Une méthode supervisée de sélection et de discrimination avec rejet : application au projet Aqu@thèque
Institution:
La RochelleDisciplines:
Directors:
Abstract EN:
Our work is a part of the Aqu@thèque project, of which the principal goal is to elaborate an automatique and real-time fish recognition system. In the first part of this work, we study the classification methods with reject options (ambiguity reject and distance reject). We proposed a new strategy and an original rules of classification for the implementation of the reject options. Our strategy is based on an ambiguity measure which is a combination of fuzzy aggregation operators. The second part of this study deals with the feature selection problem. We focus on the study of the evaluation criteria which measure the goodness of feature subsets. A new evaluation criterion is proposed. It is based on the proposed ambiguity measure and is used with an efficient search algorithm to define an new feature selection method. Finally, we present our automatic and real-time fish recognition system. Our feature selection method and our classification method with reject options are used to define an efficient classifier able to recognize the species of fish with a very good recognition rate (89\% without reject, 92\% with reject option).
Abstract FR:
Notre travail s'inscrit dans le cadre du projet Aqu@thèque dont l'objectif essentiel consiste à concevoir un système de reconnaissance automatique d'espèces de poissons évoluants dans un aquarium. La première partie de ce travail a concerné l'étude des méthodes de discrimination avec double option de rejet (rejet de distance et rejet d'ambiguïté). Nous avons ainsi défini une stratégie et des règles de classement originales pour l'implantation des mécanismes de rejet. Notre stratégie est fondée sur une mesure d'ambigui͏̈té que nous avons défini à partir d'opérateurs de fusion d'étiquettes combinant des normes et conormes triangulaires. La seconde partie de ce travail concerne l'étude des méthodes de sélection de variables. Nous nous sommes particulièrement intéressés aux critères d'évaluation d'un sous-ensemble devariables. Nous avons ainsi défini un nouveau critère d'évaluation fondé sur la mesure d'ambiguïté proposée. Nous avons ensuite associé notre critère à un algorithme de recherche efficace pour définir une nouvelle méthode de sélection de variables. La dernière partie de notre travail est consacrée à la présentation de notre système de reconnaissance de poissons en temps réel. Il s'agit de reconnaître des objets mobiles (poissons) dans des séquences vidéo. Nous sommes donc confrontés aux difficultés inhérentes au traitement d'images réelles, plus particulièrement des problèmes d'éclairage et des problèmes liés à la complexité de la scène. Nous avons résolu les problèmes d'éclairage par une méthode de correction chromatique visant à diminuer l'effet de la dominante couleur due au milieu aquatique. Une méthode de segmentation par détection de mouvement est appliquée pour extraire les poissons du fond. Des attributs de formes, de couleur et de texture sont calculés sur les régions extraites. Nous avons enfin utilisé notre méthode de sélection de variables et notre règle de classement avec rejet pour construire un discriminateur capable d'identifier les espèces avec un très bon taux de reconnaissance (89\% sans rejet et 92\% avec rejet).