Le modèle
de classification par approche variationnelle proposé conduit à
un algorithme rapide et facile à implémenter. Pour les images
étudiées, le résultats sont au moins aussi bons que
ceux produits par le modèle stochastique de comparaison, mais pour
un temps de calcul en moyenne 5 fois plus rapide.
La suite de ce
travail comprend plusieurs étapes: la classification pour des
attributs de textures,
le cas de données multispectrales, le cas de
la reconstruction (déconvolution...), et le passage au cas non supervisé
(estimation du nombre et des paramètres des classes).