Nous étudions ici l'apport de l'espace des caractéristiques et des paramètres d'échelle adaptatifs pour le filtrage et la segmentation d'image. D'une manière générale, l'espace des caractéristiques se définit comme un espace multidimensionnel dans lequel il est possible de représenter un vecteur de paramètres associé à un individu. Ces paramètres, que nous appelons « caractéristiques », peuvent être scalaires ou vectoriels et correspondent à tout type d'information mesurable sur l'individu: sa localisation spatiale, sa couleur, sa texture, etc. Le paramètre d'échelle est défini comme une grandeur scalaire ou matricielle intervenant dans la pondération de ces mesures. Nous montrons comment ces deux concepts peuvent être définis en statistique dans le contexte de la théorie de l'estimation non paramétrique. Puis nous nous intéressons à une méthode basée sur l'estimation non paramétrique par noyau: le Mean-Shift. Enfin, nous proposons un nouveau formalisme pour la segmentation par croissance de région généralisée à l'espace des caractéristiques. Nous terminons par quelques applications de nos méthodes sur des données issues de l'imagerie médicale.
Il n'y a pas encore de discussion sur ce livre
Soyez le premier à en lancer une !
A gagner : des exemplaires de cette BD jeunesse sur fond de légendes celtiques !
L'autrice coréenne nous raconte l'histoire de son pays à travers l’opposition et l’attirance de deux jeunes adolescents que tout oppose
Mêlant la folie à l’amour, l’auteur nous offre le portrait saisissant d’une « femme étrange » bousculant les normes binaires de l’identité sexuelle
Dans ce recueil de 13 nouvelles, la jeune autrice mexicaine frappe fort mais juste
