Segmentation d'images par modeles AM-FM. Application aux images Sonar et MSG
Par :Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay estimée à partir du 16 septembreCet article sera commandé chez un fournisseur et vous sera envoyé 21 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Nombre de pages128
- PrésentationBroché
- Poids0.2 kg
- Dimensions15,2 cm × 22,9 cm × 0,8 cm
- ISBN978-3-8416-1423-0
- EAN9783841614230
- Date de parution01/11/2018
- CollectionOMN.UNIV.EUROP.
- ÉditeurUniv Européenne
Résumé
Dans ce livre, l'approche AM-FM (Amplitude Modulation - Frequency Modulation) est employée pour segmenter des images numériques à haute résolution, collectées par un sonar et par un satellite d'observation météorologique. Ce type de segmentation a pour but d'aider à la détection d'objets métalliques dans la mer avec le sonar et à la caractérisation de la couverture nuageuse dans les images satellitaires.
Le sonar en fonctionnant comme un radar, permet de localiser les épaves et les mines en mer bien que le milieu marin soit opaque. Les images satellitaires représentent une vue de dessus de la Terre et des constituants de l'atmosphère. Mais, les différentes couches de la couverture nuageuse ne peuvent pas être directement décelées et leur forme est peu définie. Dans le modèle AMFM, la fonction AM caractérise le contraste de l'image et la fonction FM rend compte de la granularité et de l'anisotropie de sa texture, contribuant ainsi à améliorer l'aspect des objets dans l'image et à les identifier plus clairement.
Le sonar en fonctionnant comme un radar, permet de localiser les épaves et les mines en mer bien que le milieu marin soit opaque. Les images satellitaires représentent une vue de dessus de la Terre et des constituants de l'atmosphère. Mais, les différentes couches de la couverture nuageuse ne peuvent pas être directement décelées et leur forme est peu définie. Dans le modèle AMFM, la fonction AM caractérise le contraste de l'image et la fonction FM rend compte de la granularité et de l'anisotropie de sa texture, contribuant ainsi à améliorer l'aspect des objets dans l'image et à les identifier plus clairement.