Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2011051382) METHOD AND DEVICE FOR ANALYSING HYPER-SPECTRAL IMAGES
Note: Text based on automatic Optical Character Recognition processes. Please use the PDF version for legal matters

REVENDICATIONS

1 . Dispositif d' analyse d'une image hyper-spectrale, comprenant

au moins un capteur ( 1 ) apte à produire une série d' images dans au moins deux longueurs d' ondes,

un moyen de calcul (2) apte à classer les pixels d'une image selon une relation de classement à deux états, l 'image étant reçue du capteur ( 1 ) et

un moyen d ' affichage (3) apte à afficher au moins une image résultante du traitement des données reçues du moyen de calcul (2) caractérisé en ce que le moyen de calcul (2) comprend :

un moyen de détermination (4) de pixels d' apprentissage liés à la relation de classement à deux états recevant des données d'un capteur ( 1 ),

un moyen de calcul (5) d'une poursuite de proj ection recevant des données du moyen de détermination (4) de pixels d' apprentissage et étant apte à procéder à un découpage automatique du spectre de l' image hyper-spectrale, et

un moyen de réalisation (6) d'une séparation à vaste marge recevant des données du moyen de calcul (5) d'une poursuite de proj ection,

le moyen de calcul (2) étant apte à produire des données relatives à au moins une image améliorée dans laquelle sont distinguables les pixels obtenus à l ' issue de la séparation à vaste marge en fonction de leur classement selon la relation de classement à deux états .

2. Dispositif d' analyse selon la revendication 1 , comprenant une cartographie (7) de pixels classés reliée au moyen de détermination (4) de pixels d' apprentissage.

3. Dispositif d' analyse selon l'une des revendications 1 ou 2, dans lequel le moyen de calcul (5) d'une poursuite de projection comprend un premier moyen ( 10) de découpage, un deuxième moyen

(11) de découpage et un moyen de recherche (8) de vecteurs de projection.

4. Dispositif d'analyse selon la revendication 1, dans lequel le moyen de calcul (5) d'une poursuite de projection comprend un moyen de découpage à nombre de bandes constant et un moyen de recherche de vecteurs de projection.

5. Dispositif d'analyse selon la revendication 4, dans lequel le moyen de calcul (5) d'une poursuite de projection comprend un moyen de déplacement des bornes de chaque groupe issu du moyen de découpage à nombre de bandes constant, le moyen de déplacement étant apte à minimiser la variance interne de chaque groupe.

6. Dispositif d'analyse selon la revendication 1, dans lequel le moyen de calcul (5) d'une poursuite de projection comprend un moyen de découpage à détermination automatique du nombre de bandes en fonction de seuils prédéterminés et un moyen de recherche de vecteurs de projection.

7. Dispositif d'analyse selon la revendication 6, dans lequel le moyen de détermination (4) de pixels d'apprentissage est apte à déterminer les pixels d'apprentissage comme les pixels les plus proches des seuils.

8. Dispositif d'analyse selon l'une des revendications 1 à 7, dans lequel le moyen de réalisation (6) d'une séparation à vaste marge comprend un moyen de détermination (12) d'un hyperplan, et un moyen de classement (13) des pixels en fonction de leur distance à l'hyperplan.

9. Dispositif d'analyse selon l'une des revendications 1 à 8, dans lequel le moyen de calcul (2) est apte à produire une image affichable par le moyen d'affichage (3) en fonction de l'image hyper-spectrale reçue d'un capteur (1) et des données reçues du moyen de réalisation (6) d'une séparation à vaste marge.

10. Procédé d'analyse d'une image hyper-spectrale, provenant d'au moins un capteur (1) apte à produire une série d'images dans au moins deux longueurs d'ondes, comprenant :

une étape d'acquisition d'une image hyper-spectrale par un capteur (1),

une étape de calcul du classement des pixels d'une image hyper-spectrale reçue d'un capteur (1) selon une relation de classement à deux états,

l'affichage d'au moins une image améliorée résultante du traitement des données de l'étape d'acquisition d'une image hyper-spectrale et des données de l'étape de calcul du classement des pixels d'une image hyper-spectrale,

caractérisé en ce que l'étape de calcul comprend :

une étape de détermination de pixels d'apprentissage liés à la relation de classement à deux états,

une étape de calcul d'une poursuite de projection de l'image hyper-spectrale comprenant les pixels d'apprentissage, comprenant un découpage automatique du spectre de ladite image hyper-spectrale, et une étape de séparation à vaste marge,

l'étape de calcul étant apte à produire au moins une image améliorée dans laquelle sont distinguables les pixels obtenus à l'issue de la séparation à vaste marge en fonction de leur classement selon la relation de classement à deux états.

11. Procédé d'analyse selon la revendication 10, dans lequel l'étape de détermination de pixels d'apprentissage comprend la détermination de pixels d'apprentissage en fonction de données d'une cartographie, l'étape de détermination de pixels d'apprentissage comprenant en outre l'introduction desdits pixels d'apprentissage dans l'image hyper-spectrale reçue d'un capteur.

12. Procédé d'analyse selon l'une des revendications 10 ou 10, dans lequel l'étape de calcul d'une poursuite de projection comprend une première étape de découpage portant sur les données issues de l'étape de détermination de pixels d'apprentissage et une étape de recherche (8) de vecteurs de projection.

13. Procédé d'analyse selon la revendication 12, dans lequel l'étape de calcul d'une poursuite de projection comprend une deuxième étape de découpage si la distance entre deux images issues de la première étape de découpage est supérieure à un premier seuil ou si la valeur maximale de la distance entre deux images issues de la première étape de découpage est supérieure à un deuxième seuil.

14. Procédé d'analyse selon la revendication 10, dans lequel l'étape de calcul d'une poursuite de projection comprend un découpage à nombre de bandes constant.

15. Procédé d'analyse selon la revendication 14, dans lequel on déplace les bornes de chaque groupe issu du découpage à nombre de bandes constant afin de minimiser la variance interne de chaque groupe.

16. Procédé d'analyse selon la revendication 10, dans lequel l'étape de calcul d'une poursuite de projection comprend un découpage à détermination automatique du nombre de bandes en fonction de seuils prédéterminés.

17. Dispositif d'analyse selon la revendication 16, dans lequel l'étape de détermination de pixels d'apprentissage comprend une détermination des pixels d'apprentissage comme les pixels les plus proches des seuils.

18. Procédé d'analyse selon l'une des revendications 10 à 17, dans lequel l'étape de séparation à vaste marge comprend une étape de détermination d'un hyperplan, et une étape de classement des pixels en fonction de leur distance à l'hyperplan, l'étape de détermination d'un hyperplan portant sur les données issues de l'étape de calcul de poursuite de projection.

19. Application d'un dispositif d'analyse selon l'une des revendications 1 à 9, à la détection de lésions cutanées d'un être humain, l'hyperplan étant déterminé en fonction de pixels d'apprentissage issus de clichés préalablement analysés.