Résumé 129 :
Détection de cibles dans des textures complexes, une approche par segmentation d'images en zones stationnaires
Thivin, Solenne ; Le Pennec, Erwan ; Prenat, Michel
Université Paris Sud XI
On s'int\'eresse au probl\`eme de la d\'etection, dans des images infrarouges passives, d'objets de petite taille apparente sur des fonds complexes(ciel nuageux, mer, sol), tout en ma\^itrisant le taux de fausses d\'etections. Pour cela, on propose d'approcher localement le contenu des images réelles par des champs gaussiens corrélés et de prendre en compte l'erreur de mod\'elisation à travers les seuils des tests associés. Plus précisément, on a utilisé des champ de Markov aux 4 plus proches voisins. De plus, pour prendre en compte la possible juxtaposition de zones de textures diff\'erentes dans l'image (par exemple ciel clair et nuages), on suppose ces champs stationnaires par morceaux. L'algorithme est alors composé de deux étapes. Dans la première, celle de segmentation, on cherche un découpage de l'image en zones stationnaires. On utilise un critère de log-vraisemblance pénalisé pour lequel on a d'ailleurs obtenu une inégalité oracle. On applique alors indépendamment dans chacune des zones un test du rapport de vraisemblance généralisé. Comme l'hypothèse de champ Markovien n'est pas exacte, on tient compte de l'erreur de modélisation dans le choix du seuil de détection en l'apprenant à partir des données réelles.