offres d'emploi formations actualités contact accès annuaire intranet

Nicolas VANDENBROUCKE

Maître de Conférences HDR, Equipe Imap

Directeur Adjoint de l'EIL Côte d'Opale

Adresse électronique : nicolas.vandenbroucke [at] lisic.univ-littoral.fr
Téléphone : 03 21 38 85 61
Fax : 03 21 38 85 05

Recherche
Enseignement
Curriculum Vitae

La sélection d'attributs dans les applications d'imagerie couleur


L'imagerie couleur offre aujourd'hui la possibilité de répondre à de nouvelles et nombreuses applications dans des secteurs d'activité très variés. Dans la plupart des systèmes d'analyse d'images couleur, il s'agit d'abord d'acquérir une image, puis de coder l'information couleur dans un espace de représentation adéquat. L'étape suivante consiste alors à extraire l'information utile au regard de l'application considérée. Cette étape peut être d'abord une étape de segmentation de l’image à partir de laquelle des régions sont déterminées avant d'être interprétées. Lorsque les propriétés des pixels sont analysées dans l'espace couleur, cette étape de segmentation est alors réalisée par classification des pixels suivie d’une analyse en composantes connexes. Ainsi chaque pixel est caractérisé, soit directement par ses composantes couleur, soit par d'autres attributs évalués dans son voisinage afin de restituer également l'information de texture. Les classes en présence peuvent alors être définies dans l'espace d'attributs choisi. Dans d'autres applications d'analyse d'images couleur, il s'agit de classer directement tout ou partie de l’image acquise sans procéder nécessairement à une étape de segmentation puis de procéder à l'étape de décision.


Cependant, il existe de nombreux espaces de représentation de la couleur et de nombreux attributs pour décrire les textures couleur. Les résultats d'un traitement dépendent du choix de cet espace couleur et des attributs utilisés pour définir les classes en présence. Dès lors, plusieurs questions peuvent se poser : quel espace couleur choisir ? Comment le sélectionner automatiquement dans un contexte supervisé ou non ? Comment choisir des attributs pertinents au regard de l'application considérée et comment les sélectionner automatiquement ? Comment pallier une sous-représentativité des prototypes ?


Les travaux de recherche que je mène tentent de donner des éléments de réponses à ces questions au travers de trois problématiques :


  • la sélection d'un espace couleur hybride pour la classification supervisée de pixels,
  • la sélection automatique d'espaces couleur pour la classification non supervisée de pixels,
  • la sélection d'attributs de texture couleur pour la classification supervisée d'images couleur.



Publications


2020


Combination of LBP Bin and Histogram Selections for Color Texture Classification

Alice Porebski, Vinh Truong Hoang, Nicolas Vandenbroucke, Denis Hamad
Journal of Imaging, Volume 6, Issue 6, 2020
Voir le lien   

Toward an automatic tool for oligoclonal band detection in cerebrospinal fluid and tears for multiple sclerosis diagnosis: lane segmentation based on a ribbon univariate open active contour

Farah Haddad, Samuel Boudet, Laurent Peyrodie, Nicolas Vandenbroucke, Patrick Hautecoeur, Gérard Forzy
Medical & Biological Engineering & Computing, Volume 58, Issue 5, Pages 967-976, 2020
Voir le lien   


2019


Compact Color Texture Representation by Feature Selection in Multiple Color Spaces

M. ALIMOUSSA, N. VANDENBROUCKE, A. POREBSKI, R. OULAD HAJ THAMI, S. EL FKIHI, D. HAMAD
International Conference on Computer Vision Theory and Applications (VISAPP'19), 25-27 February, Prague, Czech Republic, 2019


2018


Unsupervised Local Binary Pattern Histogram Selection Scores for Color Texture Classification

M. KALAKECH, A. POREBSKI, N. VANDENBROUCKE, D. HAMAD
Journal of Imaging, volume 4, issue 10, 2018.
Télécharger le PDF   Voir le lien   

Multi-color space local binary pattern-based feature selection for texture classification

A. POREBSKI, V. TRUONG HOANG, N. VANDENBROUCKE, D. HAMAD
Journal of Electronic Imaging, volume 27, issue 1, 011010, 2018.
Voir le lien   


2017


LBP histogram selection based on sparse representation for color texture classification

V. TRUONG HOANG, A. POREBSKI, N. VANDENBROUCKE, D. HAMAD
International Conference on Computer Vision Theory and Applications (VISAPP'17), 27 February - 1 March, 2017, Porto, Portugal


2016


LBP parameter tuning for texture analysis of lace images

V. TRUONG HOANG, A. POREBSKI, N. VANDENBROUCKE, D. HAMAD
Second International Conference on Image Processing and Applications (IEEE-IPAS'16), November 5-7, 2016, Hammamet, Tunisia


2015


A fast embedded selection approach for color texture classification using degraded LBP

POREBSKI A., VANDENBROUCKE N., HAMAD D.
5th International Conference on Image Processing Theory, Tools and Applications (IEEE-IPTA'15), pp. 254-259, Orléans (France), November 2015.
Télécharger le PDF   Voir le lien   

A New LBP Histogram Selection Score for Color Texture Classification

KALAKECH M., POREBSKI A., VANDENBROUCKE N., HAMAD D.
5th International Conference on Image Processing Theory, Tools and Applications (IEEE-IPTA'15), pp. 242-247, Orléans (France), November 2015.
Voir le lien   

Unsupervised color-image segmentation by multicolor space iterative pixel classification

N. Vandenbroucke, L. Busin, L. Macaire
Journal of Electronic Imaging, volume 24, issue 2, 023032-1 - 023032-19, 2015
Voir les résultats

Voir le lien