Segmentation d'images basée sur la modélisation statistique d'histogrammes .

Abstract

La segmentation joue un rôle prépondérant en analyse d'images. Elle permet notamment de décomposer une image en régions homogènes afin de pouvoir appréhender facilement son contenu. Elle peut être abordée par la classification (regroupement) des pixels en différentes classes. Lorsqu'on considère seulement le niveau de gris, cette approche peut être traitée comme un problème de seuillage de l'histogramme. Son principe consiste à déterminer les seuils ou les modes de l'histogramme. Cette approche peut être de type paramétrique ou non paramétrique. L'approche non paramétrique cherche les seuils en optimisant une certaine fonction objective telle que la fonction d'Otsu. L'approche paramétrique considère l'histogramme comme un mélange de distributions ou chaque distribution correspond à une classe. Le problème consiste alors à estimer les paramètres de chaque distribution. Généralement ces distributions sont considérées de même type (Gaussienne). Or en réalité cette hypothèse n'est pas toujours vérifiée. Le but de ce travail est de déterminer automatiquement le type de chaque distribution puis déterminer les paramètres de chaque distribution.