Abstract FR:

Le theme de cette etude est l'analyse de la performance des attributs de textures extraits a partir d'une decomposition frequentielle similaire a celle realisee au niveau des premiers etages du cortex visuel. Par cette decomposition, des images sont segmentees en zones homogenes au sens de la texture. Pour analyser les distributions des caracteristiques produites, nous avons mis en place une methodologie d'analyse de donnees utilisant des techniques statistiques, neuronales et de traitement d'images. Les caracteristiques frequentielles sont issues d'une decomposition en multiresolution ou a chaque niveau sont implantes de filtres de type passe-bande orientee (filtres de gabor). Les techniques utilisees pour l'analyse de la complexite des distributions (caracteristiques dispersees, recouvrantes,. . . ) sont principalement les projections non lineaires par reseaux de neurones auto-organisants et la classification hierarchique ascendante. Ces techniques offrent une representation des similarites dans l'espace multidimensionnel des caracteristiques. Pour la segmentation, nous avons utilise un prototypage par simples agregations des donnees, dans le cadre d'une strategie non supervisee. Pour la discrimination, nous avons utilise un classement au plus proche voisin, dans le cadre d'une strategie supervisee. Les resultats obtenus sont presentes selon cette approche, analyses preliminaires de la distribution et tests suivant des protocoles non supervisee et supervisee. Les images analysees couvrent differents domaines, a savoir, des images utilisees en analyse psychophysique, ainsi que des images de textures naturelles a diverses granulosites utilisees en traitement d'images