Image pattern classification under invariant constraints - IMEP-LAHC - Institut de Microélectronique, Electromagnétisme et Photonique - Laboratoire d'Hyperfréquences et Caractérisation Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Image pattern classification under invariant constraints

Résumé

Two of the main challenges of image recognition in radar, X-ray or T-ray imaging are the view-point variation of the pattern and the feature extraction techniques that must retrieve the most discriminative information from the analyzed data. In this paper, we aim to describe a novel feature extraction and image classification technique that achieves an almost maximum accuracy and surpasses the classical approaches, such as k-NN and SVM with usual entropy and energy feature vectors. In our algorithm, the images are decomposed in using a Rotation Invariant WaveletPacket Decomposition. Afterwards, we compute the novel feature extraction technique, the N-directional entropy, for each wavelet sub-band from the “best basis”. The resulted feature tree is fed to a Graph Neural Network classifier, adapted to operate on wavelet decompositions.
-Deux des principaux défis de la reconnaissance d'images dans l'imagerie radar, à rayons X ou à rayons T sont la variation du motif selon le point de vue et les techniques d'extraction de caractéristiques qui doivent extraire les informations les plus discriminantes des données analysées. Dans cet article, nous décrivons une nouvelle technique d'extraction de caractéristiques et de classification d'images qui atteint une précision presque maximale et surpasse les approches classiques, telles que k-NN et SVM avec les vecteurs de caractéristiques habituels d'entropie et d'énergie. Dans notre algorithme, les images sont décomposées en utilisant une décomposition en paquets d'ondelettes invariante en rotation. Ensuite, nous calculons la nouvelle technique d'extraction de caractéristiques, l'entropie N-directionnelle, pour chaque sous-bande d'ondelettes à partir de la "meilleure base". L'arbre de caractéristiques résultant est soumis à un classificateur à réseau de neurones graphiques, adapté pour fonctionner avec des décompositions en ondelettes.
Fichier principal
Vignette du fichier
Image pattern classification under invariant constraints_final.pdf (455.84 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03980905 , version 1 (09-02-2023)

Identifiants

  • HAL Id : hal-03980905 , version 1

Citer

Dragoș Nastasiu, Maxime Berniner, Angela Digulescu, Frédéric Garet, Cornel Ioana, et al.. Image pattern classification under invariant constraints. GRETSI 2022 - XXVIIIème Colloque Francophone de Traitement du Signal et des Images, Sep 2022, Nancy, France. ⟨hal-03980905⟩
40 Consultations
3 Téléchargements

Partager

Gmail Facebook X LinkedIn More