|
|
Publications about Gibbs Random Fields
Result of the query in the list of publications :
2 Technical and Research Reports |
1 - Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine.
O. Pony and X. Descombes and J. Zerubia. Research Report 4008, Inria, September 2000.
Keywords : Hyperspectral imaging, Markov Fields, Simulated Annealing, Gibbs Random Fields, Potts model, Texture.
@TECHREPORT{pony00,
|
| author |
= |
{Pony, O. and Descombes, X. and Zerubia, J.}, |
| title |
= |
{Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine}, |
| year |
= |
{2000}, |
| month |
= |
{September}, |
| institution |
= |
{Inria}, |
| type |
= |
{Research Report}, |
| number |
= |
{4008}, |
| url |
= |
{https://hal.inria.fr/inria-00072636}, |
| pdf |
= |
{https://hal.inria.fr/file/index/docid/72636/filename/RR-4008.pdf}, |
| ps |
= |
{https://hal.inria.fr/docs/00/07/26/36/PS/RR-4008.ps}, |
| keyword |
= |
{Hyperspectral imaging, Markov Fields, Simulated Annealing, Gibbs Random Fields, Potts model, Texture} |
| } |
Résumé :
L'observation satellitaire en zone rurale et périurbaine fournit des images hyperspectrales exploitables en vue de réaliser une cartographie ou une analyse du paysage. Nous avons appliqué une classification par maximum de vraisemblance sur des images de zone agricole. Afin de régulariser la classification, nous considérons la modélisation d'image par champs de Markov, dont l'équivalence avec les champs de Gibbs nous permet d'utiliser plusieurs algorithmes itératifs d'optimisation : l'ICM et le recuit simulé, qui convergent respectivement vers une classification sous-optimale ou optimale pour une certaine énergie. Un modèle d'énergie est proposé : le modèle de Potts, que nous améliorons pour le rendre adaptatif aux classes présentes dans l'image. L'étude de la texture dans l'image initiale permet d'introduire des critères artificiels qui s'ajoutent à la radiométrie de l'image en vue d'améliorer la classification. Ceci permet de bien segmenter les zones périurbaines, la forêt, la campagne, dans le cadre d'un plan d'occupation des sols. Trois images hyperspectrales et une vérité terrain ont été utilisées pour réaliser des tests, afin de mettre en évidence les méthodes et le paramétrage adéquats pour obtenir les résultats les plus satisfaisants. |
Abstract :
Satellite observation in rural and semiurban areas provides hyperspectral images which enable us to make a map or an analysis of the landscape. Herein, we applied a maximum likelihood classification on agricultural images. In order to improve this procedure, it is possible in each pixel to use contextual information. Thus, we consider Markov random fields image modeling. The equivalence between Markov and Gibbs fields allows us to use some iterative algorithms of optimisation : ICM and simulated annealing, which converge respectively towards a suboptimal or an optimal classification for a given energy. An energy model is proposed : the Potts model, which can be improved to be adaptive to the classes defined in the image. Texture analysis on the initial image is used to introduce artificial criteria, added to the original image, in order to improve classification. This proves to be useful for segmenting semiurban regions, forests, and the countryside, within the framework of a land-use plan. We use three hyperspectral images and a ground truth to carry out tests, in order to highlight the best methods and parameter setting to obtain the most satisfactory results. |
|
2 - Isotropic Properties of Some Multi-body Interaction Models: Two Quality Criteria for Markov Priors in Image Processing.
X. Descombes and E. Pechersky. Research Report 3752, Inria, August 1999.
Keywords : Gibbs Random Fields, Segmentation, Restoration.
@TECHREPORT{xd99k,
|
| author |
= |
{Descombes, X. and Pechersky, E.}, |
| title |
= |
{Isotropic Properties of Some Multi-body Interaction Models: Two Quality Criteria for Markov Priors in Image Processing}, |
| year |
= |
{1999}, |
| month |
= |
{August}, |
| institution |
= |
{Inria}, |
| type |
= |
{Research Report}, |
| number |
= |
{3752}, |
| url |
= |
{http://hal.inria.fr/inria-00072910}, |
| pdf |
= |
{http://hal.inria.fr/docs/00/07/29/10/PDF/RR-3752.pdf}, |
| ps |
= |
{http://hal.inria.fr/docs/00/07/29/10/PS/RR-3752.ps}, |
| keyword |
= |
{Gibbs Random Fields, Segmentation, Restoration} |
| } |
Résumé :
Les champs de Gibbs sont très utilisés en traitement d'image à la fois pour la segmentation et la restauration. Définis sur la trâme discrète sous-jacente à l'image, ils présentent un comportement non isotrope. Dans ce rapport, nous étudions et quantifions cette non-isotropie, pour des modèles avec des interactions 3x3, en calculant la tension de bord en fonction de l'angle d'une droite séparant le plan en deux parties contenant une phase différente. De cette étude, nous dérivons deux critères quantitatifs d'anisotropie des modèles. Nous calculons ensuite la forme d'une goutte d'une phase immergée dans une autre phase à la température nulle pour les différents modèles, et étudions la non isotropie des formes obtenues. Pour finir, les artéfacts induits par cette non-isotropie sont mis en évidence sur des exemples de segmentation et de restauration d'image. |
Abstract :
Gibbs Fields are widely used in image processing for both segmentation and restoration. Defined on a discrete lattice representing the image they exhibit a non-isotropic behavior. Herein, we study and quantify this non-isotropy by computing the boundary tension as a function of the angle of a line separating the plane in two parts containing a different phase. From this study, we derive two quantitative criteria of the non isotropy of the model. We then compute the shape at zero temperature of a droplet of one phase within the other phase and study the non-isotropy of the shape for the different models. Finally, we show the artifacts due to this non-isotropic behavior for image segmentation and restoration. |
|
 top of the page
These pages were generated by 
|
New demo webpage
get the bibtex
