Modèles de Markov triplets en restauration des signaux

CHAPITRE IV. MODÈLE DE MARKOV TRIPLET(c)(d)(e)Figure IV.7 – Segmentation non supervisée du zèbre bruité présenté à la figure(IV.6) (c) : CMC-MS-BI (3.13%), (d) : U estimé; (e) CMC-BI : (6.48%).Nous pouvons remarquer une nette amélioration de la qualité de la segmentationlorsque l’on utilise le modèle CMC-MS-BI à la place du modèle CMC-BI. En effet,les taux d’erreur sont respectivement de 3.13% et 6.48%. Les petites taches (zonegrise sur la figure IV.7.d ) sont mieux détectées en supposant l’existence de 3 stationnarités: λ 1 correspond au fond de l’image qui à une faible variation de couleur,λ 2 qui correspond aux frontières de zones homogènes qui sont caractérisées par unevariation forte, et λ 3 qui correspond aux zones qui ont une variation moyenne.La dernière expérience consiste à segmenter une image réelle SAR (SyntheticAperture Radar 1 ) représentée par (a) sur la figure (IV.8). Comme ci-dessus, onutilise le modèle CMC-MS-BI et le modèle CMC-BI. Nous supposons l’existence dequatre classes et de trois stationnarités. Les résultats des différentes segmentations1. http ://www.onera.fr/images-science/observation-imagerie/image-radar-sar.php : Techniqueradar qui exploite le déplacement de l’antenne pour obtenir une résolution angulaire bien supérieureà celle d’une antenne immobile. La résolution angulaire d’une antenne est inversementproportionnelle à sa taille, nécessairement réduite à bord d’un avion.65