3 - Segmentation non supervisée des images naturelles texturées: une approche statistique

Show full item record

Files in this item

PDF 003.PDF TEXTE.pdf 2.638Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/1860
Title: 3 - Segmentation non supervisée des images naturelles texturées: une approche statistique
Author: KERVRANN (C.); HEITZ (F.)
Abstract: La segmentation des images texturées constitue une étape préliminaire cruciale dans de nombreuses applications en analyse d'images. Les approches par modélisation statistique conduisent à de bons résultats dans ce domaine, lorsque les paramètres des modèles statistiques et le nombre de régions à extraire sont connus a priori. La segmentation non supervisée d'images texturées reste, par contre, un problème délicat, auquel aucune solution complète n'a été apportée jusqu'à present. Nous contribuons à cet effort, en proposant une méthode de segmentation ne nécessitant pas de connaissance a priori sur le nombre ou le type de textures présentes dans l'image
Description: The general problem of unsupervised textured segmentation remains a largely unsolved issue in image analysis . Many studies proved that statistical model based texture segmentation algorithms yield good reults provided that the model parameters and the number of regions are known a priori . In this paper the problem of determining the number of regions is addressed. The segmentation algorithm relies on the analysis of second and higher order spatial statistics of the original images. The segmentation map is represented using a Markov Random Field model and a bayesian estimate of this map is computed using a deterministic relaxation algorithm . The segmentation algorithm does only require the tuning of one parameter. Results on hand-drawn images of natural textures and real textured images show the capability of the model to yield relevant segmentations when the number of regions and the texture classes are not known a priori .
Subject: Traitement image; Analyse image; Modèle statistique; Segmentation; Texture; Modèle Markov; Résultat expérimental
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 1994

This item appears in the following Collection(s)

Show full item record





Advanced Search