Key points are not available for this paper at this time.
La segmentation des images de télédétection du monde réel est un défi en raison de la grande taille de ces données, en particulier pour les images de très haute résolution. Cependant, de nombreuses méthodes de télédétection de haut niveau reposent à un certain stade sur la segmentation et sont donc difficiles à évaluer à l'échelle de l'image entière, pour de véritables applications de télédétection. Dans cet article, nous définissons une nouvelle propriété appelée stabilité des algorithmes de segmentation et démontrons que le calcul par morceaux ou par tuiles d'un algorithme de segmentation stable peut être réalisé avec des résultats identiques par rapport au traitement de l'ensemble de l'image à la fois. Nous dérivons également une technique pour estimer empiriquement la stabilité d'un algorithme de segmentation donné et l'appliquons à quatre algorithmes différents. Parmi ces algorithmes, l'algorithme de mean-shift s'est révélé assez instable. Nous proposons une version modifiée de cet algorithme renforçant sa stabilité et permettant ainsi un calcul par tuiles avec des résultats identiques. Enfin, nous présentons les résultats de cette méthode et discutons des différentes tendances et applications.
Michel et al. (Mar,) ont étudié cette question.