Segmentation d’images en utilisant la superpixelisation

Abstract

La segmentation d’images est une étape importante car elle conditionne la qualité des opérations ultérieures dans processus de traitement d’images. Dans ce travail, nous avons étudié la segmentation d’images et ses différentes pproches. Comme cette opération peut prendre un temps de calcul important surtout pour des images à grandes dimensions, nous avons proposé de réduire ce temps en effectuent une superpexilisation avant la segmentation. Après avoir étudié la segmentation d’image et ses différentes approches, nous avons proposé une méthode qui se base particulièrement sur la superpexilisation. Cette dernière consiste à regrouper les pixels de l’image en petites zones homogènes réduisant ainsi le nombre d’éléments à traiter, et par conséquence le temps de calcul. Il existe plusieurs méthodes de superpexilisation, dans ce travail nous avons choisi d’étudier la méthode SLIC (Simple Linéaire Itératif Clustring). La segmentation est par la suite réalisée en utilisant l’algorithme k-means. Pour évaluer les résultats obtenus, nous les avons comparés avec ceux obtenus en réalisant la segmentation sur les images brutes c’est-à-dire sans superpexilisation.