Auteurs : Imtnan-Ul-Haque Qazi ¹; O. Alata ; J.-C. Burie ; A. Moussa ; Christine Fernandez-Maloigne ¹

• 1 Synthèse et analyse d'images

Nous présentons de nouveaux modèles paramétriques pour approcher la distribution des erreurs de prédiction linéaire issues d’un signal multicanal bidimensionnel. Ces modèles sont utilisés afin d’améliorer la performance d’algorithmes de segmentation d’images texturées couleur. Les modèles de prédiction linéaire 2D offrent une caractérisation des structures spatiales des textures couleur. Dans ce papier, la distribution de l’erreur de prédiction linéaire associée à ces modèles est approchée à l’aide de la distribution de Wishart et des lois de mélanges gaussiennes multidimensionnelles. La méthode de segmentation est basée sur ces modèles de distribution et un modèle de régularisation spatiale des régions. Les résultats montrent qu’en termes de pourcentage d’erreur de segmentation, les performances sont améliorées avec la méthode proposée pour les trois espaces couleur testés par rapport à l’utilisation d’une loi de gauss multidimensionnelle.