Détail de l'auteur
Auteur Christophe Collet (1966-....) |
Documents disponibles écrits par cet auteur
trié(s) par (Pertinence décroissant(e), Titre croissant(e)) Affiner la rechercheCaractérisation multibande de galaxies par hiérarchie de modèles et arbres de composantes connexes / Benjamin Perret (2010)
Titre : Caractérisation multibande de galaxies par hiérarchie de modèles et arbres de composantes connexes Type de document : texte imprimé Auteurs : Benjamin Perret, Auteur ; Christophe Collet (1966-....), Directeur de thèse ; Eric Slezak (19..-....) , Directeur de thèse ; Université de Strasbourg (2009-....)
Editeur : s.l. : [s.n.] Année de publication : 2010 Importance : 1 vol. (XVIII-214 p.) Présentation : ill. en noir et en coul. Format : 30 cm Note générale : PPN 162328931
Thèse de doctorat : Image, sciences et technologies de l'information : Strasbourg : 2010
Num. national de thèse :2010STRA6211Langues : Français (fre) Tags : Astronomie -- Observations -- Thèses et écrits académiques Galaxies -- Évolution -- Modèles mathématiques -- Thèses et écrits académiques Imagerie en astronomie -- Thèses et écrits académiques Méthode de Monte-Carlo -- Thèses et écrits académiques Astronomy -- Observations -- Thesis Galaxies -- Evolution -- Thesis Imaging systems in astronomy -- Thesis Monte Carlo method -- Thesis Index. décimale : 523.112 Les galaxies Résumé : Cette thèse propose une méthode de caractérisation morphologique multibande des galaxies. Ces dernières ont commencé à évoluer et à interagir très tôt dans l'histoire de l'Univers : leurs formes dans les différentes parties du spectre électromagnétique représentent donc un traceur important de cette histoire. Ce travail propose une organisation hiérarchique de modèles, allant de la description des structures dominantes (bulbe et disque) aux composantes les plus fines (bras spiraux, anneaux, ...). Elle permet d'aboutir à une description des galaxies de haut niveau sémantique, chaque modèle réalisant une décomposition multibande de l'image en composantes astrophysiques interprétables par les astronomes. Les modélisations proposées innovent par l'intégration d'un filtre adaptatif appliqué sur les observations, dont les paramètres sont estimés conjointement avec ceux des composantes de la galaxie. L'estimation des paramètres des modèles est effectuée dans un contexte bayésien et résolue à l'aide d'algorithmes d'optimisation stochastique (algorithmes de Monte Carlo par chaines de Markov). La rapidité des algorithmes est améliorée grâce à des techniques d'échelles et de directions adaptatives, ainsi qu'à une version multi-températures du recuit simulé. En outre, les développements concernant la théorie des arbres de composantes connexes permettent la mise au point d'algorithmes non paramétriques multibandes, efficaces et robustes pour la réalisation des pré-traitements nécessaires à la mise en Å“uvre de la décomposition en structures. Cela a notamment abouti à des avancées dans la théorie des hyperconnexions et des représentations sous forme d'arbres de composantes hyperconnexes. Les performances des méthodes proposées ont été évaluées sur un ensemble conséquent d'environ 1 500 galaxies et discutées avec les astronomes : elles montrent clairement la pertinence et la robustesse de la méthode. Ces résultats ouvrent la voie à de nouvelles classifications prenant en compte la signature multibande des galaxies spatialement résolues.
This thesis proposes a morphological and multiband characterization method for galaxies. Galaxies started to evolve and interact since the very beginning of the Universe and they now present a large variety of appearance. Their shapes in the different spectral bands are thus an important clue to understand the history of the Universe. This work develops a high semantic level galactic characterization based on decompositions into astrophysical structures which can be easily interpreted by the astronomers. The decomposition scheme is based on a hierarchy of models going from the description of dominant structures (bulge and disc) to the finest components (spiral arms, rings ...). The proposed models are completed by an adaptive filter on the observation whose parameters are estimated jointly with those of the galactic structures. The estimation of the model parameters are performed in a Bayesian context by using stochastic algorithms (Markov Chain Monte Carlo algorithms). The speed of the algorithms is increased by the use of adaptive scales and directions methods, as well as a multi-temperature simulated annealing. Moreover, theoretical developments of the theory of connected component trees enable the conception of robust and efficient non-parametric multiband algorithms for the mandatory pre-processing of the images. Advances on the theory of hyper-connections and associated hyper-connected components trees were developed for this purpose. The performance of the proposed approach has been validated on about 1 500 multiband images of galaxies. The results show that it is both efficient and robust. This new characterization method can now be used as a basis to discover a new spectro-morphological galaxy classification scheme.Note de contenu : Bibliographie en fin de chapitre Caractérisation multibande de galaxies par hiérarchie de modèles et arbres de composantes connexes [texte imprimé] / Benjamin Perret, Auteur ; Christophe Collet (1966-....), Directeur de thèse ; Eric Slezak (19..-....)
PPN 162328931
Thèse de doctorat : Image, sciences et technologies de l'information : Strasbourg : 2010
Num. national de thèse :2010STRA6211
Langues : Français (fre)
Tags : Astronomie -- Observations -- Thèses et écrits académiques Galaxies -- Évolution -- Modèles mathématiques -- Thèses et écrits académiques Imagerie en astronomie -- Thèses et écrits académiques Méthode de Monte-Carlo -- Thèses et écrits académiques Astronomy -- Observations -- Thesis Galaxies -- Evolution -- Thesis Imaging systems in astronomy -- Thesis Monte Carlo method -- Thesis Index. décimale : 523.112 Les galaxies Résumé : Cette thèse propose une méthode de caractérisation morphologique multibande des galaxies. Ces dernières ont commencé à évoluer et à interagir très tôt dans l'histoire de l'Univers : leurs formes dans les différentes parties du spectre électromagnétique représentent donc un traceur important de cette histoire. Ce travail propose une organisation hiérarchique de modèles, allant de la description des structures dominantes (bulbe et disque) aux composantes les plus fines (bras spiraux, anneaux, ...). Elle permet d'aboutir à une description des galaxies de haut niveau sémantique, chaque modèle réalisant une décomposition multibande de l'image en composantes astrophysiques interprétables par les astronomes. Les modélisations proposées innovent par l'intégration d'un filtre adaptatif appliqué sur les observations, dont les paramètres sont estimés conjointement avec ceux des composantes de la galaxie. L'estimation des paramètres des modèles est effectuée dans un contexte bayésien et résolue à l'aide d'algorithmes d'optimisation stochastique (algorithmes de Monte Carlo par chaines de Markov). La rapidité des algorithmes est améliorée grâce à des techniques d'échelles et de directions adaptatives, ainsi qu'à une version multi-températures du recuit simulé. En outre, les développements concernant la théorie des arbres de composantes connexes permettent la mise au point d'algorithmes non paramétriques multibandes, efficaces et robustes pour la réalisation des pré-traitements nécessaires à la mise en œuvre de la décomposition en structures. Cela a notamment abouti à des avancées dans la théorie des hyperconnexions et des représentations sous forme d'arbres de composantes hyperconnexes. Les performances des méthodes proposées ont été évaluées sur un ensemble conséquent d'environ 1 500 galaxies et discutées avec les astronomes : elles montrent clairement la pertinence et la robustesse de la méthode. Ces résultats ouvrent la voie à de nouvelles classifications prenant en compte la signature multibande des galaxies spatialement résolues.
This thesis proposes a morphological and multiband characterization method for galaxies. Galaxies started to evolve and interact since the very beginning of the Universe and they now present a large variety of appearance. Their shapes in the different spectral bands are thus an important clue to understand the history of the Universe. This work develops a high semantic level galactic characterization based on decompositions into astrophysical structures which can be easily interpreted by the astronomers. The decomposition scheme is based on a hierarchy of models going from the description of dominant structures (bulge and disc) to the finest components (spiral arms, rings ...). The proposed models are completed by an adaptive filter on the observation whose parameters are estimated jointly with those of the galactic structures. The estimation of the model parameters are performed in a Bayesian context by using stochastic algorithms (Markov Chain Monte Carlo algorithms). The speed of the algorithms is increased by the use of adaptive scales and directions methods, as well as a multi-temperature simulated annealing. Moreover, theoretical developments of the theory of connected component trees enable the conception of robust and efficient non-parametric multiband algorithms for the mandatory pre-processing of the images. Advances on the theory of hyper-connections and associated hyper-connected components trees were developed for this purpose. The performance of the proposed approach has been validated on about 1 500 multiband images of galaxies. The results show that it is both efficient and robust. This new characterization method can now be used as a basis to discover a new spectro-morphological galaxy classification scheme.Note de contenu : Bibliographie en fin de chapitre Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité OCA-NI-011284 011284 Thèses / Thesis OCA Bib. Nice Mont-Gros NI-Salle de lecture-Ouvrages Disponible
Titre : Détection des galaxies à faible brillance de surface, segmentation hyperspectrale dans le cadre de l'observatoire virtuel Type de document : texte imprimé Auteurs : Matthieu Petremand (1980-....), Auteur ; Christophe Collet (1966-....), Directeur de thèse ; Université Louis Pasteur (Strasbourg) (1971-2008), Organisme de soutenance ; Françoise Genova (1954-....), Directeur de thèse Editeur : [s.l.] : [s.n.] Année de publication : 2006 Importance : 1 vol. (156 p.) Présentation : ill. en noir et blanc et en couleur Format : 30 cm Note générale : Thèse de doctorat : Traitement d'images et vision par ordinateur : Strasbourg 1 : 2006. - Num. national de thèse : 2006STR13197 . - Publication autorisée par le jury . - Identifiant pérenne de la notice : https://www.sudoc.fr/114938229 Langues : Français (fre) Tags : Processus de Markov Galaxies -- Recherche -- Thèses et écrits académiques Traitement d'images -- Techniques numériques Imagerie en astronomie -- Thèses et écrits académiques Visualisation Galaxies -- Research -- Dissertations, Academic Image processing -- Digital techniques Imaging systems in astronomy -- Dissertations, Academic Markov processes Visualization Index. décimale : 621.367 Technologie de la photographie et optique photographique Résumé : Les progrès technologiques de l'instrumentation astronomique soulèvent des problématiques variées. En particulier, le développement des capteurs multispectraux permet l'acquisition de masses de données porteuses d'une information très riche. Néanmoins, l'interprétation et le traitement de tels volumes de données restent délicats pour la communauté astronomique. Dans le cadre de cette thèse nous proposons une méthode de détection de galaxies à faible brillance de surface basée sur l'utilisation d'une segmentation markovienne par quadarbre. Puis, nous étudions une nouvelle méthode de segmentation de cubes de données hyperspectraux basée sur une approche spectrale puis sur une régularisation spatiale de la carte de segmentation. Enfin, nous proposons deux méthodes de visualisation d’images multibandes, ainsi qu’une méthode de segmentation floue par champs de Markov. Ces méthodes sont validées sur des images astronomiques et ont fait l'objet d'une interaction particulièrement riche entre communauté STIC et communauté astronomique.
Résumé en anglais : Technological progress in astronomical instrumentation raise various issues. The development of multispectral sensors yields extremely valuable data. Nevertheless interpretation and processing of such images remain tricky for the astronomical community. Within the framework of this thesis we propose a new method for the detection of low surface brightness galaxy based on a quadtree Markovian segmentation. We then introduce a new segmentation method of hyperspectral data cubes based on a spectral discrimination and on a spatial regularization of the segmentation map. We then propose two multispectral images visualization methods and a new fuzzy segmentation method based on Markov fields. These methods are validated on astronomical images and led to a fruitful cooperation between STIC and astronomical community.
Note de contenu : Bibliogr. p. 151-155 Détection des galaxies à faible brillance de surface, segmentation hyperspectrale dans le cadre de l'observatoire virtuel [texte imprimé] / Matthieu Petremand (1980-....), Auteur ; Christophe Collet (1966-....), Directeur de thèse ; Université Louis Pasteur (Strasbourg) (1971-2008), Organisme de soutenance ; Françoise Genova (1954-....), Directeur de thèse . - [S.l.] : [s.l.] : [s.n.], 2006 . - 1 vol. (156 p.) : ill. en noir et blanc et en couleur ; 30 cm.
Thèse de doctorat : Traitement d'images et vision par ordinateur : Strasbourg 1 : 2006. - Num. national de thèse : 2006STR13197 . - Publication autorisée par le jury . - Identifiant pérenne de la notice : https://www.sudoc.fr/114938229
Langues : Français (fre)
Tags : Processus de Markov Galaxies -- Recherche -- Thèses et écrits académiques Traitement d'images -- Techniques numériques Imagerie en astronomie -- Thèses et écrits académiques Visualisation Galaxies -- Research -- Dissertations, Academic Image processing -- Digital techniques Imaging systems in astronomy -- Dissertations, Academic Markov processes Visualization Index. décimale : 621.367 Technologie de la photographie et optique photographique Résumé : Les progrès technologiques de l'instrumentation astronomique soulèvent des problématiques variées. En particulier, le développement des capteurs multispectraux permet l'acquisition de masses de données porteuses d'une information très riche. Néanmoins, l'interprétation et le traitement de tels volumes de données restent délicats pour la communauté astronomique. Dans le cadre de cette thèse nous proposons une méthode de détection de galaxies à faible brillance de surface basée sur l'utilisation d'une segmentation markovienne par quadarbre. Puis, nous étudions une nouvelle méthode de segmentation de cubes de données hyperspectraux basée sur une approche spectrale puis sur une régularisation spatiale de la carte de segmentation. Enfin, nous proposons deux méthodes de visualisation d’images multibandes, ainsi qu’une méthode de segmentation floue par champs de Markov. Ces méthodes sont validées sur des images astronomiques et ont fait l'objet d'une interaction particulièrement riche entre communauté STIC et communauté astronomique.
Résumé en anglais : Technological progress in astronomical instrumentation raise various issues. The development of multispectral sensors yields extremely valuable data. Nevertheless interpretation and processing of such images remain tricky for the astronomical community. Within the framework of this thesis we propose a new method for the detection of low surface brightness galaxy based on a quadtree Markovian segmentation. We then introduce a new segmentation method of hyperspectral data cubes based on a spectral discrimination and on a spatial regularization of the segmentation map. We then propose two multispectral images visualization methods and a new fuzzy segmentation method based on Markov fields. These methods are validated on astronomical images and led to a fruitful cooperation between STIC and astronomical community.
Note de contenu : Bibliogr. p. 151-155 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité OCA-NI-011279 011279 Thèses / Thesis OCA Bib. Nice Mont-Gros NI-Salle de lecture-Ouvrages Disponible
Titre : Multivariate image processing Type de document : texte imprimé Auteurs : Christophe Collet (1966-....), Auteur ; Jocelyn Chanussot, Auteur ; Kacem Chehdi, Auteur Editeur : London [UK] : ISTE Editions Ltd Année de publication : 2010 Autre Editeur : Chichester, UK ; Hoboken, NJ : Wiley-Blackwell Collection : Digital signal and image processing series (DSP) Importance : xvi, 459 p. Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-1-84821-139-1 Note générale : PPN 142559822 Langues : Anglais (eng) Tags : Traitement d'images -- Techniques numériques Analyse multivariée Image processing -- Digital techniques Multivariate analysis Index. décimale : 621.367 Technologie de la photographie et optique photographique Note de contenu : Includes bibliographical references and index Multivariate image processing [texte imprimé] / Christophe Collet (1966-....), Auteur ; Jocelyn Chanussot, Auteur ; Kacem Chehdi, Auteur . - London (UK) : ISTE Editions Ltd : Chichester, UK ; Hoboken, NJ : Wiley-Blackwell, 2010 . - xvi, 459 p. : ill. ; 24 cm. - (Digital signal and image processing series (DSP)) .
ISBN : 978-1-84821-139-1
PPN 142559822
Langues : Anglais (eng)
Tags : Traitement d'images -- Techniques numériques Analyse multivariée Image processing -- Digital techniques Multivariate analysis Index. décimale : 621.367 Technologie de la photographie et optique photographique Note de contenu : Includes bibliographical references and index Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité OCA-NI-008012 008012 Ouvrages / Books OCA Bib. Nice Mont-Gros NI-Salle de lecture-Ouvrages Disponible
Titre : Techniques de réduction de données et analyse d'images multispéctrales astronomiques par arbres de Markov Type de document : texte imprimé Auteurs : Farid Flitti (1973-....), Auteur ; Christophe Collet (1966-....), Directeur de thèse ; Université Louis Pasteur (Strasbourg) (1971-2008), Organisme de soutenance Editeur : s.l. : [s.n.] Année de publication : 2005 Importance : 1 volume (VI-132 pages) Présentation : illustrations en noir et blanc et en couleur Format : 30 cm Note générale : PPN 111857031
Thèse de doctorat : Traitement d'images et vision par ordinateur : Strasbourg 1 : 2005
Numero national de thèse : 2005STR13208Langues : Français (fre) Tags : Imagerie en astronomie -- Thèses et écrits académiques Traitement d'images -- Techniques numériques -- Thèses et écrits académiques Réduction des données (statistique) -- Thèses et écrits académiques Processus de Markov -- Thèses et écrits académiques Imaging systems in astronomy -- Thesis Image processing -- Digital techniques -- Thesis Data reduction -- Thesis Markov processes -- Thesis Index. décimale : 522 Astronomie - Techniques, procédés, appareils, équipement, matériel Résumé : Le développement des capteurs multispectraux en imagerie astronomique permet l'acquisition de données très riches. Néanmoins, la classification d'images multidimensionnelles se heurte souvent au phénomène de Hughes : l'augmentation de la dimensionalité induit l’accroissement du nombre de paramètres du modèle ce qui cause la baisse de précision de leur estimation entraînant une dégradation de la qualité de la segmentation. Il est donc impératif d'écarter l'information redondante pour réaliser des opérations de segmentation ou de classification robustes. Dans ce travail, nous avons proposé deux méthodes de réduction de la dimensionnalité pour des images multispectrales : 1) le regroupement de bandes suivis de projections locales ; 2) la réduction des cubes radio par un modèle de mélange de gaussiennes. Nous avons également proposé un schéma de réduction/segmentation jointe basé sur la régularisation du mélange d'analyseurs en composantes principales probabilistes (MACPP). Pour la tâche de segmentation, nous avons choisie une approche bayésienne s'appuyant sur des modèles hiérarchiques récents à base d'arbres de Markov caché et couple. Ces modèles permettent un calcul rapide et exact des probabilités a posteriori. Pour le terme d'attache aux données, nous avons utilisée la loi gaussienne multidimensionnelle, la loi gaussienne généralisée multidimensionnelle formulée grâce à la théorie des copules et la vraisemblance par rapport au modèle de l'ACP probabiliste (MACPP régularisée). L'apport majeur de ce travail consiste à proposer différents modèles markoviens hiérarchiques de segmentation adaptés aux données multidimensionnelles et multirésolutions. Leur exploitation pour des données issues d'une analyse par ondelettes adaptée au contexte astronomique nous a permis de développer des techniques de débruitage et de fusion d'images astronomiques multispectrales nouvelles. Tous les algorithmes sont non supervisés et ont été validés sur des images synthétiques et réelles.
The development of astronomical multispectral sensors allows data of a great richness. Nevertheless, the classification of multidimensional images is often limited by Hughes phenomenon: when dimensionality increases the number of parameters of the model grows and the precision of their estimates falls inevitably, therefore the quality of the segmentation dramatically decreases. It is thus imperative to discard redundant information in order to carry out robust segmentation or classification. In this thesis, we have proposed two methods for multispectral image dimensionnality reduction: 1) bands regrouping followed by local projections; 2) radio cubes reduction by a mixture of Gaussians model. We have also proposed joint reduction/segmentation scheme based on the regularization of the mixture of probabilistic principal components analyzers (MPPCA). For the segmentation task, we have used a Bayesian approach based on hierarchical Markov models namely the hidden Markov tree and the pairwise Markov tree. These models allow fast and exact computation of the a posteriori probabilities. For the data driven term, we have used three formulations: 1) the classical multidimensional Gaussian distribution 2) the multidimensional generalized Gaussian distribution formulated using copulas theory 3) the likelihood of the probabilistic PCA model (within the framework of the regularized MPPCA). The major contribution of this work consists in introducing various hierarchical Markov models for multidimensional and multiresolution data segmentation. Their exploitation for data issued from wavelets analysis, adapted to the astronomical context, enabled us to develop new denoising and fusion techniques of multispectral astronomical images. All our algorithms are unsupervised and were validated on synthetic and real images.Note de contenu : Bibliographie p. 123-131 Techniques de réduction de données et analyse d'images multispéctrales astronomiques par arbres de Markov [texte imprimé] / Farid Flitti (1973-....), Auteur ; Christophe Collet (1966-....), Directeur de thèse ; Université Louis Pasteur (Strasbourg) (1971-2008), Organisme de soutenance . - s.l. : [s.n.], 2005 . - 1 volume (VI-132 pages) : illustrations en noir et blanc et en couleur ; 30 cm.
PPN 111857031
Thèse de doctorat : Traitement d'images et vision par ordinateur : Strasbourg 1 : 2005
Numero national de thèse : 2005STR13208
Langues : Français (fre)
Tags : Imagerie en astronomie -- Thèses et écrits académiques Traitement d'images -- Techniques numériques -- Thèses et écrits académiques Réduction des données (statistique) -- Thèses et écrits académiques Processus de Markov -- Thèses et écrits académiques Imaging systems in astronomy -- Thesis Image processing -- Digital techniques -- Thesis Data reduction -- Thesis Markov processes -- Thesis Index. décimale : 522 Astronomie - Techniques, procédés, appareils, équipement, matériel Résumé : Le développement des capteurs multispectraux en imagerie astronomique permet l'acquisition de données très riches. Néanmoins, la classification d'images multidimensionnelles se heurte souvent au phénomène de Hughes : l'augmentation de la dimensionalité induit l’accroissement du nombre de paramètres du modèle ce qui cause la baisse de précision de leur estimation entraînant une dégradation de la qualité de la segmentation. Il est donc impératif d'écarter l'information redondante pour réaliser des opérations de segmentation ou de classification robustes. Dans ce travail, nous avons proposé deux méthodes de réduction de la dimensionnalité pour des images multispectrales : 1) le regroupement de bandes suivis de projections locales ; 2) la réduction des cubes radio par un modèle de mélange de gaussiennes. Nous avons également proposé un schéma de réduction/segmentation jointe basé sur la régularisation du mélange d'analyseurs en composantes principales probabilistes (MACPP). Pour la tâche de segmentation, nous avons choisie une approche bayésienne s'appuyant sur des modèles hiérarchiques récents à base d'arbres de Markov caché et couple. Ces modèles permettent un calcul rapide et exact des probabilités a posteriori. Pour le terme d'attache aux données, nous avons utilisée la loi gaussienne multidimensionnelle, la loi gaussienne généralisée multidimensionnelle formulée grâce à la théorie des copules et la vraisemblance par rapport au modèle de l'ACP probabiliste (MACPP régularisée). L'apport majeur de ce travail consiste à proposer différents modèles markoviens hiérarchiques de segmentation adaptés aux données multidimensionnelles et multirésolutions. Leur exploitation pour des données issues d'une analyse par ondelettes adaptée au contexte astronomique nous a permis de développer des techniques de débruitage et de fusion d'images astronomiques multispectrales nouvelles. Tous les algorithmes sont non supervisés et ont été validés sur des images synthétiques et réelles.
The development of astronomical multispectral sensors allows data of a great richness. Nevertheless, the classification of multidimensional images is often limited by Hughes phenomenon: when dimensionality increases the number of parameters of the model grows and the precision of their estimates falls inevitably, therefore the quality of the segmentation dramatically decreases. It is thus imperative to discard redundant information in order to carry out robust segmentation or classification. In this thesis, we have proposed two methods for multispectral image dimensionnality reduction: 1) bands regrouping followed by local projections; 2) radio cubes reduction by a mixture of Gaussians model. We have also proposed joint reduction/segmentation scheme based on the regularization of the mixture of probabilistic principal components analyzers (MPPCA). For the segmentation task, we have used a Bayesian approach based on hierarchical Markov models namely the hidden Markov tree and the pairwise Markov tree. These models allow fast and exact computation of the a posteriori probabilities. For the data driven term, we have used three formulations: 1) the classical multidimensional Gaussian distribution 2) the multidimensional generalized Gaussian distribution formulated using copulas theory 3) the likelihood of the probabilistic PCA model (within the framework of the regularized MPPCA). The major contribution of this work consists in introducing various hierarchical Markov models for multidimensional and multiresolution data segmentation. Their exploitation for data issued from wavelets analysis, adapted to the astronomical context, enabled us to develop new denoising and fusion techniques of multispectral astronomical images. All our algorithms are unsupervised and were validated on synthetic and real images.Note de contenu : Bibliographie p. 123-131 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité OCA-NI-011294 011294 Thèses / Thesis OCA Bib. Nice Mont-Gros NI-Salle de lecture-Ouvrages Disponible
