WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Détection automatique de phénomènes présents dans une image satellitaire en composition colorée

( Télécharger le fichier original )
par abdelaziz ammadi
faculte des sciences rabat universite mohammed 5 - master en informatique telecom imagerie 2006
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

4.5.4 Deuxième méthode : espace RGB.

De la même manière que la teinte et pour chaque composante R, G et B on calcule l'histogramme, on opère un lissage et on détermine les maximums locaux.

En fin le max des classes obtenus du triplet (R,G,B) initialisera notre programme.

4.5.5 Troisième méthode : méthode améliorée.

L'inconvénient majeur des deux méthodes précédentes se présente d'une part de l'instabilité du masque (2*p+1) utilisé pour le calcul des maxima locaux d'autre part de l'irréalité des nombres de classes qui influencent le résultat d'une manière directe:

Ainsi, la taille du masque sera une variable qui varie selon chaque situation. Cette contrainte augmente la complexité (le temps d'exécution) du programme, ce qui nous a poussés à réfléchir à une autre solution.

Cette solution améliorée s'appuie donc sur les deux premières solutions, à laquelle nous introduisons d'autres processus.

L'exemple ci-dessous appliqué sur deux images de différentes situations montre que le nombres des classes trouvées ne reflète pas le nombre des phénomènes météo existant.

Test Sur HSV

Taille masque (2*p+1)

Nbre de classes

3

68

5

70

7

64

9

65

11

59

13

53

15

47

17

47

19

51

21

52

Taille masque (2*p+1)

Nbre de classes

3

69

5

70

7

64

9

68

11

59

13

57

15

50

17

48

19

44

21

55

Nombre de classe, correspondant à chaque masque, appliqué sur RGB 1 du 200802211300

Nombre de classe, correspondant à chaque masque, appliqué sur RGB 2 du 200802231300

Test Sur RGB

Taille masque (2*p+1)

Nbre de classes

3

86

5

69

7

52

9

35

11

26

13

21

15

23

17

12

19

19

21

13

Taille masque (2*p+1)

Nbre de classes

3

86

5

71

7

56

9

33

11

25

13

22

15

20

17

17

19

15

21

10

Nombre de classe, correspondant à chaque masque, appliqué sur RGB 1 du 200802211300

Nombre de classe, correspondant à chaque masque, appliqué sur RGB 2 du 200802231300

Afin de remédier ce problème, on propose une autre méthode pour le calcul du nombre des centres. Il s'agit de travailler avec le niveau de gris au lieu des couleurs. La conversion de l'espace RGB à l'espace monochromatique (niveau de gris) se fait par la formule suivante :

Grayi = 0.2989 * Ri + 0.5870 * Gi + 0.1140 * Bi

Avec i l'indice du pixel à traiter.

L'avantage de cette formule, c'est qu'elle conserve l'information de R, G et B par l'intermédiaire de la valeur de la variable gray et garde un masque constant, de valeur égale à 3 et qui est obtenue pour p=1.

Taille masque (2*p+1)

Nbre de classes

3

16

Nombre de classe optimal avec p=1

Par la suite, et de la même manière que les deux méthodes antérieures, on calcule l'histogramme, on procède à son lissage et on détermine les maxima locaux.

Plusieurs tests sur différentes situations montrent l'avantage de cette méthode sur les deux autres

En comparant les résultats de cette méthode et en particulier le nombre de classe, avec ceux des méthodes (HSV, RGB) on constate l'amélioration du résultat et la rapidité d'exécution.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Là où il n'y a pas d'espoir, nous devons l'inventer"   Albert Camus