1 - Champs aléatoires de Pickard et modélisation d'images digitales

Show simple item record

dc.contributor.author DEVIJVER (P. A.) en_US
dc.contributor.author DEKESEL (M.) en_US
dc.date.accessioned 2005-07-20T12:56:59Z
dc.date.available 2005-07-20T12:56:59Z
dc.date.issued 1988 en_US
dc.identifier.citation Traitement du Signal [Trait. Signal], 1988, Vol. 5, N° 5, p. 131-150 en_US
dc.identifier.issn 0765-0019 en_US
dc.identifier.uri http://hdl.handle.net/2042/1675
dc.description This paper outlines a modeling technique for digital images which relies on Markov random fields proposed by Pickard for the purpose of representing fuzzy contextual concepts such as "the uniformity of a region" or "the continuity of a contour" . We develop a maximum likelihood estimation technique which is a straightforward generalization of an approach which is used quite extensively in speech recognition circles . Next, we outline two nonsupervised parameter estimation techniques which enable us to infer the model parameters front actual imagery data. We offer a number of practical examples providing evidence that our approach is well suited to handle problems of image restauration and/or segmentation .
dc.description.abstract Dans cet article, nous développons un modèle d'image qui fait appel aux champs aléatoires markoviens de Pickard dans le but de modéliser des notions contextuelles aussi vagues et imprécises que « l'uniformité d'une région » ou « la continuité du bord d'un objet ». Nous décrivons une méthode d'estimation par maximum de vraisemblance a posteriori obtenue par une généralisation simple d'une méthode largement utilisée dans le contexte unidimensionel de la reconnaissance de la parole . Nous développons deux méthodes d'estimation non supervisée des paramètres du modèle et nous montrons au moyen de plusieurs exemples que notre technique permet de traiter avec succès des problèmes de restauration et de segmentation d'images digitales à niveaux de gris .
dc.description.abstract Dans cet article, nous développons un modèle d'image qui fait appel aux champs aléatoires markoviens de Pickard dans le but de modéliser des notions contextuelles aussi vagues et imprécises que « l'uniformité d'une région » ou « la continuité du bord d'un objet ». Nous décrivons une méthode d'estimation par maximum de vraisemblance a posteriori obtenue par une généralisation simple d'une méthode largement utilisée dans le contexte unidimensionel de la reconnaissance de la parole . Nous développons deux méthodes d'estimation non supervisée des paramètres du modèle et nous montrons au moyen de plusieurs exemples que notre technique permet de traiter avec succès des problèmes de restauration et de segmentation d'images digitales à niveaux de gris .
dc.format.extent 51964 bytes
dc.format.mimetype application/pdf
dc.language.iso en_US
dc.publisher GRETSI, Saint Martin d'Hères, France en_US
dc.relation.ispartofseries Traitement du Signal
dc.rights http://irevues.inist.fr/utilisation en_US
dc.source Traitement du Signal [Trait. Signal], ISSN 0765-0019, 1988, Vol. 5, N° 5, p. 131-150 en_US
dc.subject.cnrs Traitement image en_US
dc.subject.cnrs Segmentation en_US
dc.subject.cnrs Modèle Markov en_US
dc.subject.cnrs Restauration image en_US
dc.title 1 - Champs aléatoires de Pickard et modélisation d'images digitales en_US
dc.title.alternative Digital image modeling using Pickard random fields en_US
dc.type Article en_US
dc.contributor.affiliation Philips res. lab., Bruxelles 1170 en_US


Files in this item

PDF 001.PDF TEXTE.pdf 2.153Mb

This item appears in the following Collection(s)

Show simple item record





Advanced Search