).
On extrait aléatoirement pour chaque texture une partie de taille
128 sur 128 et on calcule le vecteur de caractéristiques correspondant.
Puis on calcule la distance (distance de Mahalanobis simplifiée) entre ce vecteur et les différents vecteurs correspondants aux
textures de la base d'images. Un classement croissant des distances
donne un ordre de similarité des textures par rapport à la texture
requête.
On retient la texture la plus similaire et on considère que le test
de reconnaissance a réussi si la texture renvoyée par la mesure de
similarité est identique à la texture requête. Cette opération est
répetée cent fois. La moyenne des tests permet d'obtenir le taux de
reconnaissance. Pour étudier la robustesse au bruit de la méthode,
nous recommencons la procédure de reconnaissance en ajoutant
successivement à l'image requête des bruits gaussiens de différentes
variances.
Résultats
La figure suivante donne les variances associées aux différents
vecteurs des images de la base, pour deux ondelettes différentes.
Aucun bruit n'a été ajouté ici.
De la même manière qu'à la fin de la deuxième
partie, l'ondelette biorthogonale, symétrique, permet d'obtenir un vecteur
ayant une variance un peu plus faible qu'avec l'ondelette db2,
asymétrique.
Nous avons montré précédemment
que la symétrie de l'ondelette était importante lorsque de
hautes fréquences étaient présentes dans l'image. Les taux
d'appariements corrects confirment ceci. Ils sont meilleurs pour
l'ondelette symétrique (bior1.3) que pour l'ondelette asymétrique
(db2).
