@Conference{Bea2008b,
author = {Beaulieu, Jean-Marie and Touzi, Ridha},
editor = {},
title = {Aller--Retour Segmentation/Classification des Images Polarim{\'e}triques {SAR}},
booktitle = {13e Congr{\`e}s de l'Association Qu{\'e}b{\'e}coise de T{\'e}l{\'e}d{\'e}tection},
volume = {},
publisher = {},
url = {http://laqt.org},
isbn = {},
doi = {},
address = {Trois-Rivi{\`e}res, Canada},
pages = {1-6},
year = {2008},
month = {30 avril - 2 mai},
abstract = {Nous avons d{\'e}velopp{\'e} une technique efficace de segmentation hi{\'e}rarchique et l'avons appliqu{\'e} aux images polarim{\'e}triques SAR. La segmentation et la classification non-supervis{\'e}e d'image sont des probl{\`e}mes difficiles. On peut simplifier le probl{\`e}me en acceptant un nombre {\'e}lev{\'e} de seg- ments (r{\'e}gions) ou de classes. Il est reconnu que la classification bas{\'e}e sur la valeur des seg- ments est moins affect{\'e}e par le bruit que la classification bas{\'e}e sur la valeur des pixels. Nous pouvons utilisez une partition avec beaucoup de r{\'e}gions (sur-segmentation) simplifiant ainsi la t{\^a}che de la segmentation. Cependant, la classification non-supervis{\'e}e de segment demeure un probl{\`e}me difficile. Pour simplifier, nous utilisons seulement un sous ensemble des segments et nous produisons une classification avec beaucoup de classes. Chaque segment de la sur- segmentation est alors assign{\'e} {\`a} une des nombreuses classes. Nous pouvons utiliser cette infor- mation de classe pour poursuivre la segmentation en fusionnant les r{\'e}gions et r{\'e}duire {\`a} une valeur convenable le nombre de r{\'e}gions.},
mypdf = {7},
slide = {https://BeaulieuJM.ca/slide/slideBea2008b.pdf},
keywords = {}
}