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 I. MODÈLES DE MARKOV CLASSIQUESNous détaillons dans la suite les modèles graphiques ori<strong>en</strong>tés et non-ori<strong>en</strong>tés;pour plus <strong>de</strong> précisions, les lecteurs intéressés pourront égalem<strong>en</strong>t consulter le livre<strong>de</strong> Steff<strong>en</strong> L. Lauritz<strong>en</strong> [74], ou l’article <strong>de</strong> P. Smyth et al. [113].I.1.1 Modèle graphique non ori<strong>en</strong>téSoitS={1,..,N} une partie <strong>de</strong> N, et soitE un sous <strong>en</strong>semble <strong>de</strong>S×S. Nousappelons « graphe » le coupleG=(S,E). L’<strong>en</strong>sembleS sera nommé <strong>en</strong>semble <strong>de</strong>ssommets, etE l’<strong>en</strong>semble <strong>de</strong>s arêtes. Le grapheG sera nommé graphe non ori<strong>en</strong>télorsque pour tout couple <strong>de</strong> sommets(u,v)∈S 2 , si(u,v)∈E alors(v,u)∈E. Soi<strong>en</strong>tu et v <strong>de</strong>ux sommets <strong>de</strong>G. On dit qu’il y a une arête <strong>en</strong>tre u et v dansG, et on noteu↔Gv, si(u,v)∈E. On note u↮Gv s’il n’y a pas d’arête.Pour tout sommet u <strong>de</strong>S, on note ν(u) l’<strong>en</strong>semble <strong>de</strong>s voisins <strong>de</strong> u, cad. l’<strong>en</strong>semble<strong>de</strong>s sommets v qui sont reliés par <strong>de</strong>s arêtes à u :ν(u)={v∈S,u↔Gv}(I.2)Un sous-<strong>en</strong>sembleC <strong>de</strong>G est une clique si et seulem<strong>en</strong>t si :◻C est un singleton, ou◻∀(u,v) <strong>de</strong>ux sommets <strong>de</strong>C, u et v sont mutuellem<strong>en</strong>t voisins (u∈ν(v) etv∈ν(u)).On dit qu’il y a un chemin <strong>en</strong>tre u et v, s’il existe une suite <strong>de</strong>s sommets u 1 ,..,u n ,telle que : u∈ν(u 1 ),..,u i−1 ∈ν(u i ),..,u n ∈ν(v). Soi<strong>en</strong>tA,B etC trois sous-<strong>en</strong>sembles<strong>de</strong>S <strong>de</strong>ux à <strong>de</strong>ux disjoints. On dit queBsépareAetC, si seulem<strong>en</strong>t si pour toutsommet a dansA, tout sommet c dansC, tout chemin <strong>en</strong>tre a et c passe par oumoins un sommet b appart<strong>en</strong>ant àB.Sur la figure (I.1),D={3,4} sépareB={1,2} etC={5,6}. Un chemin <strong>en</strong>tre{1}∈B et{5}∈D passe par{3}∈D.Définition I.2 SoitG un graphe. Le processus aléatoire X=(X n ) 1∶N satisfait lapropriété <strong>de</strong> <strong>Markov</strong> « par paires » par rapport àG, si∀(u,v) couple <strong>de</strong> sommets telque u↮Gv, X u et X v sont indép<strong>en</strong>dants conditionnellem<strong>en</strong>t à X t∉{u,v} :∀(u,v), si u↮Gv alors X u X v ∣X t∉{u,v}(I.3)Définition I.3 SoitG un graphe. Le processus aléatoire X=(X n ) 1∶N satisfait lapropriété <strong>de</strong> <strong>Markov</strong> « locale »par rapport àG, si pour tout sommet n∈{1,..,N}, X nest indép<strong>en</strong>dant <strong>de</strong> ses non-voisins(X t ) t∉{n∪ν(n)} conditionnellem<strong>en</strong>t à(X t ) t∈ν(n) :∀n∈S X n (X t ) t∉{n∪ν(n)} ∣(X t ) t∈ν(n)(I.4)Définition I.4 SoitG un graphe. Le processus aléatoire X=(X n ) 1∶N satisfait lapropriété <strong>de</strong> <strong>Markov</strong> « globale »par rapport àG, si pour tout triplet(B,C,D) <strong>de</strong>sous-<strong>en</strong>sembles <strong>de</strong>S, disjoints <strong>de</strong>ux à <strong>de</strong>ux, tels queDsépareB etC dansG, on a :X B X C ∣X D(I.5)On dit alors égalem<strong>en</strong>t queG est le graphe d’indép<strong>en</strong>dance conditionnelle pour X.6