Loading...
Please wait, while we are loading the content...
Similar Documents
Techniques de réduction de données et analyse d'images multispectrales astronomiques par arbres de Markov
| Content Provider | Semantic Scholar |
|---|---|
| Author | Flitti, Farid |
| Copyright Year | 2005 |
| Abstract | Le developpement de nouveaux capteurs multispectraux en imagerie astronomique permet l'acquisition de donnees d'une grande richesse. Neanmoins, la classification d'images multidimensionnelles se heurte souvent au phenomene de Hughes : l'augmentation de la dimensionnalite s'accompagne d'un accroissement du nombre de parametres du modele et donc inevitablement une baisse de precision de leur estimation entrainant une degradation de la qualite de la segmentation. Il est donc imperatif d'ecarter l'information redondante afin de realiser des operations de segmentation ou de classification robustes. Dans le cadre de cette these, nous avons propose deux methodes de reduction de la dimensionnalite pour des images multispectrales : 1) le regroupement de bandes suivis de projections locales ; 2) la reduction des cubes radio par un modele de melange de gaussiennes. Nous avons egalement propose un schema de reduction/segmentation jointe base sur la regularisation du melange d'analyseurs en composantes principales probabilistes (MACPP). En se qui concerne la tâche de segmentation, nous avons choisie une approche bayesienne s'appuyant sur des modeles hierarchiques recents a base d'arbres de Markov cache et couple. Ces modeles permettent en effet un calcul rapide et exact des probabilites a posteriori. Pour le terme d'attache aux donnees, nous avons utilisee la loi gaussienne multidimensionnelle classique, la loi gaussienne generalisee multidimensionnelles formulee grâce a la theorie des copules et la vraisemblance par rapport au modele de l'ACP probabiliste (dans le cadre de la MACPP regularisee). L'apport majeur de ce travail consiste donc a proposer differents modeles markoviens hierarchiques de segmentation adaptes aux donnees multidimensionnelles multiresolutions. Leur exploitation pour des donnees issues d'une analyse par ondelettes adaptee au contexte astronomique nous a permis de developper des techniques de debruitage et de fusion d'images astronomiques multispectrales nouvelles. Tous les algorithmes sont non supervises et ont ete valides sur des images synthetiques et reelles. |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | https://tel.archives-ouvertes.fr/tel-00156963/document |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
