|
Résumé :
|
Applications de la géométrie stochastique à l'analyse d'images a pourambition de faire le point sur les techniques modernes de modélisationstochastique pour extraire l'information contenue dans les images numériques. Il décrit les outils de modélisation issus de la géométrie stochastique pour résoudre des problèmes concrets en analyse d'image tels que la détection d'objets, le décompte d'une population ou la reconnaissance des formes. Les différents ingrédients comme la modélisation,la simulation, l'optimisation et l'estimation sont détaillés.De nombreux cas pratiques sont traités allant de la télédétection (extraction d'un réseau routier, détection du bâti,...) jusqu'à l'imageriemédicale (détection des espaces de Virchow-Robin) ou encore la biodiversité (décompte d'une population de flamants roses).Au Chapitre 1. Introduction. Chapitre 2. Des processus ponctuels marquésà la détection d'objets. Chapitre 3. Des ensembles aléatoires à l'analyse de texture. Chapitre 4. Simulation et optimisation. Chapitre 5. Inférence paramétrique pour les processus ponctuels marqués en analyse d'images. Chapitre 6. Comment mettre en place un processus ponctuel? Chapitre 7. Décompte d'une population dense. Chapitre 8. Extraction de structures. Chapitre 9. Reconnaissance des formes.
|
