Détection de ruptures

Résumé

vignette|350px|droite|Exemple de signal ayant des changements dans la moyenne. vignette|350px|droite|Exemple de signal ayant des changements dans la distribution. En analyse statistique, le problème de détection de ruptures (ou détection de points de changement) est un problème de régression ayant pour but d'estimer les instants où un signal présente des changements dans la distribution. Ces instants sont matérialisés sur les deux figures par des lignes verticales bleues. Classiquement, on réalise de la détection de rupture pour un signal ayant des changements dans la moyenne. De manière plus générale, on réalise de la détection de ruptures pour un signal ayant des changements dans la distribution (par exemple, dans la moyenne et la variance). La détection de ruptures peut s'appliquer à un signal sonore d'une émission dont on souhaite estimer les instants où l'on change de situations, à la détection d'attaques informatiques (variations de flux réseaux), ou encore au contrôle qualité.

Source officielle

https://fr.wikipedia.org/wiki/D%C3%A9tection_de_ruptures

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (43)

Publications associées

Chargement

Personnes associées (6)

Personnes associées

Chargement

Unités associées (9)

Unités associées

Chargement

Concepts associés (1)

thumb|Exemple de visualisation de données montrant une tendances à moyen et long terme au réchauffement, à partir des séries temporelles de températures par pays (ici regroupés par continents, du nord

Concepts associés

Chargement

Cours associés (3)

Cours associés

Chargement

Séances de cours associées (3)

Séances de cours associées

Chargement

Change detection and background extraction by linear algebra

Emrullah Durucan, Touradj Ebrahimi

Change detection plays a very important role in real-time image analysis, e.g., detection of intruders. One key issue is robustness to varying illumination conditions. We propose two techniques for change detection that have been developed to deal with variations in illumination and background, with real-time capabilities. The foundations of these techniques are based on a vector model of images and on the exploitation of the concepts of linear dependence and linear independence. Furthermore, the techniques are compatible with physical photometry. A detailed description of the proposed detector and three state-of-the art change detectors is also provided. For the purposes of comparison, an evaluation procedure is presented consisting of both objective and subjective parts. This evaluation procedure results in a final performance value for each detector analyzed

2001

Chargement

Change detection generally is the difference between images. The differences or changes could be due to moving objects or a variation of illumination. In general the goal is to extract only changes due to moving object that occur int eh scene, and to ignore changes due to illumination. A requirement is that the detection has to be performed in real-time. The proposed change detection approach relies on a model assigning a vector to every pixel of the reference and the current image. Based on this model, linear independence is used to describe an operator for change detection. This previously published operator is based on the variance. The improved linear independence model consists in redefining the change detection operator to fulfill the real-time requirement and to improve the object detection performance. This model has been applied to surveillance and compared to the variance based linear independence detector. The operator proved to be robust to background and illumination changes and in the same time it detected object changes.

2001

Chargement

Moving object detection between multiple and color images

Emrullah Durucan, Touradj Ebrahimi

There are several publications dedicated to the description and analysis of change detection between two gray-value images. This paper introduces new methods to detect moving objects between multiple images and to detect changes between color images or any type of multispectral images. We are not aware of methods giving the possibility of detecting color changes and changes between multiple frames. All the proposed change detectors are based on the Gramian determinant, which provides low computational cost and is easy to implement. These features are very important due to the additional complexity of change detection between multiple as well as color images.

2003

Chargement