Dépôt institutionnel de l'UQO
RECHERCHER

Segmentation d'objets : approches par analyse de forme et apprentissage probabiliste

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Larivière, Guillaume (2012). Segmentation d'objets : approches par analyse de forme et apprentissage probabiliste. Mémoire. Gatineau, Université du Québec en Outaouais, Département d'informatique et d'ingénierie, 94 p.

[thumbnail of Larivière_Guillaume_2012_mémoire.pdf]
Prévisualisation
PDF
Télécharger (10MB) | Prévisualisation

Résumé

Dans ce travail, nous proposons une méthode par apprentissage pour la segmentation d’objets. Notre méthode corrige la segmentation partielle d’une image qui contient un objet d’une classe donnée, et ce, à l’aide d’information a priori concernant la forme de l’objet. Nous décrivons dans un premier temps l’acquisition de cette information a priori effectuée grâce à un apprentissage automatique. Cette information consiste en des fragments qui sont extraits d’images d’objets de la classe d’objet concernée. L’ensemble de ces fragments constitue le modèle que l’on associe à cette classe. Dans un deuxième temps, nous décrivons comment utiliser ce modèle pour effectuer la correction de toute segmentation partielle d’une image, et ainsi délimiter les frontières d’un objet. Pour ce faire, deux approches ont été explorées. Dans la première approche, nous utilisons l’analyse par corrélation pour segmenter un objet en connaissant sa classe. Dans la deuxième approche, aucune information sur la classe de l’objet n’est fournie. Un modèle probabiliste sera alors utilisé pour identifier la classe d’un objet et segmenter ce dernier. L’application de notre méthode à des naturelles montre de très bons résultats, que nous quantifions par rapport à la vérité terrain de la segmentation figure-fond de ces images. Notre méthode permet ultimement d’attribuer un niveau de confiance à la présence d’objets de classes connues dans une image (reconnaissance d’objets), en plus de segmenter ces derniers.

Type de document: Thèse (Mémoire)
Directeur de mémoire/thèse: Allili, Mohand Saïd
Informations complémentaires: Bibliothèque L.-Brault TA 1637 L37 2012 Comprend des réf. bibliogr. : p. 90-94.
Départements et école, unités de recherche et services: Informatique et ingénierie
Date de dépôt: 06 déc. 2012 21:08
Dernière modification: 23 janv. 2013 18:09
URI: https://di.uqo.ca/id/eprint/520

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt