Discussion :

[imlaoj]

Bonjour, tout le monde

J'ai un projet sur la reconnaissance des arbres, programmé sous Matlab.
Pour l'instant, j'ai une base de données d'une centaine des photos des arbres. Je voudrais les différencier à partir de:

1 Tronc ou squelette
2 Contour
3 Feuille
4 Couleur

Pour 1 et 4, ça va aller, mais pour 2, j'aimerais bien utiliser le contour actif, problème est que ça m'a l'air incompréhensible. Par contre, pour 3, l'idée est qu'on choisit une région qui contient qu'une feuille et la compare avec les autres, mais je sais pas comment faire!

Excusez-moi si j'ai pas bien exprimé, et vous remercie par avance!

[ArgusAzure]

Tu parles d'identification ? Tu as combien de classes?

[ToTo13]

Bonjour,

les contours actifs (snakes) sont une méthode de segmentation et non de reconnaissance de formes.
Renseigne toi sur tout ce qui est méthode de caractérisation :
- contour => chaînes de Freeman, MSGPR (très bien celle là), ondelettes, transformée de Fourier.
- globale (car ton arbre peut être caractérisé dans sa totalité) => indices de formes, signature polaire, histogrammes de projections, ...

Pour ce qui est analyse des feuilles, je te conseille de regarder tout ce qui est analyse de texture, car tu ne parviendra sans doute pas à isoler une feuille, mais plutôt une zone avec des feuilles => Haralick features à partir des matrices de cooccurrences.

[imlaoj]

excusez-moi de répondre si tard. En fait, j'ai 5 classes des arbres à traiter. Platane, sapin, saule, marronnier et l'autre avec les feuille rouge (je connais pas son nom) . Je suis tjs à la recherche de bonnes méthodes pour les identifier. Est-ce que vous avez des conseils dessus, je vous remercie par avance.

[ToTo13]

Bonjour,

mmm... vu ton problème, j'aurai tendance à essayer de le résoudre par tous les aspects, il n'y en aura pas de trop :
- Segmenter et caractériser le tronc => texture, forme et rapport entre taille du tronc et volume de l'arbre.
- Segmenter l'arbre sans le tronc pour reconnaître le feuillage => caractériser la forme car elle sera différente en fonction des arbres (indices de formes semblent très bien ici) et lancer tout un tas d'analyses avec les matrices de cooccurrences et les run length matrix.

Question très importante : combien d'images as tu pour traiter ce problème ?
Si tu peux en avoir un grand nombre, il sera alors très utile d'utiliser un classifieur.

[imlaoj]

- Segmenter et caractériser le tronc => texture, forme et rapport entre taille du tronc et volume de l'arbre.

Merci, ToTo13! Justement, je pensais aussi à caluler le rapport entre le tronc et le volume, mais je ne sais pas comment le réaliser!

- Segmenter l'arbre sans le tronc pour reconnaître le feuillage => caractériser la forme car elle sera différente en fonction des arbres (indices de formes semblent très bien ici) et lancer tout un tas d'analyses avec les matrices de cooccurrences et les run length matrix.

Eh, j'ai pas bien suivi sur ce point. Est-ce que vous avez un exemple sur ça?

Question très importante : combien d'images as tu pour traiter ce problème ?
Si tu peux en avoir un grand nombre, il sera alors très utile d'utiliser un classifieur.

J'ai 5 classes des arbres et chacune contient une vingtaine de photos. Comment on construit un classifieur?

[ToTo13]

Bonjour,

Merci, ToTo13! Justement, je pensais aussi à caluler le rapport entre le tronc et le volume, mais je ne sais pas comment le réaliser!

Le but est de segmenter l'arbre, puis de différencier ensuite le tronc du feuillage.
Il suffit ensuite de faire le rapport du nombre de pixel constituant le tronc sur le nombre de pixel formant le feuillage. Cela est faisable car toutes ces informations auront été prises sur la même image, donc à la même échelle.

Eh, j'ai pas bien suivi sur ce point. Est-ce que vous avez un exemple sur ça?

En fait, le feuillage (dans sa globalité) doit lui aussi être traité en fonction de sa forme et de sa texture :
- Pour la forme, j'utiliserai des indices de formes. Ils permettent de caractériser la forme du feuillage aussi bien dans sa globalité que sur des zones locales en fonction des indices utilisés.
Tu peux aussi regarder du coté des histogrammes de projection et de la signature polaire, mais après un comparatif récent que j'ai effectué, c'est souvent moins efficace.
- Pour la texture, je pense qu'une caractérisation globale par matrice de cooccurrences est très bien pour un premier test (il y a du code dans la rubrique contribuez). C'est un méthode très efficace dans ce genre de problème, donc bien pour commencer. Tu pourras trouver des méthodes plus complexes pour affiner si c'est insuffisant.

J'ai 5 classes des arbres et chacune contient une vingtaine de photos. Comment on construit un classifieur?

Avant toute chose, il est indispensable de construire un vecteur caractéristique. C'est une suite de valeurs extraites sur l'objet à caractériser. Dans ton cas, cela peut être la valeur de dix indices de formes et de dix caractéristiques Haralick calculées sur la matrice de cooccurrences.
Ensuite, il te faut choisir un classifieur :
- K plus proches voisins => bien pour commencer, mais dans ton cas tu n'as sans doute pas assez d'individus. Mais à tester quand même.
- Random Forest => Méthode non linéaire basée sur les arbres de décision.
- Réseau de neurones type perceptron => Très puissant, mais très bourrin. Peut modéliser tout type de problème du moment qu'il n'est pas chaotique et que l'on sait manipuler le modèle.

Mais on en est pas encore là, il te faut d'abord extraire toutes les caractéristiques nécessaire, ensuite tu utiliseras un des nombreuses librairies contenant tout cela.

Comme tu as cinq classes bien distinctes avec une expertise, je te conseille de commencer par faire un simple K-means pour commencer et voir sur cette méthode permet de séparer correctement tes individus. Si ça marche, inutile d'aller plus loin pour l'instant.


Si tu as d'autres questions...

[imlaoj]

Je vous remercie vivement, ToTo13. Je vais essayer ces méthodes proposées!

Pour la matrice de cooccurrence, j'ai pas trouvé le code sous Matlab.

[ToTo13]

Bonjour,

pseudocode et moi-même avons mis du code Java dans la rubrique contribuez.
Il est assez simple à traduire.

Sinon le remplissage d'une matrice de cooccurrences est plutôt simple et rapide, donc facilement reprogrammable De nombreuses discussions ont d'ailleurs eus lieu sur ce forum.

[imlaoj]

Merci ToTo13, je vais essayer de les traduire.

Par contre, j'ai d'autres questions sur le contour actif. Est-ce que vous connaissez une méthode pour extraire le contour d'un objet sur un fond non uniforme. Par exemple, les photos d'arbres que j'ai prises, est-ce qu'on peut détecter les formes des arbres. Les méthodes existantes sont normalement pour une image avec le fond uniforme.

[ToTo13]

Bonjour,

je suis pas super copain avec la segmentation.
Sur l'image de gauche, un contour actif marchera très bien.
Sur celle de droite, il y a un haie en bas et un arbre qui touche. Donc ces deux éléments seront détectés si on fait une étude de la couleur

A première vue, je me demande si le seul point fiable sur toutes les images ça n'est pas le tronc.
On détecte le tronc et on couple cette information avec une détection par la couleur, comme ça on pourra éliminer la haie qui sera trop basse

[imlaoj]

Bonjour, je voudrais savoir quelle méthode vous avez utilisé et comment la réaliser? Je vous remercie par avance.

[ToTo13]

Bonjour,

c'était une suggestion, je ne l'ai pas testé

[imlaoj]

Merci quand même, ToTo13. J'ai une autre question. Une fois on a les images segmentées, est-ce qu'il existe une méthode pour les classifier ou calculer leur similarité?

[ToTo13]

Bonsoir,

une fois que tu as segmenté les différentes régions que tu souhaites, il faut d'abord les caractériser afin de construire un vecteur caractéristique (descriptif).

Ensuite, il existe tout un tas de méthodes plus ou moins efficace selon ton problème pour classer les individus (ici les arbres). Elles se divisent en deux grandes familles :
- méthode par apprentissage supervisé. Cela implique d'avoir un ensemble d'individus dont tu connais déjà la classe d'appartenance.
- méthode par apprentissage non supervisé. Le modèle apprend au fur et à mesure et détermine le nombre et le type des classes.

Maintenant si tu souhaites comparer les similarités entres des images, cela s'appelle "image matching" ou si c'est juste entres les formes "shape matching". Dans les deux cas la littérature regorge d'articles sur le sujet, tu n'auras que l'embarras du choix .


Dans ton cas je pense que tu souhaites effectuer un classement et que tu as déjà des classes d'appartenance.

[imlaoj]

Salut, ToTo13, merci de ta reponse. Là j'ai pas trouvé de code sur le 'shape matching'. Par contre, j'ai une question concernant ce code de 'snake'. Comment on peut le rédiger si on veut partir à l'intérieur de l'arbre? Merci par avance!

[ToTo13]

Bonjour,

si j'ai bien compris ton problème, tu souhaites initialiser ton snake à l'intérieur de l'arbre et le faire converger par grossissement.
Si c'est bien cela, regarde les techniques de type "ballon force". C'est un version des snakes qui fait ce que tu souhaites.

[imlaoj]

C'est déjà résolu le problème. Merci ToTo13.

[ToTo13]

Bonjour,

félicitations.
Si tu as réussi à avoir une version des snakes en mode Ballon force, merci de donner le lien qui t'a inspiré ou mieux de donner le code dans la rubrique contribuez

Maintenant que tu sais segmenter les arbres, tu peux extraire les mesures pour calculer les indice de formes. Les premiers résultats de classement devraient aller vite.

[imlaoj]

Mais au niveau des indices de formes, je ne sais pas trop sur ce sujet. Par contre, j'ai vu le demo sur la détection d'un objet rond. Est-ce que ça peut être un type d'indice de formes