Image segmentation by a contrario simulation
Résumé
Segmenting an image into homogeneous regions generally involves a decision criterion to establish whether two adjacent regions are similar. Decisions should be adaptive to get robust and accurate segmentation algorithms, avoid hazardous a priori and have a clear interpretation. We propose a decision process based on a contrario reasoning: two regions are meaningfully different if the probability of observing such a difference in pure noise is very low. Since the existing analytical methods are intractable in our case, we extend them to allow a mixed use of analytical computations and Monte-Carlo simulations. The resulting decision criterion is tested experimentally through a simple merging algorithm, which can be used as a post-filtering and validation step for existing segmentation methods. © 2009 Elsevier Ltd. All rights reserved.
La segmentation d'une image en régions homogènes induit le plus souvent la détermination d'un critère permettant de décider si 2 régions adjacentes sont similaires. Ces décisions doivent être adaptatives pour construire des algorithmes précis et robustes et conduire à une interprétation correcte. Nous proposons un processus de décision utilisant le raisonnement a contrario : 2 régions sont jugées significativement différentes si la probabilité d'observer une telle différence dans un bruit blanc est très faible. Comme l'expression analytique complète d'un tel processus est très complexe, nous proposons d'étendre la méthode en mixant des résultats analytiques partiels avec des simulations de type Monte-Carlo. Cet te méthode est testée expérimentalement sur un algorithme de fusion simple qui p eut être utilisé comme une étape de post-traitement ou de validation pour les méthodes de segmentation existantes.