Sérialisation du k-means pour la segmentation des images en couleur
Abstract
Cet article présente un système de segmentation adaptatif qui a été créé pour l'analyse d'images de documents en couleur. Cette méthode est basée sur une sérialisation de l'algorithme k-means (ou nuées dynamiques) appliqué séquentiellement sur l'image dans une fenêtre glissante. Lors du déplacement de la fenêtre, notre algorithme réutilise des informations provenant des nuées calculées dans la fenêtre précédente et les ajuste automatiquement pour adapter le classificateur à toute variation locale des couleurs. Afin d'améliorer les résultats, nous proposons de définir plusieurs nuées dans l'espace des caractéristiques pour chaque classe logique. Notre méthode a été testée avec succès sur des images de manuscrits médiévaux, des images de vidéos et d'autres images, naturelles ou non, présentant de lourdes détériorations, des variation d'illumination ou des problèmes de transparence. L'algorithme proposé est suffisamment générique pour être utilisé sur un très large panel d'images à des fins de segmentation couleur ou bien encore de binarisation.