Segmentation d'images multisenseur par fusion de dempster-shafer dans un contexte markovien

par AZZEDDINE BENDJEBBOUR

Thèse de doctorat en Mathématiques. Statistiques

Sous la direction de Paul Deheuvels.

Soutenue en 2000

à Paris 6 .

mots clés

Résumé

Cette these traite de la segmentation statistique d'images multi-capteur. Dans un contexte bayesien, l'interet d'utiliser les champs de markov caches, qui permet de tenir compte de l'information contextuelle, est bien connu depuis une vingtaine d'annees. Dans d'autres situations, le cadre bayesien est insuffisant et on a recours a la theorie de l'evidence. Le but de notre travail est de proposer des modeles evidentiels qui peuvent tenir compte de l'information contextuelle par l'intermediaire des champs de markov. Nous definissons un modele markovien evidentiel general et montrons son utilite dans la pratique. Les differents resultats de simulation presentes montrent l'interet des algorithmes de segmentation bases sur le modele markovien evidentiel. En outre, une variante originale de l'estimation des melanges generalises, rendant possible la fusion evidentielle non supervisee dans le contexte markovien, est decrite. La segmentation d'images radar et spot montrent la pertinence des modeles proposes et des methodes de segmentation correspondantes dans des situations reelles.

Pas de résumé disponible.