Modèles de Markov triplets en restauration des signaux
Modèles de Markov triplets en restauration des signaux
Modèles de Markov triplets en restauration des signaux
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
CHAPITRE IV. MODÈLE DE MARKOV TRIPLETPrés<strong>en</strong>tation du modèleSoit T=(T n ) 1∶N un champ <strong>Markov</strong>i<strong>en</strong> <strong>de</strong> graphe d’indép<strong>en</strong>dance conditionnellereprés<strong>en</strong>té par le graphe sur la figure (IV.28).y 1 y 2 y 3u 1 u 2 u 3y 4 x 1 y 5 x 2 y 6 x 3u 4 u 5 u 6y 7 x 4 y 8 x 5 y 9 x 6u 7 u 8 u 9x 7 x 8 x 9Figure IV.28 – Graphe d’indép<strong>en</strong>dance conditionnelle du champ TLa loi <strong>de</strong> notre modèle vérifie les propriétés suivantes :Propriété IV.3 Les propriétés du modèle sont les suivantes :a) U est un champ gaussi<strong>en</strong>-markovi<strong>en</strong> :p(u)=N∏n=1p(u n ∣u t ,t∈ν(n))(IV.77)b) X et Y sont indép<strong>en</strong>dants conditionnellem<strong>en</strong>t à UXY∣U(IV.78)c) Les Y s sont indép<strong>en</strong>dants conditionnellem<strong>en</strong>t à U et Y s U l≠s ∣U sp(y∣u)=N∏n=1p(y n ∣u)=N∏n=1p(y n ∣u n )(IV.79)d) Les X n sont indép<strong>en</strong>dants conditionnellem<strong>en</strong>t à U et X n U t≠n ∣U np(x∣u)=N∏n=1p(x n ∣u)=N∏n=1p(x n ∣u n )(IV.80)Infér<strong>en</strong>ce Bayési<strong>en</strong>neLe but <strong>de</strong> ce modèle est <strong>de</strong> trouver X sachant Y pour cela nous utilisons leprocessus auxiliaire U. La loi du couple V=(X,U) sachant Y s’écrit comme suit :p(x,u∣y)=p(u∣y)p(x∣u,y)(IV.81)95