This repository contain my lab's work for the UV IN54 at UTBM in autumn 2016
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.

57 lines
2.7KB

  1. IMAGE_DIR_PATH ='~/Documents/Cours_UTBM/GI4/INX/IN54/TP_Reconnaissance_Chiffres_Manuscrits/Pictures/';
  2. OFFSET_DETECTION = 1;
  3. d2=19;
  4. n=13;
  5. m=10;
  6. [map_character,image_app] = searchCharacter('app.tif',IMAGE_DIR_PATH);
  7. save('coor_app_image.mat','map_character','image_app');
  8. %load('coor_app_image.mat','map_character','image_app');
  9. [learning_matrix,densityProfilMatrix] = learning(map_character, image_app, d2,n,m);
  10. save('~/Documents/Cours_UTBM/GI4/INX/IN54/TP_Reconnaissance_Chiffres_Manuscrits/MatlabSave/learning.mat','learning_matrix');
  11. %load('~/Documents/Cours_UTBM/GI4/INX/IN54/TP_Reconnaissance_Chiffres_Manuscrits/MatlabSave/learning.mat','learning_matrix');
  12. [test_map_character,image_test] = searchCharacter('test.tif',IMAGE_DIR_PATH);
  13. save('~/Documents/Cours_UTBM/GI4/INX/IN54/TP_Reconnaissance_Chiffres_Manuscrits/MatlabSave/coor_test_image.mat','test_map_character','image_test');
  14. %load('~/Documents/Cours_UTBM/GI4/INX/IN54/TP_Reconnaissance_Chiffres_Manuscrits/MatlabSave/coor_test_image.mat','test_map_character','image_test');
  15. matrix_test_profil = distanceFromCenter(test_map_character, image_test,d2,learning_matrix);
  16. matrix_test_density = kppvClasifieur(test_map_character, image_test,n,m,densityProfilMatrix,5);
  17. classifieurCombinaison(matrix_test_profil,matrix_test_density);
  18. %Cette fonction permet de génèrer les différent graphe montrant l'évolution
  19. %du taux de détection en fonction de k
  20. %detectionEvolutionK(test_map_character, image_test, densityProfilMatrix,n,m)
  21. %Ce bloc de code permet de générer les graphes utilisé dans le rapport pour
  22. %la partie sur le classifieur kppv. Cependant il y a deux méthodes pour
  23. %générer les graphes sois vous décomenter la première ligne et tous les
  24. %calculs vont être relancer (environ 1h) sois vous décomenter toutes les
  25. %lignes a partir des deux load(inclu)
  26. %[X,Y,Z,ZDetails] = generate_density_kppv_result_graphs(test_map_character,map_character, image_app,image_test, n,m)
  27. %save('~/Documents/Cours_UTBM/GI4/INX/IN54/TP_Reconnaissance_Chiffres_Manuscrits/MatlabSave/surface_n_m.mat','Z');
  28. %save('~/Documents/Cours_UTBM/GI4/INX/IN54/TP_Reconnaissance_Chiffres_Manuscrits/MatlabSave/surface_n_m_details.mat','ZDetails');
  29. %load('~/Documents/Cours_UTBM/GI4/INX/IN54/TP_Reconnaissance_Chiffres_Manuscrits/MatlabSave/surface_n_m.mat','Z');
  30. %load('~/Documents/Cours_UTBM/GI4/INX/IN54/TP_Reconnaissance_Chiffres_Manuscrits/MatlabSave/surface_n_m_details.mat','ZDetails');
  31. % figure
  32. % surf(X,Y,Z);
  33. %
  34. % figure;
  35. % for i=1:10
  36. % subplot(5,2,i);
  37. %
  38. % surf(X,Y,ZDetails(:,:,i));
  39. % end
  40. %Cette fonction permet de générer les différent graphe montrant l'évolution
  41. %du taux de détection du classifieur 1 en fonction de d/2
  42. %generate_euclidian_distance_result_graphs(test_map_character,map_character, image_app,image_test ,n,m)