traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
16<br />
Chapitre 2 - Traitement d’images <strong>par</strong> <strong>modèles</strong><br />
<strong>discrets</strong> <strong>sur</strong> graphes<br />
été générés lors de l’extraction de bornes du chemin Hamiltonien. Nous définissons la saillance<br />
d’un noeud comme suit :<br />
i∑<br />
max<br />
∆(v) = (i + 1) · δ(T i , v) où δ(T i , v) = δ(v), v ∈ T i<br />
i=0<br />
où i correspond à une itération de l’algorithme d’extraction des bornes du chemin Hamiltoninen<br />
et i max est le nombre total d’itérations. Par exemple, la saillance du noeud v j correspondant au<br />
pixel du coin haut gauche de F dans la figure 2.6(a) est :<br />
∆(v j ) = 1 · δ(T 0 , v j ) + 2 · δ(T 1 , v j ) + 3 · δ(T 2 , v j ) = 1 · 1 + 2 · 1 + 3 · 1 = 6<br />
La construction du chemin Hamiltonien est en O(N 2 ) et peut être résumée ainsi :<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
v 1 = ∧ et v N = ∨<br />
v j+1 = arg<br />
min<br />
u∼v j<br />
u/∈{v 1 ,··· ,v j }<br />
(w uvj ∆(u)) ∀j = 1, · · · , (N − 2)<br />
(a)<br />
(b)<br />
FIG. 2.7 – (a) Le graphe G 0 avec les saillances des noeuds ∆(v), (b) Le chemin Hamiltonien<br />
construit.<br />
La figure 2.7 illustre la construction de l’ordre vectoriel <strong>sur</strong> F comme un chemin Hamiltonien<br />
: <strong>sur</strong> le graphe complet G 0 (Figure 2.7(a), avec les saillances des noeuds précisées), nous<br />
obtenons le chemin de la figure 2.7(b).<br />
2.2.3.4 Résultats<br />
Finalement, nous montrons quelques résultats expérimentaux et com<strong>par</strong>aisons de l’ordre<br />
proposé avec l’ordre réduit basé <strong>sur</strong> des distances, l’ordre lexicographique et l’ordre <strong>par</strong>e entrelacement<br />
de bits. Pour avoir une idée de l’influence du choix de l’ordre de données vectorielles,<br />
nous appliquons plusieurs d’entre eux <strong>sur</strong> la fenêtre d’analyse F de la figure 2.5. Les résultats<br />
sont montrés <strong>par</strong> la figure 2.8. La première ligne présente la fenêtre d’analyse F , les autres<br />
lignes, les différents ordres vectoriels obtenus. Notre ordre est noté « Ordre basé graphe ».<br />
Comme attendu, l’ordre marginal produit des fausses couleurs même si cela n’est pas visuellement<br />
évident. Pour l’ordre lexicographique, nous avons alterné l’ordre de com<strong>par</strong>aison<br />
des composantes pour illustrer le rôle dominant qui est attribué à la première composante. Ici,<br />
la composante Verte comme composante dominante produit les meilleurs résultats mais cela<br />
risque fort de ne pas être le cas pour une autre fenêtre d’analyse. Pour l’ordre réduit, la distance