Exploitation de connaissances structurelles en classification d'images : une approche par partition floue et optimisation combinatoire
Institution:
Toulouse 3Disciplines:
Directors:
Abstract EN:
The design of automatic systems dedicated to image classification has received considerable attention. However, the current systems still cannot compare with human photo-interpreters. In this dissertation we describe a new promising approach aiming at achieving higher classification accuracy by integrating structural knowledge into the image classification process, i. E. , using information about the shape of the image regions and their spatial relationships. Our system is based on knowledge representation by a fuzzy inference system, the computation of a fuzzy partition and its associated crisp partition (in a preprocessing step), and the utilization of heuristic methods for combinatorial optimization with the aim of maximizing the global adequacy between the image partition and the available knowledge. . .
Abstract FR:
Cette recherche s'inscrit dans le domaine de la classification d'images. Les systèmes de classification automatique actuels sont encore loin de pouvoir rivaliser avec le photo-interprète humain. Nous décrivons dans cette thèse une nouvelle approche prometteuse ayant pour but d'améliorer la précision de la classification en intégrant, dans le processus de classification, des connaissances structurelles expertes (c'est-à-dire des informations sur la forme des régions et leurs relations spatiales). Notre système est fondé sur la représentation des connaissances par un système d'inférence floue, le calcul (dans une étape préliminaire) d'une partition floue et de la partition nette associée, et l'utilisation de méthodes heuristiques d'optimisation combinatoire qui visent à maximiser l'adéquation globale entre la partition de l'image et les connaissances disponibles. Des résultats expérimentaux montrent le bien-fondé de notre approche et offrent des perspectives d'amélioration. . .