7 - Une extension d'un algorithme proposé par J.L. Marroquin pour la restauration d'image de contours incomplets. Application à des images réelles

Show full item record

Files in this item

PDF 007.PDF TEXTE.pdf 1.487Mb

Pour citer ce document :
URI: http://hdl.handle.net/2042/2461
Title: 7 - Une extension d'un algorithme proposé par J.L. Marroquin pour la restauration d'image de contours incomplets. Application à des images réelles
Author: URAGO, S.; BERTHOD, M.; ZERUBIA, J.
Abstract: Le propos de cet article est d'étudier une méthode initialement proposée par J .L . Marroquin, permettant la restauration d'images de contours incomplets . Nous avons modifié cet algorithme afin de l'étendre au traitement de données bruitées et à des scènes réelles . En effet, les résultats donnés par J .L . Marroquin présentent uniquement le traitement d'images synthétiques . Le principe de la restauration est basé sur une modélisation Markovienne et des distributions de Gibbs. Certains critères à optimiser sont donc déterminés afin de compléter les parties manquantes. La mise en oeuvre d'une méthode déterministe (« Iterated Conditional Mode ») ou d'une méthode stochastique (échantillonneur de Gibbs) de relaxation permet d'aboutir à une configuration stable dans laquelle les contours sont complétés . Pour illustrer cette méthode, nous présentons des résultats sur plusieurs types d'images : des images synthétiques bruitées et des images réelles (d'intérieur, industrielles et SPOT) .
Description: In this paper we study an algorithm initially proposed by J.L. Marroquin, which allows the restoration of images with incomplete contours . Ourstudy shows ways to modify and extend this method to enable the processing of real and noisy data . The resuits given by J.L. Marroquin, present only the restoration of synthetic images . The principle of the restoration is based on a Markovian model and a golbal measure : a Gibbs distribution. In order ta restore the contours we define some criterions which have to be optimized. A deterministic (« Iterated Conditional Mode ») or a stochastic (Gibbs sampler) relaxation algorithm generates a configuration in which the contours are completed. To illustrate this alogrithm, several examples are given including synthetic, noisy and real images (indoors, industrial and SPOT images) .
Subject: détection de contours, champs de Markov, distribution de Gibbs; Contour detection, Markov Random Fields, Gibbs distribution
Publisher: GRETSI, Saint Martin d'Hères, France
Date: 1994

This item appears in the following Collection(s)

Show full item record





Advanced Search