Recalage non rigide statistique multi-attributs par optimisation d'informations généralisées en grande dimension

Résumé : Adressant la problématique du recalage non rigide statistique multi-attributs, nous présentons dans cet article un cadre théorique pour l'estimation et l'optimisation variationnelle de mesures d'informations généralisées en grande dimension. Nous introduisons de nouveaux estimateurs géométriques de type k plus proches voisins, consistants et asymptotiquement non biaisés, de la classe des alpha-informations (informations de Havrda-Charvát et de Renyi), et dérivons les expressions analytiques de leur gradients sur des espaces de transformations spatiales régulières de dimension finie et infinie. Le cadre résultant fournit une alternative efficace aux techniques de graphes entropiques. Ses performances sont évaluées dans deux contextes cliniques en IRM cardiaque: l'estimation des déformations myocardiques en IRM de marquage, et la compensation de mouvements cardio-respiratoires en IRM de perfusion.
Complete list of metadatas

https://hal.archives-ouvertes.fr/hal-00624743
Contributor : Nicolas Rougon <>
Submitted on : Monday, September 19, 2011 - 4:15:35 PM
Last modification on : Thursday, October 17, 2019 - 12:34:06 PM

Identifiers

  • HAL Id : hal-00624743, version 1

Citation

Sameh Hamrouni, Nicolas Rougon. Recalage non rigide statistique multi-attributs par optimisation d'informations généralisées en grande dimension. 23ème Colloque GRETSI - Traitement du Signal et des Images (GRETSI'2011), Sep 2011, Bordeaux, France. pp.Sur CDROM. ⟨hal-00624743⟩

Share

Metrics

Record views

114