Mon compte
Ma liste - 0
Catalogue
Ressources numériques
Nouveautés
Liens utiles
Mon compte
Recherche rapide
Recherche avancée
Recherche alphabétique
Historique
Information
Recherche
Auteur
Titre
Sujet
Titre de revue
Collection
Editeur
Note
Tous mots
ISBN
PPN
Modifier la recherche
>
CERGY
Elargir la recherche
Sur le même sujet :
Agronomie -- Thèses et écrits académiques
Traitement d'images -- Thèses et écrits académiques.
Mouture -- Thèses et écrits académiques
Couverture végétale du sol -- Thèses et écrits académiques
Markov, Champs aléatoires de -- Thèses et écrits académiques
Algorithmes -- Thèses et écrits académiques
Qualité -- Contrôle -- Thèses et écrits académiques
Parcourir le catalogue
par auteur:
Sevestre , Sylvie , 19..-....
Laredo , Catherine , 1953-....
Université Paris-Sud , 1970-2019
Affichage MARC
Auteur :
Sevestre , Sylvie , 19..-....
Titre :
Analyse d'images texturées : applications en agronomie , Sylvie Sevestre ; sous la dir.
de
Catherine Laredo
Editeur :
[S.l.] , [s.n.]
--
1993
Description :
296 f. : ill. en noir
et
en coul. ; 30 cm
Notes :
Résumés en français
et
en anglais
85 REF. Bibliogr. f. 287-296
1993PA112290
Publication autorisée par le jury
Thèse
de
doctorat Mathématiques Paris 11 1993
Cette thèse comporte trois parties. La première partie est un approfondissement
de
l'article
de
Cohen
et
Cooper intitulé simple parallel hierarchical and relaxation algorithms for segmenting noncausal markovian random fields. chaque étape des algorithmes proposés est évaluée, les conditions sont discutées
et
une estimation des paramètres complète le travail des auteurs. Ces algorithmes ont été mis en oeuvre
et
testés sur différentes images. La deuxième partie propose une classification d'images
de
farines. Il s'agit
de
permettre aux industries agroalimentaires un contrôle automatique
de
la qualité du broyage
de
farine. Des méthodes classiques ont été utilisées pour caractériser les textures. Ces méthodes dépendent
de
la quantification des images. Une méthode
de
quantification est donc proposée. La dernière partie, la plus importante
de
ce travail, est l'analyse d'images couleur
de
couverts végétaux. Le problème est
de
reconstruire des caractéristiques locales
de
l'image, essentiellement la proportion
de
végétation, à partir d'images prises à différentes résolutions. La première méthode consiste à définir une courbe
de
seuillage sur les intensités à partir
de
leur histogramme. Cette méthode effectue une classification binaire terre- végétation des pixels. La deuxième méthode affine cette première classification pour les pixels frontière. Les intensités sont supposées suivre une loi gaussienne dont les paramètres sont estimés localement. Les proportions
de
végétation sont obtenues par maximum
de
vraisemblance. Une analyse détaillée montre que cette méthode ne prend pas en compte les propriétés géométriques l'image. La troisième méthode utilise une modélisation par champ markovien. L'énergie se décompose en deux termes. Le premier est un potentiel d'ajustement des proportions à un certain nombre d'attributs affectés à chaque pixel. Le second introduit la géométrie locale
de
l'image. Une phase d'apprentissage permet d'estimer les paramètres associes au modèle à l'aide des spécifications locales empiriques. Cette approche s'apparente à celle des boites qualitatives. Enfin, un algorithme icm permet
de
reconstruire les proportions
de
végétation
de
chaque pixel
Sujet :
Agronomie
--
Thèses
et
écrits
académiques
Traitement d'images
--
Thèses
et
écrits
académiques
.
Mouture
--
Thèses
et
écrits
académiques
Couverture végétale du sol
--
Thèses
et
écrits
académiques
Markov
,
Champs
aléatoires
de
--
Thèses
et
écrits
académiques
Algorithmes
--
Thèses
et
écrits
académiques
Qualité
--
Contrôle
--
Thèses
et
écrits
académiques
Exemplaires
Site
Emplacement
Cote
Type de prêt
Statut
Ensea
Archives
ARCH-4106
Empruntable
Disponible
Pour toute question,
contactez la bibliothèque
Horizon Information Portal 3.25_france_v1m© 2001-2019
SirsiDynix
Tous droits réservés.