Multi color space LBP-based feature selection for texture classification
Vinh Truong Hoang · 2018
L'analyse de texture a ete largement etudiee dans la litterature et une grande variete de descripteurs de texture ont ete proposes. Parmi ceux-ci, les motifs binaires locaux (LBP) occupent une part importante dans la plupart des applications d'imagerie couleur ou de reconnaissance de formes et sont particulierement exploites dans les problemes d'analyse de texture. Generalement, les images couleurs acquises sont representees dans l'espace colorimetrique RGB. Cependant, il existe de nombreux espaces couleur pour la classification des textures, chacun ayant des proprietes specifiques qui impactent les performances. Afin d'eviter la difficulte de choisir un espace pertinent, la strategie multi-espace couleur permet d'utiliser simultanementles proprietes de plusieurs espaces. Toutefois, cette strategie conduit a augmenter le nombre d'attributs, notamment lorsqu'ils sont extraits de LBP appliques aux images couleur. Ce travail de recherche est donc axe sur la reduction de la dimension de l'espace d'attributs generes a partir de motifs binaires locaux par des methodes de selection d'attributs. Dans ce cadre, nous considerons l'histogramme des LBP pour la representation des textures couleur et proposons des approches conjointes de selection de bins et d'histogrammes multi-espace pour la classification supervisee de textures. Les nombreuses experiences menees sur des bases de reference de texture couleur, demontrent que les approches proposees peuvent ameliorer les performances en classification comparees a l'etat de l'art.