Classification des matériaux à l'aide d'images colorées et NIR

La classification des matériaux devient de plus en plus importante dans les applications de vision par ordinateur et de photographie numérique, qui nécessitent une classification précise des objets présents dans la scène photographiée. C'est une tâche très difficile car la diversité même du contenu de la scène et des conditions d'éclairage diminue l'utilité de nombreuses caractéristiques basées sur la couleur et la texture utilisées dans la classification d'images. Dans ce travail, nous étudions le potentiel offert par l'utilisation d'informations en dehors du spectre visible, spécifiquement l'infrarouge proche (NIR). La différence d'intensités des images NIR n'est pas seulement due à la couleur particulière du matériau, mais également aux caractéristiques d'absorption et de réflexion du colorant. Cette indépendance relative des informations NIR et colorées fait des images NIR un candidat de choix pour la classification. La base de données, sur laquelle l'entraînement et le test ont été réalisés, est composée d'échantillons de textile, de carreaux, de linoléum et de bois. Pour classifier les matériaux, les images visibles et NIR ont été analysées en fonction de leur luminosité, texture et couleur. Les résultats de l'analyse ont été l'entrée d'un classificateur sous forme de vecteurs de caractéristiques. Les résultats montrent que notre base de données est classée presque exactement. En comparaison avec les caractéristiques uniquement visibles, les échantillons de bois et de textile ont été mieux classés grâce aux informations supplémentaires fournies par les images NIR.