Contributions à l'étude de la classification spectrale et applications

3.4.1 Boîte affinité 3D rectangulaire 113
Parmi ces clusters, de nombreux clusters sont géométriquement distants mais ont le même niveau
de gris. De plus, l’image n’est pas correctement restituée pour cette valeur de nblimit.
(a) Clown : 64000points
(b) Croissant de lune : N = 192246 points
Figure 3.21 – Autres exemples de segmentation d’images testées sur Hyperion
Enfin, un autre test est effectué sur une planche de bande dessinée fabriquée uniquement sur
ordinateur, à l’aide d’un crayon graphique avec une tablette graphique et de logiciels de retouche
d’image. Cette image retouchée créé des dégradés continus de niveau de gris rendant difficile la
segmentation d’image. Un exemple de mahua réalisé par Zhang Lin est représenté à gauche sur la
figure 3.22 auquel on teste notre méthode. Cette image est de taille 476×489 soit N = 232764 points
et est divisée en 20 sous-domaines et le nombre limite de clusters à tester par vignette est égal à
50, 100 et 200 (nblimit = 200). 2475 clusters ont été déterminés pour nblimit = 200 pour un temps
total de 8803.27 secondes. Le résultat du spectral clustering pour les diverses valeurs de nblimit est
représenté à droite sur la figure 3.22. Ainsi une évolution des clusters peut être observée au fur et à
mesure que le nombre limite de clusters à trouver par sous-domaine augmente. Le nombre de clusters