Un modèle de mélange pour la segmentation de données spatiales

Allou Samé, Jean-Philippe Tarel and Nadir Ait Saidi

Abstract

---

A mixture-model-based approach is introduced in this article for spatial data modeling and segmentation. The spatial dependence of the data is taken into account through the proportions of the mixture, which are modeled as logistic transformations of polynomial functions of the spatial coordinates. The parameters of the proposed model are estimated by maximizing the likelihood criterion through a specific EM algorithm which incorporates a Newton-Raphson algorithm dedicated to the estimation of the lo- gistic functions coefficients. The experiments conducted on synthetic images have shown encouraging results in term of accuracy of segmentation.

Résumé

---

Cet article décrit une approche basée sur les mélanges de lois, pour la modélisation et la segmentation de données spatiales. La dépendance spatiale des données y est prise en compte par le biais des proportions du mélange, qui sont modélisées par des transformations logistiques de fonctions polynomiales des coordonnées spatiales. Les paramètres du modèle proposé sont estimés par la méthode du maximum de vraisemblance via un algorithme EM spécifique, qui incorpore un algorithme de Newton-Raphson pour l'estimation des coefficients des fonctions logistiques. Les expérimentations, menées sur des images simulées, donnent des résultats encourageants en termes de précision de segmentation.

Reference

---

Pdf file (1163 Kb)

(c) SFdS