GEOTRUST SSL CERTIFICATE
Titre : | Etude Comparative de nouvelles méthodes de segmentation d’images |
Auteurs : | Djellouli bouazza, Directeur de thèse |
Type de document : | texte imprimé |
Editeur : | univ DR taher moulay saida |
ISBN/ISSN/EAN : | TECT02639 |
Format : | 160p / ill / 29cm |
Langues: | Français |
Catégories : | |
Résumé : |
L’approche traditionnelle C-moyennes floue (FCM) fait partie des méthodes les plus
courantes et les plus utilisées pour la segmentation non supervisée d'image. La technique FCM n'utilise pas pleinement les informations spatiales pour résoudre le problème de la sensibilité au bruit et de l'inhomogénéité d'intensité qui affectent considérablement les performances de segmentation d’image médicale. Sur la base des différents défis rencontrés, la recherche actuelle vise l’étude comparative des nouvelles méthodes de segmentation d’image à savoir SFCM, CsFCM, CsKFCM, GKFCM, RSCFCM, KGFCM, GKWFLICM. Afin de minimiser la fonction objective de C-moyennes floues, le concept de noyau normé (kernel) et le terme d'information spatiale du voisinage de chaque pixel sont incorporé pour développer deux nouvelles techniques basée sur le processus de clustering. La première concerne la C-moyennes floues spatiale améliorées basé sur la distance euclidienne nommé ISFCM, la deuxième est C-moyennes floues spatiale améliorées basé sur la distance du noyau normé (kernel) nommé ISKFCM. Les deux algorithmes proposés sont appliqués à la fois sur des images synthétisées artificielles, des images simulées générées par BrainWeb et des images cérébrales IRM réelle pondérées en T1, T2 et PD. Les algorithmes de segmentation par clustering ISFCM et ISKFCM ont été implémentés pratiquement en temps réel à l'aide d'un DSP à virgule flottante de type TMS320C6713DSP de Texas Instruments. L'amélioration des performances est mesurée en incluant diverses techniques d'optimisation et tous les résultats de profilage et de débogage sont affichés à l'aide de l'interface utilisateur graphique C6713.Les résultats expérimentaux de segmentation démontrent que les algorithmes présentés sont plus robustes au bruit et l'inhomogénéité d'intensité, aussi les performances ont été validées après une évaluation quantitative et qualitative à l'aide de diverses mesures telles que : l'indice de similarité (ρ), le coefficient de partition (Vpc) et l’entropie de partition (Vpe), la fonction de Fukuyama-Sugeno (Vfs) et la fonction de Xie-Beni (Vxb), la précision de segmentation optimale (SA) et le taux de classification erronée (MCR). |
Note de contenu : |
Chapitre I : Anatomie cérébrale et Acquisition d’images médicales de type IRM
Chapitre II : Principes fondamentaux des techniques de segmentation d’images Chapitre III : Etat de l’art des méthodes de segmentation d’image Médicale Chapitre IV: Contribution à la segmentation d’images IRM cérébrales par FCM modifié considérant le contexte spatial Chapitre V: Application, Optimisation et évaluation du système de segmentation sur TMS320C6713DSP |
Exemplaires (1)
Code-barres | Cote | Support | Localisation | Section | Disponibilité |
---|---|---|---|---|---|
TECT02639 | T.EN.DOC00011 | Périodique | Salle des Thèses | Electronique | Exclu du prêt |
Documents numériques (1)
Etude Comparative de nouvelles méthodes de segmentation d’images Adobe Acrobat PDF |