Apprentissage Profond pour la Classification d’Images

Abstract

Une image numérique est composée d'unîtes élémentaires appelées· pixels, contenant chacune différentes informations (intensité, lumineuse, couleur, etc.). L’arrivée de ces images constitue un véritable atout dans beaucoup de domaines scientifiques. En effet, les images numériques apportent un support de représentation permettant de modéliser et de véhiculer beaucoup d'informations, les rendant ainsi accessibles a l'interprétation et ce, pour une utilisation optimale dans le domaine socio-économique. L'analyse d’une 'image consiste souvent à extraire un certain nombre de propriétés caractéristiques et à les exprimer sous forme paramétrique. La texture joue un rôle très important dans l'étape de l’identification et de l’extraction des informations thématiques contenues dans une image et il semble que l’avenir de la maîtrise de l’image réside dans la compréhension plus approfondie de sa texture, donc dans sa définition plus complète et cohérente. Dans l'analyse des textures, on trouve une méthode théoriquement simple mais très puissante avec un opérateur appelé oriented Basic Image Features (OBIFs). L’opérateur de texture (OBIFs) est devenu une approche populaire dans diverses applications. Grâce à ses récentes extensions, il a été transformé en une très puissante mesure de la texture de l'image. Ce travail concerne l’étude de différentes méthodes de traitements d’images et d’analyse de texture et essentiellement l’application de l’opérateur oriented Basic Image Features (OBIFs).