Projet : ARIANA - ariana

<body bgcolor="#FFFFFF" text="#000000" link="#9944EE" vlink= "#0000FF" alink="#00FF00"> <h2><a name="SECTION00069000000000000000" id= "SECTION00069000000000000000">Segmentation de zones rurales à partir d'image aérienne par géométrie probabiliste</a></h2>  <a name="ARIANA_resultats_segment" id= "ARIANA_resultats_segment"></a> <p><br /> <br /> <span class="textbf">Participants :</span> Sébastien Drot, Xavier Descombes, Josiane Zerubia.<br /> <br /></p> <p><strong>Mots clés :</strong> <i>segmentation d'image, géométrie probabiliste, méthode MCMC .</i></p> <p>Les techniques probabilistes utilisées pour la segmentation des images ou la classification sont généralement fondées sur une approche pixélique. Elles sont réputées pour leur robustesse grâce notamment à la prise en compte des statistiques du bruit et d'information a priori sur la segmentation recherchée. Ces méthodes se sont avérées particulièrement pertinentes principalement sur les données basse ou moyenne résolution.</p> <p>Avec des données plus résolues (centimétriques) comme les images aériennes ou satellitaires haute-résolutions, les approches pixéliques sont insuffisantes car elles n'utilisent aucune information géométrique sur les objets recherchés. Il s'avère donc souhaitable de développer des méthodes assurant la prise en compte de ce type d'information. Pour conserver les atouts des approches bayesiennes tout en tenant compte de propriétés géométriques simples, nous proposons d'étudier des modèles de type processus objets.</p> <p>Des modèles à base de triangles équilatéraux sont actuellement à l'étude. Des modèles pertinents dans le cadre de la segmentation d'image de synthèse ont été obtenus, notamment en limitant le nombre d'orientations des objets. Des modèles plus généraux à orientation quelconque sont actuellement à l'étude dans le cadre de la segmentation d'image réelles fournies par l'IGN.</p> <p>Ce travail a été conduit grâce à une bourse Cifre avec l'IGN.</p> </body>