4 - Classification de mines sous-marines à partir de l'image sonar brute : caractérisation du contour de l'ombre portée par algorithme génétique

Show full item record

Files in this item

PDF Quidu I (1050).pdf 19.97Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/2218
Title: 4 - Classification de mines sous-marines à partir de l'image sonar brute : caractérisation du contour de l'ombre portée par algorithme génétique
Author: QUIDU (I.); MALKASSE (J. Ph.); BUREL (G.)
Abstract: Dans le domaine de la chasse aux mines sous-marines, l'objet détecté peut être caractérisé par son ombre portée sur le fond. L'approche classique est séquentielle : l'image sonar est tout d'abord segmentée afin d'obtenir une image binaire partageant les pixels entre la zone d'ombre et la zone de réverbération de fond, puis des attributs caractéristiques sont extraits de la silhouette 2-D correspondant à l'ombre segmentée lesquels servent à classifier l'objet en fin de traitement. À chacune des étapes sont généralement associés des pré- et/ou post-traitements visant à éviter qu'une erreur intervenant à un instant donné de la chaîne de traitement se répercute jusqu'au résultat final. Afin d'optimiser la procédure de classification en se concentrant sur l'objectif ultime de la chaîne de traitement, nous avons mis en oeuvre un processus dynamique pour caractériser le contour de l'ombre à partir de l'image sonar brute en offrant en outre la possibilité de classifier l'objet détecté. Cette approche innovante fait appel aux notions de modèles déformables, modèles statistiques et algorithmes génétiques.
Description: In the context of mine warfare, detected objects can be classified from their cast shadow. A standard solution consists in segmenting the image at first (we obtain binary from grey-level image giving the label zero for pixels belonging to the shadow and the label one elsewhere), and then in performing classification from features extracted from the 2D-shape of the segmented shadow. Other pre- or post-processings are generally used to make each step more robust by avoiding a mistake to be propagated through the following steps. In this paper, to focus on the actual goal, we propose a novel approach where a dynamic segmentation scheme is fully classification-oriented. Actually, classification is performed directly from raw image data. The approach is based on the combination of deformable models, genetic algorithms, and statistical image models.
Subject: Détection objet; Imagerie sonar; Observation sous marine; Mine; Détection contour; Ombre portée; Algorithme génétique; Classification forme; Reconnaissance forme; Modèle statistique; Segmentation image; Image binaire
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 2003

This item appears in the following Collection(s)

Show full item record





Advanced Search