Approche a-contrario pour la détection de changements sous ...
Approche a-contrario pour la détection de changements sous ...
Approche a-contrario pour la détection de changements sous ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Approche</strong> a <strong>contrario</strong><br />
Sommaire<br />
Modélisation a-<strong>contrario</strong><br />
Détection <strong>de</strong> <strong>changements</strong><br />
Conclusion<br />
Contexte <strong>de</strong> l’étu<strong>de</strong><br />
Modélisation du problème<br />
Détection a <strong>contrario</strong><br />
Résultats asymptotiques<br />
Algorithme<br />
Résultats<br />
Dans quel <strong>sous</strong>-domaine spatial D ⊂ D BR l’image observée v<br />
est-elle trop structurée <strong>pour</strong> être expliquée par le hasard ?<br />
Principe<br />
Adopter un modèle <strong>de</strong> fond <strong>pour</strong> les données (modèle naïf),<br />
Détecter un <strong>sous</strong>-domaine <strong>de</strong> l’image s’il correspond à une<br />
gran<strong>de</strong> déviation par rapport au modèle <strong>de</strong> fond.<br />
Amandine Robin<br />
<strong>Approche</strong> a-<strong>contrario</strong> <strong>pour</strong> <strong>la</strong> détection <strong>de</strong> <strong>changements</strong> <strong>sous</strong>-pixeliques e