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
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
22<br />
Chapitre 2 - Traitement d’images <strong>par</strong> <strong>modèles</strong><br />
<strong>discrets</strong> <strong>sur</strong> graphes<br />
et ordonner les données multivariées grâce à un ordre lexicographique. Cependant, la représentation<br />
la plus <strong>par</strong>cimonieuse basée <strong>sur</strong> un seul vecteur propre est généralement suffisante comme<br />
nous allons le voir <strong>par</strong> la suite. Effectuer une réduction de dimension vers une représentation<br />
scalaire (q = 1) nécessite, si l’on veut bénéficier d’un ordre total, de connaître les bornes de<br />
l’ordre ainsi défini. En effet, la réduction de dimension proposée revient à définir directement<br />
un chemin Hamiltonien, mais il reste à en définir les bornes minimum et maximum. Comme<br />
précédemment, cela se réalise en convenant d’un vecteur de référence (dans l’espace initial), le<br />
minimum étant la borne du chemin qui est la plus proche de la référence.<br />
L’algorithme complet est donné ci-dessous :<br />
Construire un graphe connexe <strong>sur</strong> les N données multivariées à ordonner<br />
Calculer la matrice de Similarité S ∈ R N×N et les degrés D<br />
Calculer la matrice de transition P = D −1 S<br />
Calculer les vecteurs propres v 1 , · · · , v N de P v = λv<br />
Retenir v 2 comme représentation des données.<br />
Définir les bornes ∨ et ∧.<br />
Algorithme 2: Algorithme pour ordonner des données vectorielles <strong>par</strong> réduction de dimension.<br />
La complexité de l’algorithme est dominée <strong>par</strong> le calcul des vecteur propres qui est en<br />
O(N 3 ).<br />
2.2.4.4 Résultats<br />
Reprenons tout d’abord l’exemple du filtrage que nous avons considéré pour la constitution<br />
d’un chemin Hamiltonien. La figure 2.13 présente l’ordre obtenu <strong>par</strong> marches aléatoires <strong>sur</strong> une<br />
fenêtre d’analyse. On considère un graphe complet et l’on effectue la réduction de dimension.<br />
On constate que l’ordre obtenu est très proche des précédents résultats que nous avions obtenu.<br />
Ceci illustre bien la validité de l’approche.<br />
FIG. 2.13 – Com<strong>par</strong>aison entre différents ordres vectoriels <strong>sur</strong> une fenêtre d’analyse F de la<br />
figure 2.5. Chaque couleur de F est indexée <strong>par</strong> un numéro qui est précisé ensuite dans chacun<br />
des ordres obtenus.