Segmentation non supervisée d’images spectrales par mélange spatialisé de gaussiennes

vendredi 2 décembre 2011, 9h30 - 10h45

Salle de réunion, espace Turing

Nous proposons ici un nouvel algorithme de segmentation non supervisée d’images spectrales.

L’algorithme est construit en étendant l’approche classique par modèle de mélange gaussien par l’inclusion d’information spatiale dans le modèle : les spectres des différents pixels sont ainsi modélisés comme des variables aléatoires ayant pour loi un mélange de K classes gaussiennes, les proportions de mélanges variant suivant la position du pixel. En utilisant des proportions de mélange constantes par morceaux sur le support de l’image, nous pouvons construire un critère de type maximum de vraisemblance pénalisé permettant de sélectionner le nombre de classes ainsi que l’ensemble des paramètres du modèle sélectionné.

Nous avons implémenté l’algorithme dérivant de ces résultats au sein de MIXMOD pour permettre l’analyse d’images de spectro-microscopie de matériaux archéologiques. Cet exemple illustrera mon exposé.