Documents disponibles écrits par cet auteur

Elaboration d'une méthode de détection de texture par les champs de GIBBS-MARKOV / Kherzat, Sid Ahmed 

Public ISBD Titre : Elaboration d'une méthode de détection de texture par les champs de GIBBS-MARKOV : application à l'imagerie médicale Type de document : texte imprimé Auteurs : Kherzat, Sid Ahmed, Auteur ; Ferrand, Daniel, Directeur de thèse Editeur : Université de Droit d'Economie et des Sciences d'Aix-Marseille III Année de publication : 1997 Importance : 120 f. Présentation : ill. Format : 27 cm. Note générale : Thèse d’État : Électrotechnique : Marseille, Université de Droit d’Économie et des Sciences d'Aix-Marseille III : 1997 Annexe f. 121 - 127 . Bibliogr. f. 128 - 135 Langues : Français (fre) Mots-clés : Analyse  --  texture  ;  Estimation  paramétrique  ;  Segmentation  ;  Champs  ;  Markoviens  ;  Classification  ;  Matrices  --  cooccurence Index. décimale : D000397 Résumé : L'objet de cette étude est de présenter une méthode de détection de texture. Cette méthode utilise des modèles mathématiques largement utilisés en traitement d'image, connus sous le nom de modèles Markoviens. Dans la première partie, nous présentons les différents éléments d'analyse de la texture ainsi que le formalisme des champs Markoviens. Pour modéliser la texture, nous utilisons le modèle à niveau de gris, proposé par H. Derin dont nous proposons une nouvelle structure pour le potentiel d'ordre 1. Cette structure fait appel à deux paramètres. Ils ont l'avantage de véhiculer l'information sur les niveaux de gris prédominants que renferme la texture à analyser. Les paramètres issus de ce modèle sont utilisés pour construire le vecteur d'attributs de texture. Nous présentons ensuite l'algorithme d'extraction des attributs de texture. Nous proposons deux approches systématiques pour estimer les paramètres du modèle. La première approche utilise le maximum de la probabilité jointe. Tandis que la seconde utilise la moyenne locale des probabilités jointe. La comparaison des résultats de l'estimation de ces deux approches par rapport à l'approche de H. Derin montre que l'approche, utilisant le maximum de la probabilité jointe locale, est la plus robuste. Nous avons ensuite mené une étude expérimentale et comparative dans laquelle deux mesures -indice de discrimination et taux de classement- sont utilisés pour évaluer la pertinence du vecteur d'attributs retenu par rapport au vecteur d'attributs de H. Derin. Les résultats expérimentaux montrent l'efficacité de la méthode proposée pour la détection des textures choisies. Dans la deuxième partie, nous abordons les techniques récentes de segmentation des images. Nous proposons de tester l'efficacité de la méthode d'extraction lorsqu'elle est engagée dans une procédure de segmentation supervisée (critère de décision géométrique) ou de segmentation Markovienne non-supervisée (critère de Bayes) par l'ICM. Selon le critère du "pourcentage de pixels bien classés", les deux procédures fournissent des résultats satisfaisants et assez proches. Enfin, nous effectuons une étude comparative entre l'approche d'analyse Markovienne proposée et la méthode d'analyse par les matrices de cooccurence dans le cadre d'une application de segmentation d'image IRM. Elaboration d'une méthode de détection de texture par les champs de GIBBS-MARKOV : application à l'imagerie médicale [texte imprimé] / Kherzat, Sid Ahmed, Auteur ; Ferrand, Daniel, Directeur de thèse . - [S.l.] : Université de Droit d'Economie et des Sciences d'Aix-Marseille III, 1997 . - 120 f. : ill. ; 27 cm. Thèse d’État : Électrotechnique : Marseille, Université de Droit d’Économie et des Sciences d'Aix-Marseille III : 1997 Annexe f. 121 - 127 . Bibliogr. f. 128 - 135 Langues : Français (fre) Mots-clés : Analyse  --  texture  ;  Estimation  paramétrique  ;  Segmentation  ;  Champs  ;  Markoviens  ;  Classification  ;  Matrices  --  cooccurence Index. décimale : D000397 Résumé : L'objet de cette étude est de présenter une méthode de détection de texture. Cette méthode utilise des modèles mathématiques largement utilisés en traitement d'image, connus sous le nom de modèles Markoviens. Dans la première partie, nous présentons les différents éléments d'analyse de la texture ainsi que le formalisme des champs Markoviens. Pour modéliser la texture, nous utilisons le modèle à niveau de gris, proposé par H. Derin dont nous proposons une nouvelle structure pour le potentiel d'ordre 1. Cette structure fait appel à deux paramètres. Ils ont l'avantage de véhiculer l'information sur les niveaux de gris prédominants que renferme la texture à analyser. Les paramètres issus de ce modèle sont utilisés pour construire le vecteur d'attributs de texture. Nous présentons ensuite l'algorithme d'extraction des attributs de texture. Nous proposons deux approches systématiques pour estimer les paramètres du modèle. La première approche utilise le maximum de la probabilité jointe. Tandis que la seconde utilise la moyenne locale des probabilités jointe. La comparaison des résultats de l'estimation de ces deux approches par rapport à l'approche de H. Derin montre que l'approche, utilisant le maximum de la probabilité jointe locale, est la plus robuste. Nous avons ensuite mené une étude expérimentale et comparative dans laquelle deux mesures -indice de discrimination et taux de classement- sont utilisés pour évaluer la pertinence du vecteur d'attributs retenu par rapport au vecteur d'attributs de H. Derin. Les résultats expérimentaux montrent l'efficacité de la méthode proposée pour la détection des textures choisies. Dans la deuxième partie, nous abordons les techniques récentes de segmentation des images. Nous proposons de tester l'efficacité de la méthode d'extraction lorsqu'elle est engagée dans une procédure de segmentation supervisée (critère de décision géométrique) ou de segmentation Markovienne non-supervisée (critère de Bayes) par l'ICM. Selon le critère du "pourcentage de pixels bien classés", les deux procédures fournissent des résultats satisfaisants et assez proches. Enfin, nous effectuons une étude comparative entre l'approche d'analyse Markovienne proposée et la méthode d'analyse par les matrices de cooccurence dans le cadre d'une application de segmentation d'image IRM.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
D000397	D000397	Papier	Bibliothèque centrale	Thèse de Doctorat	Disponible

Documents numériques

KHERZAT.Said-Ahmed.pdf URL