3 - Quelques améliorations à la segmentation d'images bayésienne. Seconde partie : classification

Show full item record

Files in this item

PDF 003.PDF TEXTE.pdf 1.383Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/2009
Title: 3 - Quelques améliorations à la segmentation d'images bayésienne. Seconde partie : classification
Author: DESCOMBES (X.); MORRIS (R.); ZERUBIA (J.)
Abstract: Nous nous plaçons dans le cadre de la classification automatique. Nous abordons le problème de l'estimation du nombre de classes et des paramètres qui leurs sont associés. Nous proposons une méthode utilisant l'hypothèse contextuelle inhérente aux images pour discriminer les différentes classes. Cette méthode est validée à la fois sur le plan théorique et sur des images de synthèse et des images réelles. Nous montrons, en outre, que la méthode proposée a un domaine de validité plus étendu que les méthodes fondées sur une analyse des modes de l'histogramme. Nous discutons ensuite de la forme du potentiel d'attache aux données dérivé de cette classification dans le cadre d'une segmentation markovienne. Les résultats sont obtenus avec deux modèles a priori différents : le modèle de Potts et le chien-modèle.
Description: We consider the automatic classification framework, using a Markov model . We address the problem of estimating the number of classes and the associated class parameters . We propose a method using the contextual information inherent in images to discriminate different classes in the case of mixture distributions with strongly mixed classes . This method is validated theoretically and practically, using synthetical images and real data . We prove that the proposed method has a validity domain larger than the methods based on a histogram analysis . We then discuss the shape of the data driven potential induced by the detected classes in a Markovian framework . Results are obtained by using two priors : the Potts model and the Chien-model .
Subject: Traitement image; Segmentation; Classification automatique; Estimation paramètre; Estimation Bayes; Modèle Markov; Méthode itérative; Algorithme EM; Histogramme; Méthode statistique
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 1997

This item appears in the following Collection(s)

Show full item record





Advanced Search