Fouille d'images

Fouille d'images
Exploration de données
Articles principaux
Exploration de données
Fouille de données spatiales
Fouille du web
Fouille de flots de données
Fouille de textes
Fouille d'images
Fouille audio
Articles annexes
Logiciels de fouille de données
Algorithme de fouille de flots de données
Aide
Glossaire du data mining
Contextes liés
Probabilités et statistiques
Information géographique
Imagerie numérique
Informatique
Linguistique
Internet

La fouille d'images (« Image mining ») est le domaine de l'analyse et de l'extraction de connaissances appliquée aux images sous leurs diverses formes. Elle se situe à l'intersection de la vision par ordinateur, de la compréhension visuelle de l'image, de l'exploration de données, de l'intelligence artificielle et de l'algorithmique.

Les techniques utilisées sont :

Sommaire

Clustering

La segmentation est une tradition en data mining. Il n'est donc pas étonnant de retrouver des techniques permettant de segmenter des images.

Clustering hiérarchique

Définition

En utilisant[2],[3] les outils mis au point en théorie de l'Espace d'échelle, on peut segmenter hiérarchiquement une image. Si p(x) : \R^2 \rightarrow \R est un mappage continue d'une image, on sait bâtir une famille de fonctions P(x,σ) = p(x) * g(x,σ)g(x,\sigma) = \frac{1}{(\sigma^2 2 \pi)} e ^\frac{-\| x \| ^2}{2\sigma^2} est une gaussienne.
Pour chaque  y \in \R^2 pour lequel P(x,σ) atteint un maximum local, à un facteur d'échelle donné, on définit le Blob de lumière (« light blob ») de la manière suivante :

 \Beta_y = ({x_0 \in \R^2 : \lim_{t \to \infty} x(t,x_0)=y}), x(t,x_0) étant une solution du système d'équation différentielle :
\begin{cases}
\frac{dx}{dt} =  \bigtriangledown _x P(x,\sigma)\\
x(0) = x_0
\end{cases}

y est le centre du Blob de lumière, tous les blobs forment une partition de \R^2. Les maximum locaux satisfont l'équation \bigtriangledown _x P(x,\sigma) =0 et forment une courbe simple.
L'algorithme de segmentation se déroule ainsi dans l'espace d'échelle[2] :

  1. A l'échelle σ = 0, tous les points sont des centres des blobs de lumières.
  2. quand σ s’accroît continument, si le centre du blob de lumière suit la courbe des maximas et aucun autre centre de blob de lumière n'est absorbé par celle-ci, la segmentation ne change pas. Si au contraire un autre centre de blob de lumière est absorbé dans celle-ci les deux blobs de lumières fusionnent et une nouvelle segmentation est créée.
  3. L'algorithme s’arrête quand tous les points sont dans un seul blob de lumière.

Une segmentation par dendrogramme hiérarchique est ainsi créée avec pour hauteurs les facteurs d'échelle.

Critères d'évaluation

la durée de vie[3] d'une classe : elle est mesurée par la différence entre l'échelle où la classe apparait et celle où elle disparait. Plus précisément :
duree de vie_{\C_i} = \ln( \sigma_2 ) - \ln( \sigma_1).

Une classe est de qualité si sa durée de vie est importante.

l'isolation[2] : traduit le fait que plus les classes sont éloignées, plus la segmentation est de qualité. L'isolation de la classe \C_i se mesure par la formule :
isolation_{\C_i} = \frac{\sum_{x \in \C_i} e^\frac{-\| x - p_i \|^2}{2\sigma^2}}  {\sum_{x} e^\frac{-\| x - p_i \|^2}{2\sigma^2}}
La densité : exprime que les éléments à l'intérieur d'une classe sont proches, et plus les classes sont compactes plus la segmentation est de qualité. On a :
densite_{\C_i} = \frac{\sum_{x \in \C_i} e^\frac{-\| x - p_i \|^2}{2\sigma^2}}  {\sum_{x \in \C_i} \sum_{j} e^\frac{-\| x - p_j \|^2}{2\sigma^2}}

pi est le centre de la classe \C_i .

Clustering partitionnant

UNIQ701c88ca11621de5-math-00000045-QINU

Applications

Les applications de la fouille d'images concernent la lutte contre la pédophilie, la contrefaçon, la contrebande d'objets d'art[4], mais aussi dans la biométrie (la reconnaissance des visages, l'estimation universelle de l'age[5],[6]), en médecine (associé à l'IRM par exemple) pour le diagnostique ou la recherche[7]...

Acteurs

  • LTU Technologies : LTU (Société franco-américaine) est un des leaders mondiaux en matière d'exploration d'images. Son expertise s'applique aussi bien dans le domaine de la lutte contre la délinquance, que l'e-commerce, et le suivi des parutions de pub[8].

Manifestations

  • International Workshop on Image Mining (IMTA)[9]
  • Image Mining Symposium [10]

Voir aussi

Liens internes

Notes

Références

  1. Ji Zhang, Wynne Hsu, Mong Li Lee,Image Mining: Issues, Frameworks and Techniques
  2. a, b et c Yee Leung, Knowledge Discovery in Spatial Data, Springer, 2010, paragraphe 2.2
  3. a et b Hongming Yang, A New Clustering Method for Partitioning Price Zone in Power Market Environment
  4. François Veltz, Image mining : voir plus vite
  5. Mohamed Y. Eldib, Hoda M. Onsi, Web Image Mining Age Estimation Framework
  6. Bingbing Ni, Zheng Song, Shuicheng Yan, Web Image Mining Towards Universal Age Estimator
  7. Ashraf Elsayed, Frans Coenen, Marta García-Fiñana and Vanessa Sluming, Segmentation for Medical Image Mining: A Technical Report
  8. LTU technologiesSite officiel
  9. International Workshop on Image Mining Site officiel
  10. Image Mining Symposium , Site officiel

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Fouille d'images de Wikipédia en français (auteurs)

Игры ⚽ Поможем решить контрольную работу

Regardez d'autres dictionnaires:

  • Fouille du web — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Fouille de textes — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Fouille de données spatiales — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Fouille de flots de données — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Fouille audio — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Logiciels de fouille de données — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Algorithme de fouille de flots de données — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Exploration de données — Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Glossaire du data mining — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Synagogue de Doura-Europos — 34° 44′ 51″ N 40° 43′ 38″ E / 34.7474, 40.7272 …   Wikipédia en Français

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”