Modèles markoviens pour l'organisation spatiale de descripteurs d'images - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2005

Modèles markoviens pour l'organisation spatiale de descripteurs d'images

Résumé

Ce papier décrit une nouvelle approche probabiliste pour la reconnaissance de textures. Une image est décrite à l'aide de descripteurs locaux, ainsi que par des relations spatiales entre ces descripteurs. On peut alors associer une image à un graphe : les noeuds sont les points d'intérêt de l'image correspondant à des régions caractéristiques et les arêtes relient des régions voisines. Ajouter une telle information de voisinage permet d'améliorer les résultats de reconnaissance. Les approches actuelles consistent à modéliser les descripteurs comme des variables indépendantes, puis à rajouter l'information spatiale par le biais de poids, sans modéliser explicitement ces dépendances. Nous proposons d'introduire un modèle statistique rendant compte directement de cette dépendance entre descripteurs, par l'utilisation de champs de Markov cachés. L'estimation des paramètres de tels modèles étant en pratique difficile, nous utilisons des procédures d'estimation récentes basées sur le principe du champ moyen de la physique statistique. Nous illustrons notre méthode sur la reconnaissance d'images uni et multitextures. Les résultats obtenus sont prometteurs.
Fichier non déposé

Dates et versions

inria-00548519 , version 1 (20-12-2010)

Identifiants

  • HAL Id : inria-00548519 , version 1

Citer

Juliette Blanchet, Florence Forbes, Cordelia Schmid. Modèles markoviens pour l'organisation spatiale de descripteurs d'images. 37e Journées de Statistique de la Société Française de Statistique, Jun 2005, Pau, France. ⟨inria-00548519⟩
80 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More