
II.2.3 Filtre de Kurtosis
Chapitre 3 Application
III.1. Introduction
III.2. Langage de programmation
III.3. Description de l’application
III.3.1 Ouvrir et Actualisé
III.3.2 Menu « Fichier »
III.3.3 Menu « Enregister IMG »
III.3.4 Menu « Aide ! »
III.3.5 Parametre
III.3.6 Filtrage
III.3.7 Matrice de coocurrence
III.3.4 Conclusion
Conclusion générale
Télécharger le rapport complet
