(eng): In this work a novel texture model particularly suited for unsupervised image segmentation is proposed. Any texture is represented at region level by means of a finite-state hierarchical model resulting from the superposition of several Markov chains, each associated with a different spatial direction. Corresponding to such a modeling, an optimization scheme, referred to as Texture Fragmentation and Reconstruction (TFR) algorithm, has been introduced. The TFR addresses the model estimation problem in two sequential layers: the former -fragmentation- step allows to find the terminal states of the model, while the latter reconstruction step is aimed at estimating the relationships among the states which provide the optimal hierarchical structure to associate with the model. The latter step is based on a probabilistic measure, i.e, the region gain, which accounts for both the region scale and the inter-region interaction.

(cze): V práci je navržen nový texturní model vhodný pro neřízenou segmentaci obrazů. Textura je reprezentovaná pomocí hierarchického modelu s konečnými stavy na lokální úrovni, jako výsledek superpozice několika markovských řetězců. Každý z nich je spojen s jiným prostorovým směrem. Pro tento model byla navrženo optimalizační schéma nazvané Texture Fragmentation and Reconstruction (TFR). TFR odhaduje model postupně ve dvou úrovních fragmentačním kroku a rekonstrukčním kroku. První krok hledá terminální stavy modelu, zatímco druhý odhaduje vztahy mezi jednotlivými stavy a tím i optimální hierarchickou strukturu modelu. Druhý krok je založený na pravděpodobnostní míře tzv. zisku oblasti, která uvažuje jak měřítko, tak i vztahy mezi oblastmi. Navržený segmentční algoritmus byl testován na segmentačním benchmarku a aplikován na snímky lesa z dálkového průzkumu Země.