Segmentation d’Images Texturées Couleur à l’aide de modèles paramétriques pour approche la distribution des erreurs de prédiction linéaires

Résumé : We propose novel a priori parametric models to approximate the distribution of the two dimensional multichannel linear prediction error in order to improve the performance of color texture segmentation algorithms. Two dimensional linear prediction models are used to characterize the spatial structures in color images. The multivariate linear prediction error of these texture models is approximated with Wishart distribution and multivariate Gaussian mixture models. A novel color texture segmentation framework based on these models and a spatial regularization model of initial class label fields is presented. For the proposed method and with different color spaces, experimental results show better performances in terms of percentage segmentation error, in comparison with the use of a multivariate Gaussian law.
Type de document :
Article dans une revue
Revue Africaine de la Recherche en Informatique et Mathématiques Appliquées, INRIA, 2011, 14, pp.31-43
Liste complète des métadonnées

Littérature citée [10 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01299422
Contributeur : Coordination Episciences Iam <>
Soumis le : jeudi 7 avril 2016 - 16:12:20
Dernière modification le : jeudi 11 janvier 2018 - 06:27:04
Document(s) archivé(s) le : lundi 14 novembre 2016 - 21:16:53

Fichier

Vol.14.pp.31-43.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-01299422, version 1

Citation

Imtnan-Ul-Haque Qazi, Olivier Alata, J.-C. Burie, A. Moussa, Christine Fernandez-Maloigne. Segmentation d’Images Texturées Couleur à l’aide de modèles paramétriques pour approche la distribution des erreurs de prédiction linéaires. Revue Africaine de la Recherche en Informatique et Mathématiques Appliquées, INRIA, 2011, 14, pp.31-43. 〈hal-01299422〉

Partager

Métriques

Consultations de la notice

227

Téléchargements de fichiers

103