Chaines de markov cachees et segmentation non supervisee de sequences d'images

Hidden markov chains and unsupervised segmentation of image sequences

• Auteur / Autrice : BTISSAM BENMILOUD
• Direction : Wojciech Pieczynski
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1994
• Etablissement(s) : Paris 7

Résumé

Cette these est consacree a la segmentation non supervisee des sequences d'images dans le cadre des modelisations par chaines de markov cachees. Nous mettons l'accent sur la phase d'estimation des parametres, prealable a la phase de segmentation. Nous proposons plusieurs algorithmes originaux d'estimation des parametres obtenus a partir des methodes iterative conditional estimation et stochastic estimation maximisation. Nous montrons leur competitivite vis a vis de l'algorithme estimation maximisation, le plus frequemment utilise pour l'identification des chaines de markov cachees dans differents cas d'homogeneite et de bruitage des chaines. Une etude du comportement de ces differents estimateurs combines avec la methode maximum posterior mode est egalement effectuee sur plusieurs chaines simulees. Nous appliquons ensuite les memes algorithmes sur des images simulees ou reelles. Nous transformons l'image en processus mono dimensionnel grace au parcours de peano. Nous beneficions ainsi de methodes souples et rapides pour la segmentation non supervisee des images. Nous etudions egalement la segmentation locale dans le cas des chaines de markov cachees, en tenant compte d'un certain nombre de voisins les plus proches. Nous exposons ensuite la segmentation non supervisee adaptative basee sur le concept d'estimation locale. Une etude de robustesse des methodes de segmentation a ete abordee, elle permet de choisir des estimateurs selon le comportement de la methode de segmentation vis a vis des parametres estimes. Enfin, une partie de ce travail est consacree a la segmentation spatio temporelle des sequences d'images dans le cas de la modelisation par chaines de markov cachees. Nous proposons trois algorithmes de segmentation non supervisee qui different par la facon d'exploiter l'information contenue dans les images precedentes