Arbres de recouvrement minimaux duaux et application a la segmentation non supervisee

Description

Cet article propose de nouvelles approches de segmentation non supervisée. Nous proposons d'exploiter les propriétés d'une nouvelle mesure de distance reposant sur la construction d'arbres de recouvrement minimaux duaux: le Dual Rooted Prim Tree (DRooPi), pour construire une paire de classes candidates. Ces classes correspondent a une partition de l'ensemble des sommets connectes par un Droopi. La partition est obtenue par coupure simple du plus grand segment de l'arbre de recouvrement minimal partiel qu'est Droopi, dont les deux racines sont definies par la paire de sommets choisie au hasard. Des fonctions de consensus sont ensuite calculees sur l'ensemble des classes associees a chaque paire de sommets. Pour obtenir la partition finale, un algorithme de classification spectrale est applique avec comme mesure de distance les fonctions de consensus definies. Des resultats sont obtenus sur divers donnees synthetiques et reelles.

Abstract

National audience

Additional details