Download or read book Segmentation d images multispectrales bas e sur la fusion d informations written by Weibei Dou and published by . This book was released on 2006 with total page 187 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'objectif de cette thèse consiste à développer une architecture de fusion d'informations basée sur la théorie floue pour la segmentation d'une cible à partir de plusieurs sources d'images. Notre application principale porte sur la segmentation des images IRM multispectrales. Nous proposons une approche de segmentation automatique basée sur la fusion des caractéristiques extraites de chaque source d'image. Ces caractéristiques sont modélisées par des fonctions d'appartenance, obtenues à partir de fonctions analytiques, qui prennent en compte des connaissances à priori sur la possibilité d'appartenance à une cible (tumeur ou tissus cérébraux) donnée par l'expert, et aussi la gradation d'intensité du signal de la cible. La segmentation d'une cible consiste finalement à combiner les différents degrés d'appartenance de la cible. Une étape supplémentaire basée sur une croissance 3D des régions floues est proposée pour améliorer le résultat de la combinaison. Pour évaluer les résultats de segmentation représentés par un ensemble flou, une extension du coefficient Kappa de Cohen, nommée "Kappa flou" est proposée, qui est une méthode d'évaluation globale sur la proportion d'agrément d'un classement flou. Cette architecture développée est mise en oeuvre pour la segmentation des tumeurs cérébrales à partir des images IRM qui comprennent pour l'instant les séquences de base : T1, T2 et densité de protons (DP). Les résultats sur sept patients atteints de tumeur montrent l'efficacité de notre système.
Download or read book Segmentation statistique et fusion d images satellitaires par la th orie de l vidence dans un contexte markovien written by Ahmed Rekik and published by . This book was released on 2008 with total page 181 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le travail réalisé dans le cadre de cette thèse, porte sur la segmentation statistique non supervisée des images satellitaires dans un contexte Markovien, et leur fusion à travers la théorie de l’évidence. En effet, nous avons développée dans ce travail une nouvelle approche de segmentation statistique optimale, à travers l’intégration et l’apport de plusieurs algorithmes, notamment au niveau de l’initialisation, en exploitant tout d’abord la méthode des centres mobiles (Kmeans) pour une meilleure définition des classes de l’image, ensuite nous avons voulu régulariser et uniformiser ces classes à travers les champs de Markov qui permettaient une prise en compte de la notion de voisinage dans la phase de classification. Au niveau de la modélisation des différentes classes de l’image, nous avons opté pour les distributions du système de Pearson pour leur flexibilité et leur adaptation en offrant une gamme de lois diverses et précises. Enfin en ce qui concerne l’estimation des différents attributs de chaque classe de l’image, nous avons utilisé les algorithmes EM et SEM. Dans le but d’optimiser davantage ce travail, nous avons intégré dans notre approche une phase de fusion d’images segmentées basée sur la théorie de l’évidence, qui permettait une meilleure prise de décision au niveau de l’étape de segmentation, en exploitant la richesse des données présentes dans les images multispectrales et multi-temporelles.
Download or read book La segmentation des images couleurs par fusion des donn es written by Salim Ben Chaabane and published by Noor Publishing. This book was released on 2017-03 with total page 109 pages. Available in PDF, EPUB and Kindle. Book excerpt: D'un point de vue general, les travaux de recherche de ce livre s'inscrivent dans le cadre de la segmentation des images couleurs par fusion des donnees. Dans ce travail, nous presentons une architecture de fusion d'images basee sur la theorie des croyances de Dempster-Shafer, utilisee pour la segmentation des images couleurs. Nous focalisons notre etude sur les methodes de fusion des informations au niveau des pixels. Nous presentons, une approche pour la modelisation des informations, basee sur la distribution gaussienne. Cette derniere, permet de generer, a partir de trois primitives couleurs, une seule image finale segmentee. La methode de fusion consiste a fusionner les resultats issus d'une premiere segmentation des images originales parfaitement recalees geometriquement. Dans cette methode de fusion, l'etape de modelisation est realisee a base des techniques d'analyse de l'histogramme et la distribution gaussienne. Les etudes comparatives avec plusieurs techniques existantes, appliquees a la segmentation des images couleurs, montrent la souplesse et la robustesse de la modelisation basee sur le seuillage de l'histogramme d'homogeneite et la distribution gaussienne.
Download or read book Fusion d informations par la th orie de l vidence pour la segmentation d images written by Chaza Chahine and published by . This book was released on 2016 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: La fusion d'informations a été largement étudiée dans le domaine de l'intelligence artificielle. Une information est en général considérée comme imparfaite. Par conséquent, la combinaison de plusieurs sources d'informations (éventuellement hétérogènes) peut conduire à une information plus globale et complète. Dans le domaine de la fusion on distingue généralement les approches probabilistes et non probabilistes dont fait partie la théorie de l'évidence, développée dans les années 70. Cette méthode permet de représenter à la fois, l'incertitude et l'imprécision de l'information, par l'attribution de fonctions de masses qui s'appliquent non pas à une seule hypothèse (ce qui est le cas le plus courant pour les méthodes probabilistes) mais à un ensemble d'hypothèses. Les travaux présentés dans cette thèse concernent la fusion d'informations pour la segmentation d'images.Pour développer cette méthode nous sommes partis de l'algorithme de la « Ligne de Partage des Eaux » (LPE) qui est un des plus utilisés en détection de contours. Intuitivement le principe de la LPE est de considérer l'image comme un relief topographique où la hauteur d'un point correspond à son niveau de gris. On suppose alors que ce relief se remplit d'eau par des sources placées au niveau des minima locaux de l'image, formant ainsi des bassins versants. Les LPE sont alors les barrages construits pour empêcher les eaux provenant de différents bassins de se mélanger. Un problème de cette méthode de détection de contours est que la LPE directement appliquée sur l'image engendre une sur-segmentation, car chaque minimum local engendre une région. Meyer et Beucher ont proposé de résoudre cette question en spécifiant un ensemble de marqueurs qui seront les seules sources d'inondation du relief. L'extraction automatique des marqueurs à partir des images ne conduit pas toujours à un résultat satisfaisant, en particulier dans le cas d'images complexes. Plusieurs méthodes ont été proposées pour déterminer automatiquement ces marqueurs.Nous nous sommes en particulier intéressés à l'approche stochastique d'Angulo et Jeulin qui estiment une fonction de densité de probabilité (fdp) d'un contour (LPE) après M simulations de la segmentation LPE classique. N marqueurs sont choisis aléatoirement pour chaque réalisation. Par conséquent, une valeur de fdp élevée est attribuée aux points de contours correspondant aux fortes réalisations. Mais la décision d'appartenance d'un point à la « classe contour » reste dépendante d'une valeur de seuil. Un résultat unique ne peut donc être obtenu.Pour augmenter la robustesse de cette méthode et l'unicité de sa réponse, nous proposons de combiner des informations grâce à la théorie de l'évidence.La LPE se calcule généralement à partir de l'image gradient, dérivée du premier ordre, qui donne une information globale sur les contours dans l'image. Alors que la matrice Hessienne, matrice des dérivées d'ordre secondaire, donne une information plus locale sur les contours. Notre objectif est donc de combiner ces deux informations de nature complémentaire en utilisant la théorie de l'évidence. Les différentes versions de la fusion sont testées sur des images réelles de la base de données Berkeley. Les résultats sont comparés avec cinq segmentations manuelles fournies, en tant que vérités terrain, avec cette base de données. La qualité des segmentations obtenues par nos méthodes sont fondées sur différentes mesures: l'uniformité, la précision, l'exactitude, la spécificité, la sensibilité ainsi que la distance métrique de Hausdorff.
Download or read book Segmentation d images written by Fouad Sabry and published by One Billion Knowledgeable. This book was released on 2024-05-11 with total page 150 pages. Available in PDF, EPUB and Kindle. Book excerpt: Qu'est-ce que la segmentation d'image Dans le traitement d'images numériques et la vision par ordinateur, la segmentation d'image est le processus de partitionnement d'une image numérique en plusieurs segments d'image, également appelés régions d'image ou objets images. Le but de la segmentation est de simplifier et/ou de modifier la représentation d'une image en quelque chose de plus significatif et plus facile à analyser. La segmentation d'images est généralement utilisée pour localiser des objets et des limites dans les images. Plus précisément, la segmentation d'image est le processus d'attribution d'une étiquette à chaque pixel d'une image de telle sorte que les pixels portant la même étiquette partagent certaines caractéristiques. Comment vous en bénéficierez (I) Informations et validations sur les sujets suivants : Chapitre 1 : Segmentation d'images Chapitre 2 : Détection des contours Chapitre 3 : Transformation de caractéristiques invariantes d'échelle Chapitre 4 : Seuil (traitement d'image) Chapitre 5 : Méthode d'Otsu Chapitre 6 : Détection de coin Chapitre 7 : Coupes graphiques en vision par ordinateur Chapitre 8 : Décalage moyen Chapitre 9 : Segmentation de plage Chapitre 10 : Bassin versant (traitement d'image) (II) Répondre aux principales questions du public sur la segmentation d'images. (III) Exemples concrets d'utilisation de la segmentation d'images dans de nombreux domaines. À qui s'adresse ce livre Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type de segmentation d'images.
Download or read book SEGMENTATION NON SUPERVISEE D IMAGES MULTI SPECTRALES PAR CHAINES DE MARKOV CACHEES written by Nathalie Giordana and published by . This book was released on 1996 with total page 136 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE EST CONSACREE A LA SEGMENTATION NON SUPERVISEE D'IMAGES MULTI-SPECTRALES PAR CHAINES DE MARKOV CACHEES ET PLUS PARTICULIEREMENT A L'ETUDE DE L'ETAPE D'ESTIMATION. L'OBJET DE CE TRAVAIL EST DE CONCEVOIR DES METHODES PERMETTANT D'ESTIMER DES MELANGES DE LOIS GENERALISES. CES METHODES D'ESTIMATION FONDEES SUR L'ALGORITHME ICE PERMETTENT DE DETECTER PARMI UN ENSEMBLE DE LOIS, CELLES QUI SONT LE PLUS FIDELES A LA REALITE ET D'ESTIMER LES PARAMETRES CORRESPONDANT A CHACUNE DES LOIS DETECTEES. LES ETUDES COMPARATIVES DES DIFFERENTES METHODES MISES AU POINT AVEC LES METHODES CLASSIQUES EM ET ICE, SUR DES CHAINES SIMULEES PUIS SUR DES IMAGES, MONTRENT L'EFFICACITE DES ALGORITHMES GENERALISES. NOUS ETUDIONS EGALEMENT LA SEGMENTATION MULTI-SPECTRALE EN CONSIDERANT DES CANAUX INDEPENDANTS POUR TRAITER LES MELANGES GENERALISES ET DES CANAUX CORRELES DANS LE CAS DE MELANGES GAUSSIENS. NOUS METTONS AINSI EN EVIDENCE L'INTERET OU NON DE L'AJOUT DE CANAUX D'OBSERVATIONS. DANS CE CADRE DE LA FUSION DE DONNEES, NOUS NOUS INTERESSONS A LA THEORIE DE L'EVIDENCE. NOUS INTRODUISONS ALORS LA NOTION DE CHAINE DE MARKOV CACHEE EVIDENTIELLE ET NOUS DEVELOPPONS LES METHODES DE SEGMENTATION QUI LUI SONT ASSOCIEE. LES ETUDES EFFECTUEES SUR DES CHAINES MONTRENT L'INTERET DE CETTE MODELISATION MAIS EGALEMENT SES DIFFICULTES DE MISE EN UVRE DANS UN CADRE NON SUPERVISEE
Download or read book Imagerie multispectrale written by Fouad Sabry and published by One Billion Knowledgeable. This book was released on 2024-05-12 with total page 163 pages. Available in PDF, EPUB and Kindle. Book excerpt: Qu'est-ce que l'imagerie multispectrale L'imagerie multispectrale capture des données d'image dans des plages de longueurs d'onde spécifiques à travers le spectre électromagnétique. Les longueurs d'onde peuvent être séparées par des filtres ou détectées à l'aide d'instruments sensibles à des longueurs d'onde particulières, y compris la lumière provenant de fréquences situées au-delà de la plage de la lumière visible, c'est-à-dire l'infrarouge et l'ultraviolet. Il peut permettre d’extraire des informations supplémentaires que l’œil humain ne parvient pas à capturer avec ses récepteurs visibles du rouge, du vert et du bleu. Il a été développé à l’origine pour l’identification et la reconnaissance de cibles militaires. Les premières plates-formes d'imagerie spatiale incorporaient une technologie d'imagerie multispectrale pour cartographier les détails de la Terre liés aux limites côtières, à la végétation et au relief. L'imagerie multispectrale a également été utilisée dans l'analyse de documents et de peintures. Comment vous en bénéficierez (I) Informations et validations sur les sujets suivants : Chapitre 1 : Imagerie multispectrale Chapitre 2 : Infrarouge Chapitre 3 : Télédétection Chapitre 4 : Caméra thermographique Chapitre 5 : Imagerie satellite Chapitre 6 : Signature spectrale Chapitre 7 : Imagerie spectrale Chapitre 8 : Imagerie hyperspectrale Chapitre 9 : Imagerie chimique Chapitre 10 : Indice de végétation par différence normalisé (II) Répondre aux principales questions du public sur l'imagerie multispectrale. (III) Réel exemples mondiaux d'utilisation de l'imagerie multispectrale dans de nombreux domaines. À qui s'adresse ce livre Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type d'imagerie multispectrale.
Download or read book Diagnostic Techniques and Surgical Management of Brain Tumors written by Ana Lucia Abujamra and published by BoD – Books on Demand. This book was released on 2011-09-22 with total page 548 pages. Available in PDF, EPUB and Kindle. Book excerpt: The focus of the book Diagnostic Techniques and Surgical Management of Brain Tumors is on describing the established and newly-arising techniques to diagnose central nervous system tumors, with a special focus on neuroimaging, followed by a discussion on the neurosurgical guidelines and techniques to manage and treat this disease. Each chapter in the Diagnostic Techniques and Surgical Management of Brain Tumors is authored by international experts with extensive experience in the areas covered.
Download or read book Segmentation d images de profondeur written by Paul Checchin and published by . This book was released on 1996 with total page 230 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE CONCERNE LA SEGMENTATION DES DONNEES DISCRETES 3D, APPELEES IMAGES DE PROFONDEUR, FOURNIES PAR DES CAPTEURS DE PROFONDEUR ACTIFS. CES INFORMATIONS TRIDIMENSIONNELLES SONT UNE REPRESENTATION POINT PAR POINT DES SURFACES OBSERVEES PAR CES CAPTEURS DE VISION. LES DIFFERENTS METHODES ET CAPTEURS PERMETTANT L'ACQUISITION D'INFORMATIONS TRIDIMENSIONNELLES SONT DECRITS. LE PROBLEME DE LA SEGMENTATION D'IMAGES DE PROFONDEUR EST DEFINI, PUIS LES PRINCIPALES TECHNIQUES DE SEGMENTATION SONT PRESENTEES. UNE ANALYSE DE L'ETAT DE L'ART DANS LE DOMAINE NOUS AMENE A JUSTIFIER LA DIRECTION DE NOS TRAVAUX, EN PARTICULIER A DISSOCIER LA SEGMENTATION D'IMAGES DE PROFONDEUR EN DEUX PROBLEMES SELON LE TYPE DE SCENES ANALYSEES, CONSTITUEES D'OBJETS UNIQUEMENT POLYEDRIQUES OU NON. UNE METHODE DE SEGMENTATION D'IMAGES DE PROFONDEUR EN SURFACES PLANES EST TOUT D'ABORD PROPOSEE, PUIS ELLE EST ETENDUE A LA SEGMENTATION EN REGIONS PLANES ET COURBES. LES ORIGINALITES DE LA METHODE REPOSENT SUR LE PROCEDE D'ESTIMATION DES ATTRIBUTS DIFFERENTIELS ET SUR LE CHOIX DES GERMES DE LA CROISSANCE DE REGIONS. LES REGIONS EXTRAITES SONT REPRESENTEES PAR UN GRAPHE D'ADJACENCE ET FORMENT LA BASE D'UNE PYRAMIDE DE GRAPHES. LES DONNEES INITIALES SONT FILTREES. LE CHOIX DU FILTRE REDUCTEUR DE BRUIT EST REALISE LORS D'UNE ETUDE COMPARATIVE DE PLUSIEURS OPERATEURS EXISTANTS. L'ETAPE SUIVANTE CONSISTE A ANALYSER LES DIFFERENTS PROFILS 1D DE L'IMAGE, CONSTITUES PAR SES LIGNES ET SES COLONNES, AFIN D'ESTIMER LES DERIVEES DIRECTIONNELLES DU PREMIER ET DU SECOND ORDRE. LA NORMALE ET LA COURBURE MOYENNE A LA SURFACE EN CHAQUE PIXEL SONT ENSUITE DEDUITES, TOUT EN TENANT COMPTE DES DISCONTINUITES DE PROFONDEUR. LES PIXELS SONT ALORS REGROUPES EN REGIONS HOMOGENES AU SENS DE CES ATTRIBUTS. A PARTIR DU GRAPHE D'ADJACENCE DES REGIONS AINSI OBTENUES, UNE STRATEGIE PYRAMIDALE DE FUSION, PARALLELISABLE, EST MISE EN UVRE POUR ABOUTIR AU RESULTAT DE LA SEGMENTATION. LES PERFORMANCES DE L'ALGORITHME PROPOSE SONT CARACTERISEES. LES RESULTATS, OBTENUS A PARTIR D'UN JEU IMPORTANT D'IMAGES REELLES ISSUES DE CAPTEURS DIFFERENTS, SONT PRESENTES ET COMPARES AVEC CEUX FOURNIS PAR D'AUTRES METHODES CONNUES. CETTE EVALUATION QUANTITATIVE EST MENEE SUR LA BASE DE CRITERES CALCULES A PARTIR D'UNE CONNAISSANCE DE LA SEGMENTATION IDEALE. LES MESURES EFFECTUEES MONTRENT QUE L'APPROCHE QUE NOUS AVONS DEVELOPPEE FOURNIT, DANS DES TEMPS DE CALCUL ACCEPTABLES, DES RESULTATS DE QUALITE SIMILAIRE, SINON SUPERIEURE, A CEUX OBTENUS PAR D'AUTRES TECHNIQUES.
Download or read book Artificial Intelligence Techniques for Satellite Image Analysis written by D. Jude Hemanth and published by Springer Nature. This book was released on 2019-11-13 with total page 274 pages. Available in PDF, EPUB and Kindle. Book excerpt: The main objective of this book is to provide a common platform for diverse concepts in satellite image processing. In particular it presents the state-of-the-art in Artificial Intelligence (AI) methodologies and shares findings that can be translated into real-time applications to benefit humankind. Interdisciplinary in its scope, the book will be of interest to both newcomers and experienced scientists working in the fields of satellite image processing, geo-engineering, remote sensing and Artificial Intelligence. It can be also used as a supplementary textbook for graduate students in various engineering branches related to image processing.
Download or read book Contributions la fusion de segmentations et l interpr tation s mantique d images written by Lazhar Khelifi and published by . This book was released on 2017 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse est consacrée à l'étude de deux problèmes complémentaires, soit la fusion de segmentation d'images et l'interprétation sémantique d'images. En effet, dans un premier temps, nous proposons un ensemble d'outils algorithmiques permettant d'améliorer le résultat final de l'opération de la fusion. La segmentation d'images est une étape de prétraitement fréquente visant à simplifier la représentation d'une image par un ensemble de régions significatives et spatialement cohérentes (également connu sous le nom de « segments » ou « superpixels ») possédant des attributs similaires (tels que des parties cohérentes des objets ou de l'arrière-plan). À cette fin, nous proposons une nouvelle méthode de fusion de segmentation au sens du critère de l'Erreur de la Cohérence Globale (GCE), une métrique de perception intéressante qui considère la nature multi-échelle de toute segmentation de l'image en évaluant dans quelle mesure une carte de segmentation peut constituer un raffinement d'une autre segmentation. Dans un deuxième temps, nous présentons deux nouvelles approches pour la fusion des segmentations au sens de plusieurs critères en nous basant sur un concept très important de l'optimisation combinatoire, soit l'optimisation multi-objectif. En effet, cette méthode de résolution qui cherche à optimiser plusieurs objectifs concurremment a rencontré un vif succès dans divers domaines. Dans un troisième temps, afin de mieux comprendre automatiquement les différentes classes d'une image segmentée, nous proposons une approche nouvelle et robuste basée sur un modèle à base d'énergie qui permet d'inférer les classes les plus probables en utilisant un ensemble de segmentations proches (au sens d'un certain critère) issues d'une base d'apprentissage (avec des classes pré-interprétées) et une série de termes (d'énergie) de vraisemblance sémantique.
Download or read book Scientific and Technical Aerospace Reports written by and published by . This book was released on 1995 with total page 400 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book Segmentation d images cooperation fusion evaluation written by Riad Kara-Falah and published by . This book was released on 1995 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book Segmentation mutuelle d objets d int r t dans des s quences d images st r o multispectrales written by Pierre-Luc St-Charles and published by . This book was released on 2018 with total page 175 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les systèmes de vidéosurveillance automatisés actuellement déployés dans le monde sont encore bien loin de ceux qui sont représentés depuis des années dans les oeuvres de sciencefiction. Une des raisons derrière ce retard de développement est le manque d'outils de bas niveau permettant de traiter les données brutes captées sur le terrain. Le pré-traitement de ces données sert à réduire la quantité d'information qui transige vers des serveurs centralisés, qui eux effectuent l'interprétation complète du contenu visuel capté. L'identification d'objets d'intérêt dans les images brutes à partir de leur mouvement est un exemple de pré-traitement qui peut être réalisé. Toutefois, dans un contexte de vidéosurveillance, une méthode de pré-traitement ne peut généralement pas se fier à un modèle d'apparence ou de forme qui caractérise ces objets, car leur nature exacte n'est pas connue d'avance. Cela complique donc l'élaboration des méthodes de traitement de bas niveau. Dans cette thèse, nous présentons différentes méthodes permettant de détecter et de segmenter des objets d'intérêt à partir de séquences vidéo de manière complètement automatisée. Nous explorons d'abord les approches de segmentation vidéo monoculaire par soustraction d'arrière-plan. Ces approches se basent sur l'idée que l'arrière-plan d'une scène peut être modélisé au fil du temps, et que toute variation importante d'apparence non prédite par le modèle dévoile en fait la présence d'un objet en intrusion. Le principal défi devant être relevé par ce type de méthode est que leur modèle d'arrière-plan doit pouvoir s'adapter aux changements dynamiques des conditions d'observation de la scène. La méthode conçue doit aussi pouvoir rester sensible à l'apparition de nouveaux objets d'intérêt, malgré cette robustesse accrue aux comportements dynamiques prévisibles. Nous proposons deux méthodes introduisant différentes techniques de modélisation qui permettent de mieux caractériser l'apparence de l'arrière-plan sans que le modèle soit affecté par les changements d'illumination, et qui analysent la persistance locale de l'arrière-plan afin de mieux détecter les objets d'intérêt temporairement immobilisés. Nous introduisons aussi de nouveaux mécanismes de rétroaction servant à ajuster les hyperparamètres de nos méthodes en fonction du dynamisme observé de la scène et de la qualité des résultats produits.
Download or read book Apport de l information contextuelle la fusion multicapteurs written by Sophie Fabre and published by . This book was released on 1999 with total page 477 pages. Available in PDF, EPUB and Kindle. Book excerpt: Deux méthodes théoriques générales de classification utilisant la fusion d'images multispectrales et intégrant l'information sur la validité des senseurs sont mises en place. Ces méthodes générales sont appliquées pour réaliser une classification au niveau du pixel et elles sont alors mises en œuvre sur des données physiques. La théorie de Dempster-Shafer, compte tenu de ses avantages inhérents, est utilisée pour intégrer une information supplémentaire sur les conditions d'acquisition des mesures par les senseurs. Cette information renseigne sur la fiabilité à accorder aux capteurs est appelée information contextuelle. Le formalisme de modélisation de l'information contextuelle est basé sur l'évaluation de domaines flous de validité, soit de chaque source prise isolément, soit de toutes les associations de sources considérées concurrentiellement. Ainsi deux méthodes de fusion et de modélisation de l'information contextuelle sont proposées. Lorsque l'apprentissage au préalable n'est pas disponible pour un objet de la scène, ces méthodes évoluent et une méthode globale est déduite. Les méthodes mises en place sont appliquées sur des cas typiques pour comparer les résultats de classification obtenus avec ceux issus d'une approche probabiliste classique sans prise en compte de la validité des capteurs. De plus, les méthodes sont appliquées pour réaliser une classification au niveau du pixel et sont mises en œuvre sur des données physiques. Seul un paramètre perturbateur atmosphérique, la vapeur d'eau, est introduit pour évaluer la fiabilité des mesures acquises par les capteurs. Les données utilisées sont obtenues à partir de bases de données (données météorologiques, mesures de réflectances spectrales). Ces simulations de cas typiques et cette application à la classification pixel permettent de montrer que l'information contextuelle est pertinente et correctement intégrée et que les performances de classification sont améliorées.
Download or read book Segmentation d images written by RIAD.. KARA FALAH and published by . This book was released on 1995 with total page 151 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'images naturelles complexes est généralement imparfaite si l'on n'utilise qu'une seule technique de segmentation. Il est donc nécessaire de faire coopérer plusieurs processus de segmentation. Le travail réalisé dans cette thèse se divise en deux parties: 1) Développement d'une approche coopérative pour la segmentation d'images naturelles. Le principe consiste à utiliser la redondance entre les résultats obtenus par plusieurs segmentations «région» afin de localiser des germes qui ont une grande certitude d'appartenir à des régions homogènes. A partir de ces germes une procédure de croissance de régions basée sur les caractéristiques des germes permet d'agglomérer progressivement les pixels hors germes. Le processus est contrôlé par le gradient de l'image afin d'obtenir une meilleure précision sur les frontières des régions extraites. Les germes sont extraits par un mécanisme de fusion de plusieurs segmentations primaires. Ce mécanisme permet également de proposer une segmentation consensus entre les segmentations de départ. 2) Caractérisation quantitative du résultat de la segmentation: La mesure couramment utilisée est basée sur le pourcentage des pixels mal classés entre le résultat fourni par un algorithme de segmentation et une segmentation de référence. Cette mesure reste insuffisante car elle ignore toute information spatiale sur la localisation des frontières des régions. La nouvelle mesure proposée tient compte à la fois du nombre de pixels mal classés et de leurs localisations. Cette mesure de dissimilarité permet l'évaluation numérique du résultat d'un algorithme de segmentation sur des images où l'on connaît la segmentation de référence. De plus, elle permet d'étendre à l'espace des segmentations certaines techniques de filtrage développées dans le cas de signaux scalaires.
Download or read book MISE EN OEUVRE D UN SYSTEME ADAPTATIF DE SEGMENTATION D IMAGES written by CHRISTOPHE.. ROSENBERGER and published by . This book was released on 1999 with total page 161 pages. Available in PDF, EPUB and Kindle. Book excerpt: LE TRAITEMENT D'IMAGES SUSCITE UN INTERET CROISSANT A MESURE QUE L'IMAGE S'IMPOSE COMME UN SUPPORT ET UNE SOURCE D'INFORMATIONS PRIVILEGIES. LA QUALITE DE L'INTERPRETATION D'UNE IMAGE DEPEND FORTEMENT DE CELLE DE LA SEGMENTATION. MALGRE LA GRANDE DIVERSITE DE METHODES, LES RESULTATS DE SEGMENTATION RESTENT MOYENS ET VARIENT BEAUCOUP EN FONCTION DE LA TECHNIQUE CHOISIE. UNE METHODE DE SEGMENTATION GENERALE ET AUTOMATIQUE EST DIFFICILE A CONCEVOIR ETANT DONNES LES DIFFERENTS TYPES DE REGIONS POUVANT ETRE PRESENTES DANS UNE IMAGE. AFIN DE CONTRIBUER A RESOUDRE CE PROBLEME, NOUS PROPOSONS UN SYSTEME ADAPTATIF DE SEGMENTATION D'IMAGES. APRES UN TRAVAIL DE SYNTHESE PERMETTANT DE REPERTORIER LES DIFFERENTES METHODES DE SEGMENTATION EXISTANTES EN FONCTION DU TYPE D'INFORMATIONS POUR LESQUELLES ELLES SONT PERFORMANTES, UN SYSTEME ORIGINAL DE SEGMENTATION EST PROPOSE. L'ORIGINALITE DE CE SYSTEME RESIDE DANS L'ADAPTATION DES TRAITEMENTS AU CONTEXTE LOCAL DE L'IMAGE AVEC LE MINIMUM DE CONNAISSANCES A PRIORI. IL EST CONSTITUE DE TROIS MODULES DE TRAITEMENT. LE PREMIER MODULE PERMET D'ANALYSER FINEMENT L'IMAGE A DEUX NIVEAUX. LE PREMIER NIVEAU IDENTIFIE D'UNE PART, LE CONTEXTE GLOBAL DE L'IMAGE A TRAITER (IMAGE MAJORITAIREMENT COMPOSEE DE REGIONS UNIFORMES OU TEXTUREES) AFIN D'ADAPTER LA SUITE DES TRAITEMENTS ET, DISTINGUE D'AUTRE PART, LES ZONES TEXTUREES ET UNIFORMES LA COMPOSANT. LE SECOND NIVEAU DU MODULE CONCERNE L'ANALYSE LOCALE DE L'IMAGE A SEGMENTER AFIN DE CARACTERISER CHACUNE DES REGIONS DETECTEES PAR DES ATTRIBUTS CLASSIQUES DE TEXTURES PERTINENTS (OBTENUS PAR ANALYSE STATISTIQUE) ET DES ATTRIBUTS QUE NOUS AVONS DEFINIS. CES PARAMETRES COMPLEMENTAIRES ONT ETE DETERMINES A PARTIR D'UN MODELE DE TEXTURE BASE SUR LA DECOMPOSITION DE WOLD DE LA FONCTION D'AUTOCOVARIANCE. ILS PERMETTENT D'OBTENIR DES INFORMATIONS SUR LE TYPE DE TEXTURE (ALEATOIRE OU DETERMINISTE) ET SUR SA GRANULARITE (GROSSIERE OU FINE). CETTE ANALYSE PLUS FINE D'UNE REGION TEXTUREE PERMET, D'UNE PART, DE FACILITER LE CHOIX DE LA METHODE DE SEGMENTATION APPROPRIEE ET, D'AUTRE PART, D'ADAPTER LA TAILLE DU SUPPORT D'ANALYSE DE LA REGION A SEGMENTER. LE DEUXIEME MODULE DECLENCHE LA METHODE DE SEGMENTATION ADAPTEE AU CONTEXTE LOCAL DE L'IMAGE EN UTILISANT UNE METHODE DE CLASSIFICATION NON SUPERVISEE QUE NOUS AVONS DEVELOPPEE. ENFIN, LE TROISIEME MODULE PERMET DE FUSIONNER SOIT LES RESULTATS DE PLUSIEURS METHODES DE SEGMENTATION D'UNE MEME IMAGE, SOIT LES RESULTATS DE SEGMENTATION DE CHAQUE BANDE DANS LE CAS D'UNE IMAGE MULTI-COMPOSANTES. LA METHODE DE FUSION DEVELOPPEE ADOPTE UNE APPROCHE GENETIQUE EN COMBINANT LES RESULTATS DE SEGMENTATION PONDERES PAR UN CRITERE D'EVALUATION. LE SYSTEME A ETE VALIDE SUR DIFFERENTS TYPES D'IMAGE (SYNTHETIQUES ET REELLES DE TELEDETECTION).
