|
Mikael Imberty
Former Master Student, Ecole Polytechnique
Contact :
|
| Last publications in Ariana Research Group :
Segmentation d'image haute résolution par processus Markov objet. X. Descombes and S. Drot and M. Imberty and H. Le Men and J. Zerubia. In Séminaire Télédétection à très haute résolution spatiale et analyse d'image, Cemagref, Montpellier, France, 2001.
@INPROCEEDINGS{xd01k,
|
author |
= |
{Descombes, X. and Drot, S. and Imberty, M. and Le Men, H. and Zerubia, J.}, |
title |
= |
{Segmentation d'image haute résolution par processus Markov objet}, |
year |
= |
{2001}, |
booktitle |
= |
{Séminaire Télédétection à très haute résolution spatiale et analyse d'image, Cemagref}, |
address |
= |
{Montpellier, France}, |
url |
= |
{http://cemadoc.irstea.fr/oa/PUB00009549-segmentation-image-haute-resolution-par-processus.html}, |
keyword |
= |
{} |
} |
Simulation de processus objets : Etude de faisabilité pour une application à la segmentation d'image. M. Imberty and X. Descombes. Research Report 3881, Inria, February 2000. Keywords : Marked point process, Stochastic geometry, Segmentation.
@TECHREPORT{xd00im,
|
author |
= |
{Imberty, M. and Descombes, X.}, |
title |
= |
{Simulation de processus objets : Etude de faisabilité pour une application à la segmentation d'image}, |
year |
= |
{2000}, |
month |
= |
{February}, |
institution |
= |
{Inria}, |
type |
= |
{Research Report}, |
number |
= |
{3881}, |
url |
= |
{https://hal.inria.fr/inria-00072772}, |
pdf |
= |
{https://hal.inria.fr/file/index/docid/72772/filename/RR-3881.pdf}, |
ps |
= |
{https://hal.inria.fr/docs/00/07/27/72/PS/RR-3881.ps}, |
keyword |
= |
{Marked point process, Stochastic geometry, Segmentation} |
} |
Résumé :
Dans cette étude, nous comparons l'efficacité de deux techniques de simulation par chaînes de Markov (MCMC) de processus aléatoires sur des ensembles d'objets géométriques : l'algorithme de naissance-mort et celui de Metropolis-- Hastings-Green. Les comparaisons sont effectuées sur différents modèles de processus objets de type attractif présentant un intérêt en traitement d'image. Nous appliquons ensuite ces méthodes de simulation à la segmentation d'image. Pour cela, nous nous plaçons dans le cadre bayésien : nous définisson- s donc un modèle a priori attractif simple sur des objets rectangulaires, ainsi qu'un terme d'attache aux données garantissant l'adéquation des objets à l'image. Nous utilisons ensuite un recuit simulé pour extraire les différentes zones de l'image. Des tests sont effectués sur des images synthétiques. |
Abstract :
In this study, we compare the efficiency of two algorithms using Monte Carlo Markov chains methods in order to simulate random processes of geometric- al objects sets : the algorithm of birth and death and the dynamics of Metropolis-Hastings-Green. The comparisons are carried out on various object models for clustered patterns, which could be of interest in image processing. Then we apply these methods of simulation to image segmentation, using the bayesian approach : thus we define a simple prior model on rectangul- ar objects, as well as a posterior probability guaranteeing the adequacy of the objects to the data. We finally use a stochastic annealing to extract the various zones of the image. Some tests are performed on synthetic data. |
|
All publications in Ariana Research Group
|
|