Segmentation bayésienne d'images constantes par morceaux: cas de distorsion non-linéaire, données manquantes et bruit de Poisson - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2019

Segmentation bayésienne d'images constantes par morceaux: cas de distorsion non-linéaire, données manquantes et bruit de Poisson

Résumé

Cet article explore le problème de segmentation d’images constantes par morceaux, contaminées par un bruit de Poisson. Le travailinclut deux types de dégradations supplémentaires: pixels manquant et gain non-linéaire. Notre solution suit une approche bayésienne, ce quipermet d’assurer estimation et segmentation optimales. Un échantillonneur de Gibbs, incluant des mouvements de Metropolis-Hastings explorela loi a posteriori. Les échantillons sont alors utilisés pour approcher les quantités d’intérêt, en particulier amplitudes des classes et étiquettes desegmentation. Malgré la présence des dégradations, les résultats sont encourageants et généralement proches de ceux obtenus sans dégradation.
Fichier non déposé

Dates et versions

hal-02446490 , version 1 (20-01-2020)

Identifiants

  • HAL Id : hal-02446490 , version 1

Citer

Jean-François Giovannelli, Yoann Altmann. Segmentation bayésienne d'images constantes par morceaux: cas de distorsion non-linéaire, données manquantes et bruit de Poisson. GRESTI 2019, Aug 2019, Lille, France. ⟨hal-02446490⟩
20 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More