Résumé:
En raison du grand nombre d'images, il y a un besoin évident pour des outils d'analyse efficaces et automatiques. Ce travail décrit la segmentation non supervisée d'images dans le cadre des modèles de Markov cachés précisément les champs et les chaînes de Markov cachées et l’estimation des paramètres du modèle. Particulièrement les chaînes de Markov cachées, basées sur le parcourt d’hilbert-peano de l'image, sont une alternative rapide et efficace que les champs de Markov cachées pour l’estimation des paramètres et la segmentation non supervisée d’images. Des résultats obtenus sur des images réelles sont présentés.
