Thèse soutenue

Méthodes markoviennes pour la séparation aveugle de signaux et images
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Rima Guidara
Direction : Shahram HosseiniYannick Deville
Type : Thèse de doctorat
Discipline(s) : Traitement du signal
Date : Soutenance en 2009
Etablissement(s) : Toulouse 3

Résumé

FR  |  
EN

Cette thèse présente de nouvelles méthodes markoviennes pour la séparation aveugle de mélanges linéaires instantanés des signaux unidimensionnels et des images. Dans la première partie, nous avons proposé plusieurs améliorations pour une méthode existante de séparation de signaux temporels. La nouvelle méthode exploite simultanément la non-gaussianité, l'autocorrélation et la nonstationnarité des sources. D'excellentes performances ont été obtenues pour la séparation de mélanges artificiels de signaux de parole, et nous avons réussi à séparer des mélanges réels de spectres astrophysiques. Une extension à la séparation des images a été ensuite proposée. La dépendance entre pixels a été modélisée par un champ de Markov à demi-plan non-symétrique. De très bonnes performances ont été obtenues pour la séparation de mélanges artificiels d'images naturelles et d'observations non-bruitées du satellite Planck. Les résultats pour un faible bruit sont acceptables.