In recent years, three‐dimensional (3D) modelling with photogrammetry and enhancement methods from computer graphics communities have been used with excellent results for studies of rock art engravings. Cette méthode permet aussi bien l'indexation que la navigation dans une base d'images représentées sous forme de graphes. Enfin, nous proposons, une nouvelle méthode d'indexation de graphes basée sur la structure d'hypergraphe. Dans le domaine de la classification non-supervisée (clustering), nous proposons un nouvel algorithme basé sur la notion du graphe médian et la notion du mean-shift. Ceci nous permet d'appliquer les algorithmes de classification des vecteurs sur les graphes par le biais du plongement. Cet algorithme consiste à représenter chaque graphe par un vecteur dans un espace euclidien. Nous introduisons aussi un algorithme de plongement de graphes. Ensuite, nous proposons une nouvelle approximation de la distance d'édition de graphes basée sur la no- tion de signature de noeuds. En premier lieu, nous montrons expérimentalement que choix de la représentation sous forme de graphes a un impact sur les performances. Dans ce sens, cette thèse présente un ensemble de contributions dont l'objectif est l'indexation de graphes. Outre la distance, le domaine des graphes souffre d'un manque d'algorithmes de classification (non-)supervisée appropriés. La plupart des solutions proposées dans la littérature présentent différentes limites d'utilisation telle que la taille des graphes, la prise en compte d'attributs, le temps de calcul.
De plus, il est considéré comme NP-complet. En effet, le calcul de distances entre les graphes est un problème ouvert dans la littérature. L'une des fonctions cruciales pour manipuler les graphes est la fonction de calcul des distances entre les graphes. Ensuite, il faut définir des fonctions néces- saires à la manipulation des bases de graphes. La première étape qui intervient dans l'étude de l'application des graphes dans le domaine des images est de définir une stratégie d'extraction de graphes représentatives d'images. Le choix de la représentation structurelle est justifié par la grande capacité représentative des graphes par rapport à la représentation statistique (i.e.
RASTER TO VECTOR CONVERSION PLUS
Plus précisément, nous avons porté notre choix sur les graphes. Les travaux de cette thèse se situent dans la cadre des approches structurelles pour la recon- naissance de formes.
0 kommentar(er)
