Classification des images texturrées basée sur la fusion de l'information

Abstract

La segmentation d’images consiste à partitionner l’image en régions connexes et homogènes au sens d’un critère d’homogénéité difficile à définir surtout dans le cas de régions texturées. Cependant, la recherche de paramètres discriminants caractérisant la texture et l’utilisation de ces paramètres pour la segmentation des images texturées restent encore un problème délicat, sans solution universelle. C’est dans ce contexte nous proposons une méthode de segmentation d’images texturées. Cette méthode est basée sur une phase d’extraction des attributs par la transformée en ondelette, caractérisant d’une manière fiable les différentes régions texturées, ainsi qu’une phase de pré-classification par la méthode des réseaux de neurones, ensuite une classification finale par la théorie de l’évidence pour obtenir une erreur de classification minimale. La méthode a été testée sur des textures des bases Brodatz et images sonores.