Estimation recursive de la moyenne de signaux bidimensionnels : Vers une approche parallele de la segmentation d'images

Dans cet article, nous présentons un algorithme de regroupement hiérarchique qui traite toutes les régions d'une image en parallèle. Cet algorithme itératif permet de segmenter l'image en utilisant à la fois l'information statistique sur les régions homogènes et l'information du gradient sur le contour des régions détectées. A l'initialisation, l'algorithme analyse directement l'image originale en considérant que chaque pixel est une région ; une itération consiste à regrouper en parallèle des régions adjacentes ayant des moyennes suffisamment proches. Ces regroupements sont effectués sous contrainte, et à une itération donnée un nombre limité de régions sont regroupées. La contrainte est relâchée de façon continue aux itérations suivantes afin d'autoriser d'autres regroupements. Un critère permettant de comparer les gradients moyens sur 2 régions adjacentes et sur leur contour commun constitue un test d'arrêt au processus de regroupement. Après avoir analysé certaines propriétés importantes de cet algorithme, nous présentons des résultats expérimentaux avec des images synthétiques, ainsi que la segmentation d'une image naturelle