Documents disponibles écrits par cet auteur

Application des champs aléatoires de Markov à la segmentation des images radar de type SAR / Boudaieb, Ahmed 

Public ISBD Titre : Application des champs aléatoires de Markov à la segmentation des images radar de type SAR Type de document : texte imprimé Auteurs : Boudaieb, Ahmed, Auteur ; Ahmed Zerguerras, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2001 Importance : 102 f. Présentation : ill. Format : 30 cm. Note générale : Mémoire de Magister : Électronique: Alger, École Nationale Polytechnique : 2001 Annexe f. 103 - 112 . Bibliogr. f. 113 - 116 Langues : Français (fre) Mots-clés : Champ  aléatoire  --  Markov  Radar  ;  Segmentation  --  supervisée Segmentation  --  non  supervisée Algorithme  --  recuit  simulé Index. décimale : M000401 Résumé : Un modèle statistique est développé pour la segmentation supervisée et non supervisée des images SAR (Synthetic Aperture Radar). A cet effet, la représentation des données SAR est combinée avec le modèle statistique des classes, fondé sur le champ aléatoire de Markov (MRF) afin d'obtenir une distribution a posteriori. La segmentation supervisée se base sur l'algorithme du recuit simulé qui est de type relaxation aléatoire et les algorithmes ICM (Iterated Conditionals Modes) et MMD (Modified Metropolis Dynamic) qui sont de type relaxation déterministe. La segmentation non supervisée s'appuie sur l'algorithme de l'espérance maximale EM (Expectation-Maximisation) et le recuit simulé adaptatif, dans la mesure où l'estimation des paramètres s'obtient d'une façon itérative. Des exemples illustrent l'efficacité de cette stratégie et sa robustesse au bruit speckle. Application des champs aléatoires de Markov à la segmentation des images radar de type SAR [texte imprimé] / Boudaieb, Ahmed, Auteur ; Ahmed Zerguerras, Directeur de thèse . - [S.l.] : [s.n.], 2001 . - 102 f. : ill. ; 30 cm. Mémoire de Magister : Électronique: Alger, École Nationale Polytechnique : 2001 Annexe f. 103 - 112 . Bibliogr. f. 113 - 116 Langues : Français (fre) Mots-clés : Champ  aléatoire  --  Markov  Radar  ;  Segmentation  --  supervisée Segmentation  --  non  supervisée Algorithme  --  recuit  simulé Index. décimale : M000401 Résumé : Un modèle statistique est développé pour la segmentation supervisée et non supervisée des images SAR (Synthetic Aperture Radar). A cet effet, la représentation des données SAR est combinée avec le modèle statistique des classes, fondé sur le champ aléatoire de Markov (MRF) afin d'obtenir une distribution a posteriori. La segmentation supervisée se base sur l'algorithme du recuit simulé qui est de type relaxation aléatoire et les algorithmes ICM (Iterated Conditionals Modes) et MMD (Modified Metropolis Dynamic) qui sont de type relaxation déterministe. La segmentation non supervisée s'appuie sur l'algorithme de l'espérance maximale EM (Expectation-Maximisation) et le recuit simulé adaptatif, dans la mesure où l'estimation des paramètres s'obtient d'une façon itérative. Des exemples illustrent l'efficacité de cette stratégie et sa robustesse au bruit speckle.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
M000401	M000401	Papier	Bibliothèque centrale	Mémoire de Magister	Disponible

Documents numériques

BOUDAIEB.Ahmed.pdf URL