a la physique de l'information - Lisa - Université d'Angers
a la physique de l'information - Lisa - Université d'Angers
a la physique de l'information - Lisa - Université d'Angers
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
une structure monodimensionnelle aisée à visualiser et à manipuler. L’imagerie multicomposante<br />
avec les imageries multi-hyperspectrales ou encore en multimodalité est en plein développement.<br />
Les histogrammes <strong>de</strong>s images multicomposantes sont par définition <strong>de</strong>s structures <strong>de</strong> données<br />
multidimensionnelles qui peuvent montrer <strong>de</strong>s organisations complexes [94]. Pour <strong>de</strong>s images<br />
multicomposantes, une approche usuelle en traitement d’image est <strong>de</strong> considérer séparémment<br />
les histogrammes marginaux <strong>de</strong> chaque composante. Ceci mène à <strong>de</strong>s traitements simples mais<br />
qui peuvent perdre une part importante <strong>de</strong> l’information contenue dans <strong>la</strong> dépendance entre les<br />
composantes. L’histogramme multidimmensionnel contient davantage d’information mais il est<br />
plus compliqué à manipuler et on en connaît finalement peu sur <strong>la</strong> structure multidimmensionnelle<br />
<strong>de</strong> ces histogrammes à commencer simplement par celles <strong>de</strong>s images couleurs.<br />
Dans les étu<strong>de</strong>s [43, 28, 44], nous montrons que les histogrammes <strong>de</strong>s images couleurs ont<br />
tendance à s’organiser selon <strong>de</strong>s régu<strong>la</strong>rités non triviales à travers les échelles <strong>de</strong> l’espaces colorimétrique<br />
naturel RGB. L’i<strong>de</strong>ntification d’invariants ou <strong>de</strong> régu<strong>la</strong>rités dans <strong>de</strong>s c<strong>la</strong>sses données<br />
d’images est un résultat utile pour caractériser <strong>de</strong>s images ou pour é<strong>la</strong>borer <strong>de</strong>s modèles ou encore<br />
pour comprendre <strong>de</strong>s processus liés à <strong>la</strong> vision. Les images naturelles sont connues pour<br />
montrer <strong>de</strong>s régu<strong>la</strong>rités à travers les échelles dans leur organisation spatiale. Ceci se traduit<br />
par un spectre <strong>de</strong> fréquence spatiale qui évolue selon une loi <strong>de</strong> puissance en 1/f α avec f<br />
<strong>la</strong> fréquence spatiale [22, 58, 135, 134]. De façon équivalente une évolution en loi <strong>de</strong> puissance<br />
sur le spectre <strong>de</strong> fréquence est associée à une évolution selon une loi <strong>de</strong> puissance <strong>de</strong><br />
<strong>la</strong> fonction <strong>de</strong> corré<strong>la</strong>tion [134]. Ce type d’invariance en échelle a été rapporté à <strong>la</strong> présence<br />
<strong>de</strong> structures et <strong>de</strong> détails spatiaux à toutes les échelles dans les images naturelles avec <strong>de</strong>s<br />
objets à <strong>de</strong> multiples tailles, <strong>de</strong>s bords et <strong>de</strong>s occlusions apparaissant sous différents angles<br />
[59, 134, 75]. Des régu<strong>la</strong>rités à travers les échelles apparaissent également dans les structures<br />
temporelles <strong>de</strong> séquences d’images vidéo. La dynamique temporelle d’images naturelles montre<br />
<strong>de</strong>s évolutions en lois <strong>de</strong> puissance du spectre temporel <strong>de</strong> puissance [53]. Des objets <strong>de</strong> tailles<br />
très différentes, apparaissant à différentes profon<strong>de</strong>urs dans l’image, se dép<strong>la</strong>cent à <strong>de</strong>s vitesses<br />
très différentes pour l’observateur ce qui confère <strong>de</strong>s structures invariantes à travers les échelles<br />
spatio-temporelles <strong>de</strong>s images. Ces résultats montrent que les images naturelles n’évoluent pas<br />
<strong>de</strong> façon aléatoirement <strong>de</strong>structurées dans le temps et l’espace. Au contraire, les images dans le<br />
temps et l’espace montrent <strong>de</strong> <strong>la</strong> corré<strong>la</strong>tion, <strong>de</strong>s structures <strong>de</strong> <strong>la</strong> redondance. Et ces corré<strong>la</strong>tions<br />
apparaissent auto-simi<strong>la</strong>ire ou invariantes à travers les échelles, ou aussi fractales selon le temps<br />
et l’espace. Dans les étu<strong>de</strong>s [43, 28, 44], nous examinons un autres aspect <strong>de</strong> l’organisation <strong>de</strong>s<br />
images naturelles : leur organisation colorimétrique. Et nous montrons dans [43, 28, 44] que<br />
dans le domaine colorimétrique, les images couleurs naturelles ten<strong>de</strong>nt également à s’organiser<br />
d’une façon que l’on peut qualifier <strong>de</strong> fractale.<br />
Pour ce faire nous avons considéré <strong>de</strong>s images couleurs où chacun <strong>de</strong>s Npix pixels est représenté<br />
par un triplet <strong>de</strong> composantes (R, G, B), chacune <strong>de</strong> ces composantes prenant une valeur entière<br />
dans [0, Q − 1] (par exemple Q = 2 8 = 256). L’espace colorimétrique tridimensionnel <strong>de</strong>s coordonnées<br />
(R, G, B) possè<strong>de</strong> donc Q 3 cases colorimétriques ou couleurs distinctes. Les Figs. 4.6 et<br />
4.7 donnent <strong>de</strong>ux exemples d’images naturelles avec leur histogramme couleur tri-dimensionnel<br />
dans le cube colorimétrique RGB. Pour caractériser l’organisation <strong>de</strong>s histogrammes colorimétriques<br />
à travers les échelles nous avons testé différentes mesures c<strong>la</strong>ssiques <strong>de</strong> l’analyse fractale<br />
que nous avons appliquées selon un paramètre d’échelle a :<br />
• La métho<strong>de</strong> <strong>de</strong>s boîtes (testée dans [44]) donne le nombre N(a) <strong>de</strong> boîtes <strong>de</strong> taille r nécessaires<br />
pour couvrir tous les points Pn <strong>de</strong> l’histogramme tridimmensionel couleur. Cette mesure caractérise<br />
le support <strong>de</strong> l’histogramme c’est-à-dire <strong>la</strong> répartition <strong>de</strong> <strong>la</strong> palette <strong>de</strong>s couleurs <strong>de</strong><br />
l’image dans l’espace colorimétrique.<br />
47/197