2 - Quelques améliorations à la segmentation d'images bayésienne. Première partie : modélisation

Show full item record

Files in this item

PDF 002.PDF TEXTE.pdf 2.430Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/2008
Title: 2 - Quelques améliorations à la segmentation d'images bayésienne. Première partie : modélisation
Author: DESCOMBES (X.); MORRIS (R.); ZERUBIA (J.)
Abstract: Nous nous plaçons dans le cadre de la segmentation bayésienne. Parmi les trois étapes (modélisation, estimation, optimisation), nous considérons la modélisation et l'optimisation. La modélisation est appréhendée sous l'angle des champs de Markov. Nous montrons les limites du modèle de Potts couramment employé et proposons un nouveau modèle (le chien-modèle) permettant de contrôler la longueur des contours et des lignes dans l'image segmentée. Nous préservons ainsi les structures fines présentes dans les données. Nous comparons ensuite les critères MPM et MAP conjointement aux algorithmes qui permettent de les optimiser. Les différents résultats sont obtenus sur des images synthétiques et des images SPOT. Le problème de la classification fait l'objet d'une seconde partie.
Description: In this paper we address the segmentation problem in a Bayesian framework. Of the three stages (modelling, estimation , optimisation), we consider modelling and optimisation . We consider modelling by Markov random fields . We demonstrate the limitations of the Potts model currently employed, and propose a new model (the chien model) which allows us to control the boundary length and lines in the segmented images . We also preserve fine structures in the data . Then, we compare the MPM and MAP criteria when used with the algorithms discussed above . Results are presented on synthetic images and SPOT data . The classification problem is tackled in a second part .
Subject: Traitement image; Segmentation; Modèle Markov; Modèle Potts; Modélisation; Optimisation; Estimation Bayes; Modèle chien
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 1997

This item appears in the following Collection(s)

Show full item record





Advanced Search