Segmentation d’images couleurs basée sur les copules
Loading...
Date
2017
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université Mouloud Mammeri
Abstract
Nous avons abordé dans ce mémoire la segmentation d'images couleur basée sur une approche de classification de type probabiliste dans un cadre supervisé. Cette approche fait appel à la méthode de classification Bayésienne et plus exactement à la règle de Bayes afin de classer les pixels selon les fonctions de densité de probabilité conditionnelle de chaque classe. Cette dernière est couramment décrite par une loi Gaussienne multivariable. Pour éviter cette hypothèse, restrictive, nous avons proposé dans ce mémoire de substituer la fonction de densité de probabilité conditionnelle multivariable de chaque classe par des fonctions copules afin de modéliser la dépendance entre les variables aléatoires. Dans ce cas, la fonction de densité de probabilité conjointe à plusieurs variables est redéfinie comme un produit d'une fonction copule multivariable et de fonctions de densité marginale relative à chaque composante couleur (variable) de l'image. Comme fonction copule, nous avons utilisé la copule Gaussienne et la copule de Student. Les résultats expérimentaux portant sur la segmentation de différentes images couleur ont montré l’efficacité de l'utilisation des fonctions copules par rapport à celles des fonctions Gaussiennes.
Description
44 f. : ill. ; 30 cm. (+ CD-Rom)
Keywords
Copule, Fonction de répartition, Fonction de densité de probabilité, Segmentation d’images, Classification Bayésienne.
Citation
Commande Des Systemes