Utilisateur:Mmleilco/Brouillon

Etat de l’art sur les base de données images de référence pour la classification de textures couleur

Fichier:Vistex.png

Forty images of the VisTex database.

L'analyse de texture est un domaine très important de la vision par ordinateur et des domaines connexes. Un très grand nombre de bases de données images est développé par plusieurs groupes de recherches dans plusieurs domaines: Analyse médicale, Robotique, Reconnaissance, Traitement d'image, etc.

Sommaire 

1. Textures d'images couleur    
2. Segmentation d'images    
3. Quelques bases pour la classification de texture couleur
   1. 3 Base Outex
   2. 3 Base Curet
   3. 3 Base UIUC

An example of texture

Texture d'images couleur

La texture est une des caractéristiques importantes utilisées dans l'identification des objets d'intérêt ou des régions dans une image ( Alam et Faruqui 2011 ). La texture est une caractéristique importante de la propriété de surface dans les scènes visuelles et est un indice de puissance dans la perception visuelle ( Zhu et al., 1997 ). Il est considéré comme un assembler des images d'apparitions de texture similaires.    

Segmentation d'images

Quelques bases pour la classification de texture couleur

Base Outex

Référence	Nombre de classes	Nombre total des images	Nombre d’images par classe	Taille des images	Méthode de partition
Xu et al., 2006a,b, 2009a,b, 2010	319	51678	162	516×716

Base Curet

Référence	Nombre de classes	Nombre total des images	Nombre d’images par classe	Taille des images	Méthode de partition
Crosier and Griffin, 2008	61	5704	92	512×512
K. Dana, B. Van-Ginneken, S. Nayar, and J. Koenderink	61	14030	230	512×512

UIUC database 

Référence	Nombre de classes	Nombre total des images	Nombre d’images par classe	Taille des images	Méthode de partition
Varma and Ray, 2007	25	1000	40	640×480

Base Brodatz    

Référence	Nombre De classes	Nombre total d’images	Nombre d’images par classe	Taille des images	Méthode de partition
Carkacioglu, 2003	112	12544	112	512×512
Brodatz [28]	14		Variable (En moyenne10)	512×512 Ou 1024×1024

Classification de textures dans la base Brodatz 1: 

Classe	image
bark	10
brick	10
Bubbles	10
cloth	10
grass	12
leather	10
pigskin	10
raffia	10
sand	14
straw	10
wall	10
water 10	10
weave 1	10
wood	10
wood	10

Textures Biomédicales

Dans le domaine biomédical, la quantité d'images numériques générées à des fins diagnostiques et thérapeutiques est en constante augmentation. Malheureusement, la plupart des données ne sont pas publiques, par conséquent, il est difficile réaliser de grandes comparaisons expérimentales dans les enquêtes sur l'état de l'art.

Le tableau suivant présente quatre bases provenant de différentes régions d’examens biomédicaux.

Base	Nombre de classes	Nombre total d’images	Nombre d’images par classe	Taille des images en bits	Résolution en pixels
Epistroma [1]	2	720	-	24	Variable
IICBU lymphoma[2]	2	-	-	24	1388x1040
IICBU Liver[2]	11	-	-	48	1388x1040
Messidor [3]	12	1200	-	24	1440x960 ou 2240x1488 ou 2304x1536

Textures naturelles

Les trois ensembles de données inclus dans cette section sont composées de classes de texture hétérogènes principalement composés  par  des scènes de la vie quotidienne comme la végétation, bâtiments, murs,  plantes. La caractéristique commune des trois bases est que les images ont été acquises dans des conditions d'éclairage et de luminosité incontrôlés.

Base	Nombre de classes	Nombre total d’images	Nombre d’images par classe	Taille des images en bits	Résolution en pixels
Mayang [4]	9	4350	-	24	Variable
STex [5]	-	476	-	24	1024x1024
USPTex [6]	-	191	12	24	128x128

Texture de matériaux

Dans cette section, nous présentons sept bases d'images de texture représentant les matériaux de la vie réelle. Certains ensembles de données comprennent un type de matériau, comme le bois le granit et de la céramique et les matériaux synthétiques.

Base	Nombre de classes	Nombre total d’images	Nombre d’images par classe	Taille des images en bits	Résolution en pixels
BTF Bonn ‘ATRIUM’ [7]	4	6561	-	-	800x800
BTF Bonn ‘UBO2003’[8]	6	6561	-	-	256x256
Forest species [9]	112	112	37 soft woods 75 hardwoods	24	1024x768
Kylberg Sintorn [10]	25	-	-	32	5184x3456
Mondial Marmi[11]	12	48	4	24	544x544
Parquet [12]	14 Chaque classe comporte 2à 4 sous classes	295	6 à 8	24	Variable
VxC TSG [13]	14 Chaque classe comporte 3 sous classes	-	14 à 30	2	Variable

Bibliographie

[1] Epistroma, Egfr colon stroma classification – webmicroscope. Available online at <http://fimm.webmicroscope.net/supplements/epistroma>, 2012. (accessed 28.10.13. An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[2] IICBU, IICBU biological image repository. Available online at <http:// ome.grc.nia.nih.gov/iicbu2008/> 2008. (accessed 25.10.13). An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[3] MESSIDOR, Méthodes d’evaluation de systèmes de segmentation et d’indexation dédiées à l’ophtalmologie rétinienne. Available online at <http://messidor.crihan.fr/index.php>, 2005. (accessed 5.11.13) An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[4] Mayang, Mayang’s free texture library. Available online at <http:// www.mayang.com/textures/>, 2001. (accessed 24.10.13). An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[5] STex, Salzburg texture image database (STex). Available online at <http:// wavelab.at/sources/STex/>, 2009. (accessed 28.10.13. An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[6] USPTex, USPTex dataset. Available online at <http://fractal.ifsc.usp.br/dataset/ USPtex.php>, 2012. (accessed 30.10.13). An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[7] BTF-Bonn, BTF Bonn database. Available online at <http://cg.cs.uni-bonn.de/ en/projects/btfdbb/download/>, 2003. (accessed 24.10.13). An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[8] BTF-Bonn, BTF Bonn database. Available online at <http://cg.cs.uni-bonn.de/ en/projects/btfdbb/download/>, 2003. (accessed 24.10.13). An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[9] Forest species, Forest species database. Available online at <http:// web.inf.ufpr.br/vri/image-and-videos-databases/forest-species-database>, 2013. An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

(accessed 24.10.13.

[10] Kylberg-Sintorn, Kylberg Sintorn Rotation dataset. Available online at <http:// www.cb.uu.se/gustaf/KylbergSintornRotation/>, 2013. (accessed 24.10.13). An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[11] MondialMarmi, Mondial Marmi: a granite image database for colour and texture analysis. v1.1. Available online at <http://dismac.dii.unipg.it/mm>, 2011. (accessed 24.10.13). An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[12] Parquet, Parquet image database. Available online at <http://dismac.dii.unipg. it/parquet/data.html>, 2012. (accessed 13.11. 13). An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb

[13] VxC TSG, VxC TSG image database for surface grading. Available online at <http://miron.disca.upv.es/vision/vxctsg>, 2005. (accessed 24.05.13). An appendix to ‘‘Texture databases – A comprehensive survey’’q Francesco Bianconia,⇑, Antonio Fernándezb