Application Des Champs Aléatoires De Markov À La Segmentation Des Images Radar De Type Sar
Résumé: Un modèle statistique est développé pour la segmentation supervisée et non supervisée des images SAR (Synthetic Aperture Radar). A cet effet, la représentation des données SAR est combinée avec le modèle statistique des classes, fondé sur le champ aléatoire de Markov (MRF) afin d'obtenir une distribution a posteriori. La segmentation supervisée se base sur l'algorithme du recuit simulé qui est de type relaxation aléatoire et les algorithmes ICM (Iterated Conditionals Modes) et MMD (Modified Metropolis Dynamic) qui sont de type relaxation déterministe. La segmentation non supervisée s'appuie sur l'algorithme de l'espérance maximale EM (Expectation-Maximisation) et le recuit simulé adaptatif, dans la mesure où l'estimation des paramètres s'obtient d'une façon itérative. Des exemples illustrent l'efficacité de cette stratégie et sa robustesse au bruit speckle
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
