traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
18<br />
Chapitre 2 - Traitement d’images <strong>par</strong> <strong>modèles</strong><br />
<strong>discrets</strong> <strong>sur</strong> graphes<br />
(a) ɛ Lexicographique.<br />
(b) ɛ Entrelacement de<br />
bits.<br />
(c) ɛ basée Graphe.<br />
(d) δ Lexicographique.<br />
(e) δ Entrelacement de<br />
bits.<br />
(f) δ basée Graphe.<br />
FIG. 2.9 – ɛ et δ avec différents ordres vectoriels <strong>sur</strong> la figure 2.5.<br />
2.2.4 Marches aléatoires<br />
Nous proposons ici une autre manière de définir un ordre de données vectorielles (issus<br />
d’images dans nos expérimentations). Nous cherchons cette fois à définir l’ordre <strong>par</strong> une réduction<br />
non linéaire de dimension grâce à des marches aléatoires <strong>sur</strong> graphes.<br />
2.2.4.1 Principe<br />
Une marche aléatoire <strong>sur</strong> un graphe est un processus stochastique qui <strong>par</strong>court le graphe en<br />
sautant aléatoirement de noeud en noeud [VONLUX06, COIFMA06]. La probabilité de transition<br />
d’un noeud v i vers un noeud v j est donnée <strong>par</strong><br />
p ij = p vi v j<br />
= w(v i, v j )<br />
d(v i )<br />
= w v i v j<br />
d i<br />
car la probabilité de transition en un saut d’un noeud v i à un noeud v j est proportionnelle à<br />
w(v i , v j ), la valuation de l’arête reliant ces deux noeuds. La matrice de transition P = (p ij )<br />
associée est alors définie <strong>par</strong><br />
P = D −1 S<br />
où D est la matrice des degrés des noeuds et S une matrice de similarité associée au graphe.<br />
p ij peut être interprété comme la probabilité de transition du noeud v i au noeud v j en un saut