Segmentation d'image médicale par application de la matrice de cooccurrence

Loading...
Thumbnail Image

Date

2010

Journal Title

Journal ISSN

Volume Title

Publisher

Université Mouloud Mammeri

Abstract

Le premier chapitre abordera les définitions et les notions de base utilisées en traitement d’images. Le second chapitre sera consacré à l’étude des principales méthodes d’analyse et de segmentation d’images. Le troisième chapitre décrit la méthode adoptée pour la segmentation d’images et son algorithme. Le dernier chapitre est consacré à l’illustration et l’interprétation des différents tests et résultats expérimentaux obtenus par la méthode implémentée. Enfin, nous terminerons par une conclusion, tout en envisageant des perspectives éventuelles à notre travail. Les progrès des moyens informatiques et des techniques de traitement ont permis d’ouvrir une voie de développement très prometteuse vers le traitement d’images. Le traitement d’images suscite un intérêt de plus en plus croissant à mesure que l’image s’impose comme un support et une source d’information privilégiée. La multiplication des dispositifs d’acquisition conduit à la production d’un grand nombre d’images qu’il devient difficile d’exploiter manuellement. Le traitement d’images s’inscrit alors dans un processus préliminaire destiné à extraire les informations pertinentes contenues dans une image en vue de leur interprétation, leur stockage et leur transmission. Il s’agit donc d’un domaine très vaste qui trouve de plus en plus d’application, notamment dans la reconnaissance d’objets, l’imagerie satellitaire, l’imagerie médicale. Dans le domaine médicale, il est devenu possible grâce à des traitements informatiques, de donner un meilleur diagnostic à partir d’images de type rayons x, ou de type scanner ; et ainsi différencier un tissu sain d’un tissu atteint d’une pathologie quelconque. Dans le traitement d'images, la segmentation est une étape fondamentale dans la mesure où elle conditionne l’interprétation de l’image. En effet, elle a pour objectif l’extraction des éléments pertinents et permet également la description de l’information contenue dans celle-ci, en donnant une représentation plus condensée et facilement exploitable. A cet effet, de nombreux algorithme de segmentation d’images ont été proposés durant les dernières décennies [15] reposantes sur les différentes approches, contour, région. La segmentation est liée directement à la notion d’homogénéité, qui elle-même est liée à la faible dispersion de la luminance des pixels composant l’image. Notons que les images décrivant des scènes naturelles sont souvent constituées de micro texture par des paramètres statistiques. Ainsi, de nombreuses applications liées à la notion de texture sont apparues en traitement de l’image. Dans ce mémoire, nous présenterons une technique basée, sur le calcul des attributs locaux de texture en utilisant la méthode des histogrammes de la somme et la différence des niveaux de gris. Notons que diverses études ont mis en évidence la puissance de cette méthode dans la caractérisation des textures [15]. Ensuite, une classification selon les attributs locaux de textures par les k-means. Compte tenu de cet objectif, nous avons jugé utile de structurer notre travail comme suit :

Description

58 f. : ill. ; 30 cm. (+ CD-Rom)

Keywords

traitement d'image, Image médical, Matrice de cooccurrence, Segmentation d'image .

Citation

Communication