Descripteur
Termes IGN > mathématiques > statistique mathématique > probabilités > stochastique > modèle stochastique > modèle graphique > champ aléatoire de Markov
champ aléatoire de MarkovSynonyme(s)MrfVoir aussi |
Documents disponibles dans cette catégorie (65)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
A stochastic framework for the identification of building rooftops using a single remote sensing image / A. Katartzis in IEEE Transactions on geoscience and remote sensing, vol 46 n° 1 (January 2008)
[article]
Titre : A stochastic framework for the identification of building rooftops using a single remote sensing image Type de document : Article/Communication Auteurs : A. Katartzis, Auteur ; H. Sahli, Auteur Année de publication : 2008 Article en page(s) : pp 259 - 271 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] champ aléatoire de Markov
[Termes IGN] détection de contours
[Termes IGN] géométrie projective
[Termes IGN] image aérienne
[Termes IGN] image isolée
[Termes IGN] modèle stochastique
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] toitRésumé : (Auteur) The identification of building rooftops from a single image, without the use of auxiliary 3-D information like stereo pairs or digital elevation models, is a very challenging and difficult task in the area of remote sensing. The existing methodologies rarely tackle the problem of 3-D object identification, like buildings, from a purely stochastic viewpoint. Our approach is based on a stochastic image interpretation model, which combines both 2-D and 3-D contextual information of the imaged scene. Building rooftop hypotheses are extracted using a contour-based grouping hierarchy that emanates from the principles of perceptual organization. We use a Markov random field model to describe the dependencies between all available hypotheses with regard to a globally consistent interpretation. The hypothesis verification step is treated as a stochastic optimization process that operates on the whole grouping hierarchy to find the globally optimal configuration for the locally interacting grouping hypotheses, providing also an estimate of the height of each extracted rooftop. This paper describes the main principles of our method and presents building detection results on a set of synthetic and airborne images. Copyright IEEE Numéro de notice : A2008-045 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2007.904953 En ligne : https://doi.org/10.1109/TGRS.2007.904953 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=29040
in IEEE Transactions on geoscience and remote sensing > vol 46 n° 1 (January 2008) . - pp 259 - 271[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 065-08011 RAB Revue Centre de documentation En réserve L003 Disponible Détection de feux de forêt par analyse statistique d'évènements rares à partir d'images infrarouges thermiques / Florent Lafarge in Traitement du signal, vol 24 n° 1 ([01/02/2007])
[article]
Titre : Détection de feux de forêt par analyse statistique d'évènements rares à partir d'images infrarouges thermiques Titre original : Forest fire detection by statistical analysis of rare events from thermical infrared images Type de document : Article/Communication Auteurs : Florent Lafarge, Auteur ; Xavier Descombes, Auteur ; Josiane Zerubia, Auteur ; S. Mathieu-Marni, Auteur Année de publication : 2007 Conférence : GRETSI 2005, 20e Colloque sur le traitement du signal et des images 06/09/2005 09/09/2005 Louvain Belgique OA proceedings Article en page(s) : pp 1 - 12 Note générale : bibliographie Langues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] champ aléatoire conditionnel
[Termes IGN] image satellite
[Termes IGN] image thermique
[Termes IGN] incendie de forêtRésumé : (auteur) Le canal IRT (InfraRouge Thermique) contient des longueurs d'onde particulièrement sensibles à l'émission de chaleur. Les feux de forêt peuvent alors être caractérisés par des pics d'intensité sur des images IRT. Nous proposons une méthode automatique de détection des feux de forêt par imagerie satellitaire fondée sur la théorie des champs aléatoires. Pour ce faire, nous cherchons à modéliser dans un premier temps l'image par une réalisation d'un champ gaussien. Les zones de feux, minoritaires et de fortes intensités sont considérées comme des éléments étrangers à ce champ : ce sont des évènements rares. Ensuite, par une analyse statistique, nous déterminons un jeu de probabilités définissant, pour une zone donnée de l'image, un degré d'appartenance au champ gaussien, et par complémentarité aux zones potentiellement en feux. Numéro de notice : A2007-128 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans En ligne : https://gretsi.fr/data/ts/pdf/2007_24_1_8905_1.pdf Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103326
in Traitement du signal > vol 24 n° 1 [01/02/2007] . - pp 1 - 12[article]Champs de Markov sur graphes pour le traitement des images radar / Florence Tupin (2007)
Titre : Champs de Markov sur graphes pour le traitement des images radar Type de document : Thèse/HDR Auteurs : Florence Tupin, Auteur Editeur : Paris : Ecole Nationale Supérieure des Télécommunications ENST Année de publication : 2007 Importance : 117 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire présenté en vue de l’Habilitation à Diriger des Recherches, ENST Paris, Département Traitement du Signal et des ImagesLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] champ aléatoire de Markov
[Termes IGN] détection d'objet
[Termes IGN] image à haute résolution
[Termes IGN] image à très haute résolution
[Termes IGN] image radar
[Termes IGN] interferométrie différentielle
[Termes IGN] modèle de Markov
[Termes IGN] processus stochastique
[Termes IGN] radargrammétrie
[Termes IGN] reconstruction 3D
[Termes IGN] segmentation d'imageRésumé : (auteur) Ce document s’articule en deux grandes parties. Une première partie présente donc les deux domaines qui sont les fondements de nos travaux : d’une part la théorie markovienne, et d’autre part l’imagerie radar `a ouverture synthétique. Dans cette première partie, nous faisons un bref état de l’art en nous efforçant de mettre en lumière les grandes problématiques et les contributions que nous avons pu apporter, ainsi que les problèmes restant ouverts. L’essentiel de nos travaux de recherche qui s’appuie sur ces deux piliers est détaillé dans la seconde partie. Dans celle-ci et sous l’éclairage de la première, nous illustrons comment les modèles markoviens peuvent contribuer à l’interprétation (au sens large) des images radar : de leur amélioration visuelle à l’extraction d’objets en passant par la reconstruction 3D. Cette seconde partie reprend l’essentiel de nos publications dans des revues dans une organisation dictée par le modèle markovien utilisé : graphe de pixels, de régions ou de primitives quelconques. La figure 1.1 présente l’articulation globale du rapport et donne une grille de lecture qui permet au lecteur de ne se reporter éventuellement qu’au(x) chapitre(s) qui l’intéressent. Ce découpage ne permet pas d’éviter totalement les redites entre les deux parties, nous nous sommes ainsi efforcés de résumer le plus brièvement possible dans la partie 1 les travaux qui sont ensuite détaillés dans la partie 2. Note de contenu : Introduction
1 - Champs de Markov et imagerie radar
1.1 - Champs de Markov
1.2 - Imagerie radar
2 - Utilisation des champs de Markov pour l’analyse, l’interprétation et la reconstruction 3D en imagerie radar
3 - Graphe des pixels et segmentation ou filtrage
4 - Graphe d’adjacence des régions et classification ou reconstruction 3D
5 - Graphe de primitives et détection d’objets
Conclusion et perspectivesNuméro de notice : 21682 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : HDR Note de thèse : Mémoire de HDR : Traitement du Signal et des Images : Paris, ENST : 2007 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90903
Titre : Evaluation de la qualité du modèle de covariance d’un champ aléatoire Type de document : Mémoire Auteurs : Samuel Nahmani , Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2006 Importance : 69 p. Note générale : bibliographie
Mémoire Master Photogrammétrie Positionnement Mesure des Déformations et Cycle d’Ingénieur ENSG 3ème annéeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géodésie physique
[Termes IGN] algorithme génétique
[Termes IGN] champ aléatoire de Markov
[Termes IGN] covariance
[Termes IGN] erreur systématique
[Termes IGN] krigeage
[Termes IGN] méthode des moindres carrés
[Termes IGN] méthode du maximum de vraisemblance (estimation)Note de contenu : Introduction
1 Géostatistique classique dans un cadre stationnaire
1.1 Approche stochastique
1.2 Krigeage simple (collocation)
1.3 Exemple d’utilisation de la collocation en gravimétrie
2 Estimation des paramètres de la fonction de covariance
2.1 Analyse covariographique
2.2 Estimation par maximum de vraisemblance
3 Evaluation de la qualité d’un modèle de covariance estimé
3.1 Problématique
3.2 Seconde approche basée sur des tests statistiques
3.3 Résultats
4 Impact de la qualité d’un modèle de covariance estimé sur la prévision des erreurs
4.1 Problématique
4.2 Protocole expérimental
4.3 Résultats
ConclusionNuméro de notice : 17770 Affiliation des auteurs : IGN (1940-2011) Thématique : MATHEMATIQUE/POSITIONNEMENT Nature : Mémoire PPMD Organisme de stage : LAREG (IGN) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103417 Documents numériques
peut être téléchargé
Evaluation qualité ... - pdf auteurAdobe Acrobat PDF Super-resolution land cover mapping using a Markov random field based approach / T. Kasetkasem in Remote sensing of environment, vol 96 n° 3 (30/06/2005)
[article]
Titre : Super-resolution land cover mapping using a Markov random field based approach Type de document : Article/Communication Auteurs : T. Kasetkasem, Auteur ; M.J. Arora, Auteur ; P.K. Varshney, Auteur Année de publication : 2005 Article en page(s) : pp 302 - 314 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] carte d'occupation du sol
[Termes IGN] champ aléatoire de Markov
[Termes IGN] classification dirigée
[Termes IGN] image Ikonos
[Termes IGN] image Landsat-ETM+
[Termes IGN] précision infrapixellaire
[Termes IGN] programmation linéaireRésumé : (Auteur) Occurrence of mixed pixels in remote sensing images is a major problem particularly at coarse spatial resolutions. Therefore, sub-pixel classification is often preferred, where a pixel is resolved into various class components (also called class proportions or fractions). While, under most circumstances, land cover information in this form is more effective than crisp classification, sub-pixel classification fails to account for the spatial distribution of class proportions within the pixel. An alternative approach is to consider the spatial distribution of class proportions within and between pixels to perform super-resolution mapping (i.e. mapping land cover at a spatial resolution finer than the size of the pixel of the image). Markov random field (MRF) models are well suited to represent the spatial dependence within and between pixels. In this paper, an MRF model based approach is introduced to generate super-resolution land cover maps from remote sensing data. In the proposed MRF model based approach, the intensity values of pixels in a particular spatial structure (i.e., neighborhood) are allowed to have higher probability (i.e., weight) than others. Remote sensing images at two markedly different spatial resolutions, IKONOS MSS image at 4m spatial resolution and Landsat ETM+ image at 30m spatial resolution, are used to illustrate the effectiveness of the proposed MRF model based approach for super-resolution land cover mapping. The results show a significant increase in the accuracy of land cover maps at fine spatial resolution over that obtained from a recently proposed linear optimization approach suggested by Verhoeye and Wulf (2002) (Verhoeye, J., Wulf, R. D. (2002). Land Cover Mapping at Sub-pixel Scales using Linear Optimization Techniques, Remote Sensing of Environment, 79, 96-104). Numéro de notice : A2005-266 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.rse.2005.02.006 En ligne : https://doi.org/10.1016/j.rse.2005.02.006 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27402
in Remote sensing of environment > vol 96 n° 3 (30/06/2005) . - pp 302 - 314[article]A Bayesian approach to classification of multiresolution remote sensing data / G. Storvik in IEEE Transactions on geoscience and remote sensing, vol 43 n° 3 (March 2005)PermalinkUn premier pas vers l'extraction de MNS urbains en interférometrie RSO à haute résolution par fusion de détecteurs / C. Tison in Revue Française de Photogrammétrie et de Télédétection, n° 176 (Décembre 2004)PermalinkReconstruction of backscatter and extinction coefficients in Lidar: a stochastic filtering approach / José M. Bioucas-Dias in IEEE Transactions on geoscience and remote sensing, vol 42 n° 2 (February 2004)PermalinkComparing cooccurrence probabilities and Markov random fields for texture analysis of SAR sea ice imagery / D.A. Clausi in IEEE Transactions on geoscience and remote sensing, vol 42 n° 1 (January 2004)PermalinkEvaluation de la qualité du modèle de covariance d'un champ aléatoire / Hammadi Chaira (2004)PermalinkFast SAR image restoration, segmentation, and detection of high-reflectance regions / E. Bratsolis in IEEE Transactions on geoscience and remote sensing, vol 41 n° 12 (December 2003)PermalinkA Markov random field approach to spatio-temporal contextual image classification / F. Melgani in IEEE Transactions on geoscience and remote sensing, vol 41 n° 11 (November 2003)PermalinkA Markov random field-based approach to decision-level fusion for remote sensing image classification / Ryuei Nishii in IEEE Transactions on geoscience and remote sensing, vol 41 n° 10 (October 2003)PermalinkThe effect of modified Markov random fields on the local minima occurrence in microwave imaging / G. Ferraiuolo in IEEE Transactions on geoscience and remote sensing, vol 41 n° 5 (May 2003)PermalinkUnsupervised classification of radar images using hidden Markov chains and hidden Markov random fields / R. Fjortoft in IEEE Transactions on geoscience and remote sensing, vol 41 n° 3 (March 2003)Permalink