Application des champs aléatoires de Markov à la segmentation des images radar de type SAR

Abstract

Un modèle statistique est développé pour la segmentation supervisée et non supervisée des images SAR (Synthetic Aperture Radar). A cet effet, la représentation des données SAR est combinée avec le modèle statistique des classes, fondé sur le champ aléatoire de Markov (MRF) afin d'obtenir une distribution a posteriori. La segmentation supervisée se base sur l'algorithme du recuit simulé qui est de type relaxation aléatoire et les algorithmes ICM (Iterated Conditionals Modes) et MMD (Modified Metropolis Dynamic) qui sont de type relaxation déterministe. La segmentation non supervisée s'appuie sur l'algorithme de l'espérance maximale EM (Expectation-Maximisation) et le recuit simulé adaptatif, dans la mesure où l'estimation des paramètres s'obtient d'une façon itérative. Des exemples illustrent l'efficacité de cette stratégie et sa robustesse au bruit speckle