• Aucun résultat trouvé

Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris

N/A
N/A
Protected

Academic year: 2021

Partager "Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris"

Copied!
193
0
0

Texte intégral

Loading

Figure

Figure 1.3 – Acquisition de donn´ ees avec quelques exemples de capteurs biom´ etriques.
Figure 1.5 – Densit´ es de scores de dissimilitude d’un syst` eme biom´ etrique r´ eel.
Figure 1.8 – Exemple d’une image de bonne qualit´ e d’un œil aquise dans des conditions contrˆ ol´ ees (109).
Figure 1.10 – Exemples d’images d´ egrad´ ees d’iris acquise en lumi` ere visible.
+7

Références

Documents relatifs

Work on filtering for linear and nonlinear time delay systems has.. continued over this

Cette différence n’avait pas été marquée significativement pour une analyse tactile pure (Table 10) mais devient évidente dès qu’on introduit la dimension visuelle

In the first step, we used the k-means clustering and Horn & Schunck algorithms in order to segment the image based on color space and optical flow extraction respectively

Exemple : si deux mots ont la même étiquette, ils sont en rapport avec une même

Nous présentons dans cet article un nouveau modèle, appelé Champ de Markov Couple Gaussien (CMCoG) qui fait le lien entre les deux théories précédentes pour répondre à des

Les performances de l'algorithme ainsi obtenu sont comparées à celles de deux autres méthodes de segmentation non supervisée : une méthode contextuelle utilisant le SEM

On estime que dans le cours de notre algorithme, la suppression des bords et la recherche des rectangles blancs maximaux nous permet déjà d’isoler des zones de texte avec une mise

Contributions Le modèle généralisé proposé permet : (i) de considérer d’autres mesures de similarité exploitant le transport optimal que la seule distance quadratique de