Skip to Main content Skip to Navigation
Conference papers

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

Juliette Blanchet 1, 2 Florence Forbes 2 Cordelia Schmid 1, *
* Corresponding author
1 LEAR - Learning and recognition in vision
GRAVIR - IMAG - Laboratoire d'informatique GRAphique, VIsion et Robotique de Grenoble, Inria Grenoble - Rhône-Alpes, CNRS - Centre National de la Recherche Scientifique : FR71
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.
Document type :
Conference papers
Complete list of metadata

https://hal.inria.fr/inria-00548521
Contributor : Thoth Team <>
Submitted on : Monday, December 20, 2010 - 9:08:58 AM
Last modification on : Monday, December 28, 2020 - 3:44:02 PM

Identifiers

  • HAL Id : inria-00548521, version 1

Collections

IMAG | CNRS | INRIA | UGA

Citation

Juliette Blanchet, Florence Forbes, Cordelia Schmid. Modèles markoviens pour l'organisation spatiale de descripteurs d'images. Conférence Francophone sur l'Apprentissage Automatique (CAP '05), May 2005, Nice, France. pp.113-126. ⟨inria-00548521⟩

Share

Metrics

Record views

297