De Nouvelles Caractéristiques pour la Recherche d’Images

Abstract

Gray-Level Co-occurrence Matrix (GLCM) is one of the most used methods for texture representation. It is generated by calculating the occurrence frequency of gray-level pairs within a texture image. Because it can be computed only from gray-level images, a significant amount of information that could be provided by color is totally ignored. Many literature works attempt to integrate information about color into the GLCM. However, most of these works suffer from numerous weakness such as miss-integration of color and hard mapping. In this research, we propose a generalization of GLCM from gray-level to HSV color space, which we refer to as Modified Integrative Color Intensity Co-occurrence Matrix (MICICM). To reach such a generalization, a soft mapping function, which determines for each pixel value the bin it falls into, is needed. In the previous studies, this function uses a hard mapping where all pixel values that fall in a bin are considered as the same, regardless their values. This presents a number of drawbacks. To fix them, we introducea soft color and gray-level mapping scheme based on a set of weight assignment functions we propose. In our scheme, each pixel is mapped to more than one possible color (and gray level) bin, in order to avoid the drawbacks of hard mapping.Experimental results demonstrate the effectiveness of our MICICM compared to those of the state of the art. The findings of this investigation complement those of earlier studies and make several noteworthy contributions to image representation.

Gray-Level Co-occurrence Matrix (GLCM) est l'une des méthodes les plus utilisées pour la représentation de texture. Elle est générée en calculant la fréquence d'occurrence des paires de niveaux de gris dans une image de texture. Parce qu'elle peut être calculée uniquement à partir des images de niveaux de gris, une quantité importante d'informations qui pourraient être fournies par la couleur est totalement ignorée. Beaucoup des travaux de la littérature tentent d'intégrer des informations sur la couleur dans le GLCM. Cependant, la plupart de ces travaux souffrent de nombreuses faiblesses telles que mal-intégration de la couleur et du mappage dur. Dans cette recherche, nous proposons une généralisation de GLCM du niveau de gris à l’espace de couleur HSV, que nous appelons Modified Integrative Color Intensity Co-occurrence Matrix (MICICM). Pour parvenir à une telle généralisation, une fonction de mappage douce, qui détermine pour chaque valeur de pixel le bin il tombe dans, est nécessaire. Dans les études précédentes, cette fonction utilise un mappage dur où toutes les valeurs de pixels qui tombent dans un bin sont considérés comme les mêmes, quelle que soit leur valeur. Ceci présente un certain nombre d'inconvénients. Pour les corriger, nous introduisons un schéma basé sur le mappage doux de couleur et de niveau de gris basé sur un ensemble de fonctions d'affectation de poids que nous proposons. Dans notre système, chaque pixel est mappé à plus d’un bin de couleur possible (et niveau de gris), afin d'éviter les inconvénients du mappage dur. Les résultats expérimentaux démontrent l'efficacité de notre MICICM par rapport à ceux de l'état de l'art. Les résultats de cette investigation complètent celles des études antérieures et font plusieurs contributions remarquables à la représentation de l'image