Classification neuronale des fonds marins par modélisation autorégressive bidimensionnelle

Cette etude presente une methode simple et efficace de caracterisation de textures couplee a un modele neuronal dans le but d'obtenir une classification des fonds marins en imagerie Sonar. Un modele autoregressif (AR) lineaire est applique a l'image Sonar pour en extraire des attributs caracteristiques significatifs. Les performances de la methode autoregressive sont evaluees a l'aide d'un classifieur neuronal, de type Perceptron MultiCouche (PMC), qui distingue quatre types de fonds : cailloux, dunes, rides de sable et sable. Les bons taux de classification rencontres pour chaque type de fond sur une base distincte de la base d'apprentissage sont presentes. Une originalite de l'approche reside dans le couplage performant obtenu entre modelisation AR et module neuronal pour l'application concernee.