Journées MAS de la SMAI
Modèles Spatiaux
Lille, 4 - 6 septembre 2006

Informations générales
Page d'accueil
Présentation
Dates Importantes
Comité d'organisation
Soutiens/Sponsors
Programme scientifique
Comité scientifique
Fichiers PDF des exposés
Conférences plénières
Sessions parallèles
Table ronde
Le programme
Inscription
liste des inscrits
Informations pratiques
Hébergement
Venir à Polytech'Lille
Nous contacter par email mas2006@math.univ-lille1.fr
Semestre thématique lillois

Anne ESTRADE

Université Paris V

Les modèles "germe-grain" en géométrie aléatoire.


Les modèles "germe-grain" sont obtenus en lançant au hasard des points (les germes) dans l'espace 2D ou 3D, et des ensembles compacts autour de ces points (les grains).
Les différents choix possibles de distributions des germes et des grains confèrent à ces modèles une grande flexibilité et permettent de modéliser la répartition spatiale de certaines formes dans une image, des arbres dans une forêt, des pores dans un milieu poreux, des grains dans un milieu granulaire, des zones d'influence des antennes de téléphonie... (voir par exemple les ouvrages de référence de Serra (1982) ou Stoyan (1985, 1995)).
Une fois lancés les couples (germe, grain), on leur associe communément le champ booléen défini comme la fonction indicatrice de la réunion des grains (ou du complémentaire). On modélise ainsi un milieu bi-phasique. On peut également associer aux couples (germe, grain) un champ à valeurs entières défini comme la somme des fonctions indicatrices de chaque grain. On obtient ainsi un modèle en densité de matière ou en niveaux de gris.
On présentera quelques indicateurs qui décrivent la morphologie des milieux ainsi modélisés, comme la corrélation à deux points, la longueur des cordes, ou encore un éventuel indice d'autosimilarité.
On présentera également deux techniques d'exploration de ces milieux 3D: la stéréologie qui procède à partir de coupes, et la radiologie qui procède par transformées de Radon. On s'attachera particulièrement à retrouver les indicateurs 3D à partir des données 2D.
Références

H.BIERME, A.ESTRADE, Poisson microballs: self-similarity and X-ray transforms, preprint (2005)
I.KAJ, L.LESKELA, I.NORROS, V.SCHMIDT, Scaling limits for random fileds with long range dependance, preprint (2005)
J.SERRA, Image Analysis and Mathematical Morphology, Academic Press, 1982
D.STOYAN, W.S.KENDALL, J.MECKE, Stochastic Geometry ans its Applications, John Wiley ed, 1985 et 1995
S.TORQUATO, Random Homogeneous Media, Springer, 2002


conférences plénières

Groupe MAS SMAI USTL polytech Lille 2 Lille 3 CNRS labo P Painleve inria region nord