Segmentation d'images par minimisation de la complexité stochastique avec un modèle de bruit non paramétrique
- Resource Type
- Authors
- Delyon, Guillaume; Martin, Pascal G.P.; Réfrégier, Philippe; Guérault, Frédéric
- Source
- Reconnaissance des Formes et Intelligence Artificielle (RFIA)
Reconnaissance des Formes et Intelligence Artificielle (RFIA), 2006, Tours, France
- Subject
- contours actifs
[INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR]
Segmentation d image
MDL
[INFO.INFO-IR] Computer Science [cs]/Information Retrieval [cs.IR]
estimation de ddp
- Language
- French
Nous proposons une méthode générale de segmentation d'images qui ne nécessite pas de connaissance a priori sur les densités de probabilités (ddp) des niveaux de gris de l'image. Cette méthode repose sur le principe de minimisation de la complexite stochastique. Elle conduit à optimiser un critère sans paramètre à régler de la part de l'utilisateur. D'autre part, nous proposons d'estimer les ddp à l'aide de fonctions étagées, ce qui permet de prendre en compte l'origine physique du bruit présent dans l'image sans faire d'hypothèse sur la famille de ddp qui représente les fluctuations des niveaux de gris. Nous appliquons cette méthode à trois descripteurs de contour (le contour actif polygonal, le contour défini de manière implicite par des courbes de niveaux et la grille active polygonale). Nous illustrons enfin la méthode proposée sur des images synthétiques puis sur des images réelles de natures physiques variées.