@InProceedings{2015_condat332,
	author = "Laurent Condat and Nelly Pustelnik",
	title = "Segmentation d'image par optimisation proximale",
	booktitle = "25° Colloque sur le traitement du signal et des images",
	year = "2015",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "001-0181",
	pages = "p. 725-728",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_condat332.pdf",
	abstract = "L'optimisation proximale par éclatement permet de minimiser une somme arbitraire de fonctions convexes, en appelant individuellement leur gradient ou opérateur proximal. Ce dernier doit donc avoir une forme calculable, ce qui oblige à éclater le problème pour faire apparaître des fonctions suffisamment simples, au prix d'un ralentissement de la convergence. Dans ce travail, nous étudions une formulation convexe robuste de la segmentation d'une image couleurs et montrons que l'opérateur proximal, en apparence compliqué, qui apparaît, est calculable exactement et rapidement. En limitant l'éclatement, on obtient ainsi une convergence bien plus rapide de la méthode..pdf",
}