Approche a-contrario pour la détection de changements sous ...
Approche a-contrario pour la détection de changements sous ...
Approche a-contrario pour la détection de changements sous ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Approche</strong> a <strong>contrario</strong><br />
Sommaire<br />
Modélisation a-<strong>contrario</strong><br />
Détection <strong>de</strong> <strong>changements</strong><br />
Conclusion<br />
Contexte <strong>de</strong> l’étu<strong>de</strong><br />
Modélisation du problème<br />
Détection a <strong>contrario</strong><br />
Résultats asymptotiques<br />
Algorithme<br />
Résultats<br />
Dans quel <strong>sous</strong>-domaine spatial D ⊂ D BR l’image observée v<br />
est-elle trop structurée <strong>pour</strong> être expliquée par le hasard ?<br />
Principe<br />
Adopter un modèle <strong>de</strong> fond <strong>pour</strong> les données (modèle naïf),<br />
Détecter un <strong>sous</strong>-domaine <strong>de</strong> l’image s’il correspond à une<br />
gran<strong>de</strong> déviation par rapport au modèle <strong>de</strong> fond.<br />
Amandine Robin<br />
<strong>Approche</strong> a-<strong>contrario</strong> <strong>pour</strong> <strong>la</strong> détection <strong>de</strong> <strong>changements</strong> <strong>sous</strong>-pixeliques e