Ce projet de semestre a permis l'élaboration d'un plugin d'analyse de texture par filtrage. L'algorithme est décrit dans la thèse du Pr. Unser [1] et utilise une transformation linéaire locale optimale pour déterminer les meilleurs filtres différenciant deux textures.
Le plugin est divisé en deux parties:
1. Partie apprentissage qui requière un masque et une image de référence. Les matrices de covariance des deux textures sont ensuite crées. On effectue alors une diagonalisation simultanée de matrices pour trouver des vecteurs propres communs. Ces vecteurs propres correspondent aux filtres. Ces filtres sont sauvés dans un fichier.
2. Partie d'application qui reprend les filtres du fichier de sauvegarde et qui les applique à une image.

Abstract

In this semester project a plug-in for texture analysis by filtering was developed.
The algorithm is described in Prof. Unser's [1] thesis. It uses an optimal local linear transformation to determine the best filters differentiating two textures.
The plug-in is divided into two parts:
1. Training part which requires a mask and a reference image. The covariance matrices of two textures are created. Then one carries out a simultaneous diagonalization of matrices to find common eigenvectors. These eigenvectors correspond to the filters, which are saved in a file.
2. Application part which takes the filters stored in the file and applies them to an image.

Example


Mask	Training Image	Test Image	Result

Reference

[1] "Description statistique de textures: application à l'inspection automatique", Thesis N°534, EPFL, 1984