Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...
Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...
Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
voisins. Ainsi, notre approche permet <strong>de</strong> s’affranchir <strong>de</strong> l’état <strong>de</strong> l’initialisation tout <strong>en</strong> se<br />
dirigeant vers <strong>la</strong> solution optimale et <strong>de</strong> ce fait évite le piégeage dans un minimum local. La<br />
fonction d’énergie (énergie initiale) d’un pixel<br />
stationnaire V s , est <strong>la</strong> suivante :<br />
x s ayant l’étiquette c s dans un voisinage<br />
⎩ ⎨⎧<br />
1<br />
2<br />
T −1<br />
( c s x ) = ( x s − µ c ) . ∑ c . ( x s − µ c ) + ln ⎨ ∑ ⎬ + β ∑ 1 − δ ( c s , c r )<br />
s<br />
s<br />
s<br />
c<br />
U s<br />
144<br />
1<br />
2<br />
⎧<br />
⎩<br />
s<br />
⎭ ⎬⎫<br />
⎫<br />
⎭<br />
r∈V<br />
s<br />
( )<br />
La fonction d’énergie d’une fourmi émise par le pixel x s , transportant l’étiquette c f et<br />
parcourant un chemin aléatoire V ns (voisinage non stationnaire), est donnée comme suit :<br />
⎧<br />
⎪ 1<br />
T −1<br />
1<br />
⎪<br />
( c s x ) = ⎨ ( x s − µ c ) . ∑ c . ( x s − µ c ) + ln ⎨ ∑ ⎬ ⎬ + β ∑ ( 1 − δ ( c f , c r ) )<br />
s<br />
s<br />
s<br />
c<br />
U s<br />
⎩ 2<br />
2<br />
⎧<br />
⎩<br />
s<br />
⎫ ⎫<br />
⎭ ⎭<br />
r∈V<br />
sn<br />
Avec µ c et ∑ s c sont respectivem<strong>en</strong>t le vecteur moy<strong>en</strong>ne et <strong>la</strong> matrice <strong>de</strong> covariance <strong>de</strong> <strong>la</strong><br />
s<br />
c<strong>la</strong>sse cs au site s, déterminés à partir <strong>de</strong>s échantillons d’<strong>en</strong>traînem<strong>en</strong>t. β est un paramètre <strong>de</strong><br />
régu<strong>la</strong>risation et δ est le symbole <strong>de</strong> Kro<strong>en</strong>eker. A cause du dép<strong>la</strong>cem<strong>en</strong>t aléatoire <strong>de</strong>s<br />
fourmis, le critère d’arrêt généralem<strong>en</strong>t adopté est un nombre d’itérations fixé au préa<strong>la</strong>ble<br />
par l’utilisateur.<br />
3. Résultats :<br />
En appliquant l’approche proposée sur limage multispectrale couvrant <strong>la</strong> région nord-est <strong>de</strong><br />
<strong>la</strong> ville d’Alger, nous avons obt<strong>en</strong>u <strong>de</strong>s résultats satisfaisants et très <strong>en</strong>courageants. En effet,<br />
contrairem<strong>en</strong>t au résultat obt<strong>en</strong>u par <strong>la</strong> métho<strong>de</strong> markovi<strong>en</strong>ne c<strong>la</strong>ssique (ICM) qui prés<strong>en</strong>te<br />
une dégradation et une perte <strong>de</strong>s contours et <strong>de</strong>s segm<strong>en</strong>ts, dû principalem<strong>en</strong>t à l’adoption<br />
d’un voisinage stationnaire, les fourmis arriv<strong>en</strong>t à retrouver les voisins optimaux permettant<br />
ainsi <strong>de</strong> gar<strong>de</strong>r <strong>la</strong> notion <strong>de</strong> continuité, notamm<strong>en</strong>t au niveau <strong>de</strong>s segm<strong>en</strong>ts et <strong>de</strong>s structures<br />
linéaires<br />
Mots-clés : images, c<strong>la</strong>ssification, colonie <strong>de</strong> fourmis, champs aléatoires <strong>de</strong> Markov (MRF).<br />
Bibliographie<br />
- Le Hégarat-Mascle, S., Kallel, A., & Descombes, X. (2005). Ant colony optimization for image<br />
regu<strong>la</strong>rization based on a non-stationary Markov mo<strong>de</strong>lling. IEEE Transactions on Image Processing, submitted<br />
on April 20, 2005.