Présentation

Article

1 - TECHNIQUES DE NUMÉRISATION D’UNE IMAGE

2 - TECHNIQUES D’ANALYSE STATISTIQUE DE L’IMAGE

3 - ANALYSE TEXTURELLE DE L’IMAGE

| Réf : R630 v1

Analyse texturelle de l’image
Mesures par analyse d’image : analyse statistique et texturelle

Auteur(s) : Jean-Paul DUBUS

Date de publication : 10 mars 1998

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

Auteur(s)

  • Jean-Paul DUBUS : Ingénieur du Conservatoire national des arts et métiers - Docteur ès sciences - Professeur à l’université des Sciences et Technologies de Lille

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

INTRODUCTION

Le traitement d’images trouve des applications dans beaucoup de domaines. Il s’applique notamment dans le domaine de la productique, de la mesure et l’interprétation, la surveillance et la sécurité, l’audiovisuel... Quel que soit le domaine d’application, il est nécessaire de connaître ce que l’on cherche à traiter dans l’image.

Dans le domaine de la productique, comme en mesure et interprétation ou en sécurité et en surveillance, on doit généralement résoudre des problèmes de segmentation soit par détection de contours, soit par croissance de région. Ces techniques conduisent à pratiquer des méthodes d’analyse de textures, de classification, de décomposition pyramidale. Le but consiste à extraire des formes primitives (segments de droite, cercles...), pour effectuer du codage de scène.

Dans le domaine de l’audiovisuel, on met en œuvre pratiquement les mêmes techniques de traitement d’images qu’en productique. Mais, dans ce domaine, il faut ajouter des techniques de restauration d’image, de rehaussement de contraste, et de compressions de données.

Toutes ces techniques, pour être utilisées de façon pertinente, nécessitent une connaissance préalable des caractéristiques propres au signal image. L’analyse du contenu d’une image a pour objet de rassembler dans une même présentation les différentes techniques permettant de caractériser l’information que comporte l’image.

Une image peut être caractérisée par les propriétés statistiques de l’ensemble des données qui la constituent. Elle peut être caractérisée aussi par ses propriétés spectrales. Elle peut être caractérisée encore par son aspect psychovisuel.

Le signal image peut être analysé soit à partir de sa représentation sous la forme du signal vidéo, soit à partir de sa représentation visuelle, c’est-à-dire sous la forme d’un tableau de données à deux dimensions. Cependant, le signal vidéo analogique n’est plus aujourd’hui utilisé que pour la restitution de l’image sur un visuel. Tous les traitements et les transmissions d’images se font essentiellement sous forme numérique. L’analyse du contenu d’une image s’effectue donc sur les données du tableau à deux dimensions qui la représente.

Dans une première partie, nous décrivons sommairement la technique de numérisation d’une image pour aboutir à sa représentation dans une mémoire.

Dans une seconde partie, nous présentons diverses techniques courantes d’analyse des images. Dans un premier chapitre, nous décrivons l’approche statistique classique que nous illustrons par quelques applications au rehaussement et à la détection de contours. Nous poursuivons l’analyse par la caractérisation texturelle d’une image. Nous illustrons ces techniques sur un exemple de classification de forme de textures. Dans un troisième chapitre, nous développons les méthodes de caractérisation spectrale des images. Nous illustrons une coopération des techniques d’analyse spectrale et texturelle sur une application à une technique de compression adaptée au cas des images médi-cales.

En conclusion, nous citons quelques documents qui développent d’autres exemples d’application de l’analyse du contenu d’une image, dont la liste pourrait être très importante.

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-r630


Cet article fait partie de l’offre

Mesures et tests électroniques

(78 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

3. Analyse texturelle de l’image

Les méthodes d’analyse texturelle ont pour objectif la détermination de caractéristiques d’arrangement et de propriétés spatiales des différents éléments fondamentaux d’une image. L’analyse de textures est l’une des méthodes les plus utilisées en analyse d’images. Elle possède un large domaine d’applications notamment en classification et en segmentation d’objets.

Une texture peut être considérée comme une répétition de motifs typiques. Dans ce cas, on applique une approche statistique au second ordre pour déterminer la dépendance spatiale des niveaux de gris. On peut aussi appliquer une approche structurelle pour étudier la nature des motifs élémentaires constitutifs de l’image.

3.1 Méthodes statistiques

Les méthodes statistiques comprennent les techniques d’histogramme des sommes et différences, les matrices de co-occurence, les matrices de longueurs de plage. Nous verrons que ces méthodes permettent de caractériser, par exemple, des motifs de revêtements.

HAUT DE PAGE

3.1.1 Matrice de co-occurence

Soit une image définie par un ensemble D de N lignes et de M colonnes de pixels. Chaque pixel de coordonnées (k,l) peut prendre une valeur de niveau de gris (k,l), comprise entre zéro et gm. Pour obtenir une indication sur la fréquence de répétition du niveau de gris dans une direction donnée, Julesz [6] et Haralick [4]...

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Mesures et tests électroniques

(78 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Analyse texturelle de l’image
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - LIU (W. Y.), MAGNIN (I. E.), GIMENEZ (G.) -   Un nouvel opérateur pour la détection de ruptures dans les signaux bruités.  -  Traitement du signal, vol. 12, no 3, 1995.

  • (2) - REBOUL (S.) -   Étude d’une méthode de segmentation d’images obtenues en résonance magnétique, en vue d’une quantification.  -  Thèse de l’université du Littoral, Électronique, 12 décembre 1995.

  • (3) - COCQUEREZ (J. P.), PHILIP (S.) -   Analyse d’images : filtrage et segmentation.  -  Masson, 1995.

  • (4) - HARALICK (R. M.), SHANMUGAM (K.), DINSTEIN (I.) -   Textural features for image classification.  -  IEEE Transactions on System, Man, and Cybernetics, vol. SMC3, no 6, nov. 1973.

  • (5) - UNSER (M.) -   Sum and difference histograms for texture.  -  IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PAMI-8, no 1 jan. 1986.

  • ...

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Mesures et tests électroniques

(78 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS