Vers une approche hybride mêlant arbre de classification et treillis de Galois pour de l'indexation d'images

La classification d'images s'articule generalement autour des deux etapes que sont l'etape d'extraction de signatures suivie de l'etape d'analyse des donnees extraites, ces dernieres etant generalement quantitatives. De nombreux modeles de classification ont ete proposes dans la litterature, le choix du modele le plus adapte est souvent guide par les performances en classification ainsi que la lisibilite du modele. L'arbre de classification et le treillis de Galois sont deux modeles symboliques connus pour leur lisibilite. Dans sa these [Guillas 2007], Guillas a utilise efficacement les treillis de Galois pour la classification d'images, et des liens structurels forts avec les arbres de classification ont ete mis en evidence. Les travaux presentes dans ce manuscrit font suite a ces resultats, et ont pour but de definir un modele hybride entre ces deux modeles, qui reunissent leurs avantages (leur lisibilite respective, la robustesse du treillis et le faible espace memoire de l'arbre). A ces fins, l'etude des liens existants entre les deux modeles a permis de mettre en avant leurs differences. Tout d'abord, le type de discretisation, les arbres utilisent generalement une discretisation locale tandis que les treillis, initialement definis pour des donnees binaires, utilisent une discretisation globale. A partir d'une etude des proprietes des treillis dichotomiques (treillis definis apres une discretisation), nous proposons une discretisation locale pour les treillis permettant d'ameliorer ses performances en classification et de diminuer sa complexite structurelle. Puis, le processus de post-elagage mis en œuvre dans la plupart des arbres a pour objectif de diminuer la complexite de ces derniers, mais aussi d'augmenter leurs performances en generalisation. Les simplifications de la structure de treillis (exponentielle en la taille de donnees dans les pires cas), quant a elles, sont motivees uniquement par une diminution de la complexite structurelle. En combinant ces deux simplifications, nous proposons une simplification de la structure du treillis obtenue apres notre discretisation locale et aboutissant a un modele de classification hybride qui profite de la lisibilite des deux modeles tout en etant moins complexe que le treillis mais aussi performant que celui-ci.