TRAITEMENT DIMAGE - PowerPoint PPT Presentation

1 / 21
About This Presentation
Title:

TRAITEMENT DIMAGE

Description:

images Landsat MSS du complexe minier cuprif re de 'Twin Buttes' (au sud de Tucson en ... classer un pixel dans la classe 2 lorsqu'il appartient la classe 1 ... – PowerPoint PPT presentation

Number of Views:148
Avg rating:3.0/5.0
Slides: 22
Provided by: denisrobid
Category:

less

Transcript and Presenter's Notes

Title: TRAITEMENT DIMAGE


1
TRAITEMENT DIMAGE
  • SIF-1033

2
Segmentation des images par seuillage
  • Segmentation par seuillage
  • Choix des seuils
  • Par inspection de lhistogramme
  • Optimal
  • Travail pratique 4

3
Segmentation par seuillage
  • Niveaux de gris    (des images à niveaux de gris)
  • Différences    (détection des changements)   

4
Segmentation par seuillage binaire
   (des images à niveaux de gris)
5
Détection des changementssoustraction d images
Vous en souvenez-vous ?
-
(a) 1972.
(b) 1975.
images Landsat MSS du complexe minier cuprifère
de "Twin Buttes" (au sud de Tucson en Arizona)
6
Segmentation par seuillage binaire
   (détection des changements)
7
Choix des seuils    (par inspection de lhistogram
me)
8
Choix des seuils (optimaux c.-à-d.
   minimisation de la probabilité derreur)
9
Choix des seuils  (optimaux)
10
Choix des seuils  (optimaux)
  • Supposons que nous observons deux surfaces dans
    une image
  • La probabilité p(z) davoir une valeur de niveau
    de gris z dans limage est donnée par
  • p(z) P1 p1(z) P2 p2(z)
  • où P1 probabilité doccurrence de la surface 1,
  • Fraction de limage correspondant à la
    surface 1
  • P2 probabilité doccurrence de la surface 2,
  • Fraction de limage correspondant à la
    surface 2

11
Choix des seuils  (optimaux)
  • où p1(z) probabilité doccurrence dun pixel de
  • niveau de gris z dans la surface 1
  • p2(z) probabilité doccurrence dun pixel de
  • niveau de gris z dans la surface 2
  • Si nous supposons que p1(z) et p2(z) sont
    distri-bués selon une loi normale nous obtenons

12
Choix des seuils  (optimaux)
  • où ?1 et ?2 sont les moyennes des valeurs de
    niveaux de gris des surfaces 1 et 2
    respectivement et ?1 et ?2 leur écart-type
  • p(z) devient alors
  • De plus nous savons que

13
Choix des seuils  (optimaux)
  • La probabilité derreur

T
14
Choix des seuils  (optimaux)
  • Déterminons la probabilité derreur de
    classifica-tion dans les classes 1 et 2 (surfaces
    1 et 2)
  • Nous définissons E1 la probabilité de classer un
    pixel dans la classe 1 lorsquil appartient à la
    classe 2 et E2 la probabilité de classer un pixel
    dans la classe 2 lorsquil appartient à la classe
    1
  • De plus nous voulons savoir quelle sera lerreur
    causée par le choix dun seuil donné T

15
Choix des seuils  (optimaux)
  • Les probabilités derreur sont données par
  • La probabilité derreur totale est alors donnée
    par

16
Choix des seuils  (optimaux)
  • Cherchons une valeur de T qui minimise E(T)
  • Après simplifications nous obtenons une
    expression
  • de la forme

17
Choix des seuils  (optimaux)
  • Les coefficients A B et C sont donnés par

18
Choix des seuils  (optimaux)
  • Lorsque les variances sont égales

19
Choix des seuils  (optimaux)
  • Lorsque les surfaces sont équiprobables

20
Travail pratique 4 (4a)
21
Résumé
  • Segmentation des images par seuillage
  • Segmentation par seuillage
  • Niveaux de gris
  • Différences
  • Choix des seuils
  • Par inspection de lhistogramme
  • Optimal
  • Remise du TP4 14 avril 1999.
Write a Comment
User Comments (0)
About PowerShow.com