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
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
TABLE DES MATIÈRES<br />
1 Introduction générale 1<br />
2 Traitement d’images <strong>par</strong> <strong>modèles</strong><br />
<strong>discrets</strong> <strong>sur</strong> graphes 3<br />
2.1 Graphes et <strong>traitement</strong> d’images . . . . . . . . . . . . . . . . . . . . . . . . . . 4<br />
2.1.1 Préliminaires <strong>sur</strong> les graphes . . . . . . . . . . . . . . . . . . . . . . . 4<br />
2.1.2 Représentations <strong>par</strong> graphes . . . . . . . . . . . . . . . . . . . . . . . 5<br />
2.2 Ordres de données vectorielles pour le <strong>traitement</strong> d’images . . . . . . . . . . . 7<br />
2.2.1 Ordres de données vectorielles . . . . . . . . . . . . . . . . . . . . . . 8<br />
2.2.2 Ordres et filtrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
2.2.3 Chemin Hamiltonien dans un graphe . . . . . . . . . . . . . . . . . . . 12<br />
2.2.4 Marches aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18<br />
2.2.5 Conclusion et perspectives . . . . . . . . . . . . . . . . . . . . . . . . 26<br />
2.3 Régularisation discrète <strong>sur</strong> graphes pondérés . . . . . . . . . . . . . . . . . . . 28<br />
2.3.1 Introduction et problématique . . . . . . . . . . . . . . . . . . . . . . 28<br />
2.3.2 Géométrie différentielle <strong>sur</strong> graphes . . . . . . . . . . . . . . . . . . . 29<br />
2.3.3 Régularisation discrète . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
2.3.4 Liens vers d’autres approches . . . . . . . . . . . . . . . . . . . . . . 34<br />
2.3.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35<br />
2.3.6 Conclusion et perspectives . . . . . . . . . . . . . . . . . . . . . . . . 39<br />
2.4 Hiérarchies de <strong>par</strong>titions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42<br />
2.4.1 Introduction et Définitions . . . . . . . . . . . . . . . . . . . . . . . . 42<br />
2.4.2 Un critère connectif : les zones homogènes . . . . . . . . . . . . . . . 43<br />
2.4.3 Diffusion-Fusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46<br />
2.4.4 Coalescence-Fusion . . . . . . . . . . . . . . . . . . . . . . . . . . . 51<br />
2.4.5 Conclusion et perspectives . . . . . . . . . . . . . . . . . . . . . . . . 55<br />
3 Classification de données d’images <strong>par</strong> apprentissage 57<br />
3.1 Principes de la classification . . . . . . . . . . . . . . . . . . . . . . . . . . . 58<br />
V