Generalized mixture estimation in hidden Markov trees, application to segmentation of images of street organ cards
Estimation de mélanges généralisés dans les arbres de Markov cachés, application à la segmentation des images de cartons d'orgue de barbarie
Résumé
We deal in this paper with unsupervised statistical image segmentation using hidden Markov trees. First, we propose two original evolutionary models and study, via simulations, the behaviour of different general estimation methods. Second, we propose a new generalized mixture estimation method and show its efficiency in unsupervised image segmentation, even in very noisy settings. The proposed method is then successfully applied to the unsupervised segmentation of street organ cards images.
Nous nous intéressons dans cet article à la segmentation statistique non supervisée d'images avec les modèles par arbres de Markov cachés. Dans un premier temps nous proposons deux modèles évolutifs originaux et étudions, via simulations, le comportement des diverses méthodes générales de l'estimation des paramètres. Ensuite, nous proposons une méthode originale d'estimation de mélanges généralisés et montrons son bon comportement, même dans des cas d'images très fortement bruitées, par une étude de simulations. Cette même méthode est appliquée au problème de la segmentation des cartons d'orgue de barbarie, attestant de son intérêt dans une situation réelle