Titre :	Segmentation d’images couleurs basée sur les matrices Aura
Type de document :	theses et memoires
Auteurs :	Kaci Ouchene ; Yadadden Moussa ; Zohra Haliche, Directeur de thèse
Editeur :	Tizi.Ouzou : U.M.M.T.O
Année de publication :	2020
Importance :	72 p.
Présentation :	ill.
Format :	30 cm.
Note générale :	Bibliogr.
Langues :	Français
Mots-clés :	Segmentation images couleurs  Matrices Aura
Résumé :	Dans notre travail, nous Avons abordé un des domaines de recherche qui est le traitement d'image et on a vu en particulier, la segmentation d'images de textures couleurs par classification des pixels. Au cours de notre étude, on a présenté différentes méthodes et stratégies, elles nous ont donné alors une idée détaillée de la procédure exacte à suivre pour chacune d’entre elles. Parmi ces méthode l’algorithme des K-means qui est basé sur la classification non supervisée, cette méthode permet d'organiser les pixels de l'image sous forme de classes, tout en utilisant les attributs de l'images La texture et la couleur sont des paramètres très souvent exploités dans l’analyse d’images en vue de leur pouvoir de discernement conséquent. L’analyse de ces textures connait de ce fait une grande diversité en termes de méthodes variant en fonction des différents concepts existants. Parmi ces concepts, l’approche structurelle et statistique prennent une place importante dans la classification d’attributs de texture couleur, et d’autant plus pour cette deuxième en vue de son apport discriminatoire important et de son analyse d’ordre plus ou moins élevé. L’ensemble Aura chromatique peut être vu comme une frontière entre deux sous-ensembles ayant des attributs distincts, tandis que la mesure Aura chromatique fourni une information sur la présence ou non d’éléments d’un ensemble dans un autre. La mesure Aura locale ou cardinale, estime le nombre de fois qu'un site de composante couleur donnée égale à une valeur bien définie comporte dans son voisinage un site ayant une autre valeur pour une autre composante couleur. Enfin chaque élément des CAMs est une mesure Aura, et peut-être vu comme un attribut pour chaque pixel.Nous avons présenté dans ce chapitre quelques résultats de la segmentation des images des textures couleurs à base des matrices Aura chromatique. Ces résultats nous ont démontré le pouvoir discriminatoire des attributs de texture extraits à partir des matrices Aura chromatique que ce soit locales ou cardinale. Une comparaison par rapport aux taux de classification relevés a démontré que l’utilisation de CAMc donnait globalement de meilleurs résultats que l’utilisation de CAMl. Nous avons également montré que, la taille du patch et le nombre de niveaux de composantes couleurs ont une influence directe sur les résultats de la segmentation par ces matrices
En ligne :	D:\CD THESES 2020\RETARDATAIRES\OUCHENE KACI; YADADDEN MOUSSA.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36079

Segmentation d’images couleurs basée sur les matrices Aura [theses et memoires] / Kaci Ouchene ; Yadadden Moussa ; Zohra Haliche, Directeur de thèse . - Tizi.Ouzou (Tizi.Ouzou) : U.M.M.T.O, 2020 . - 72 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français

Mots-clés :	Segmentation images couleurs  Matrices Aura
Résumé :	Dans notre travail, nous Avons abordé un des domaines de recherche qui est le traitement d'image et on a vu en particulier, la segmentation d'images de textures couleurs par classification des pixels. Au cours de notre étude, on a présenté différentes méthodes et stratégies, elles nous ont donné alors une idée détaillée de la procédure exacte à suivre pour chacune d’entre elles. Parmi ces méthode l’algorithme des K-means qui est basé sur la classification non supervisée, cette méthode permet d'organiser les pixels de l'image sous forme de classes, tout en utilisant les attributs de l'images La texture et la couleur sont des paramètres très souvent exploités dans l’analyse d’images en vue de leur pouvoir de discernement conséquent. L’analyse de ces textures connait de ce fait une grande diversité en termes de méthodes variant en fonction des différents concepts existants. Parmi ces concepts, l’approche structurelle et statistique prennent une place importante dans la classification d’attributs de texture couleur, et d’autant plus pour cette deuxième en vue de son apport discriminatoire important et de son analyse d’ordre plus ou moins élevé. L’ensemble Aura chromatique peut être vu comme une frontière entre deux sous-ensembles ayant des attributs distincts, tandis que la mesure Aura chromatique fourni une information sur la présence ou non d’éléments d’un ensemble dans un autre. La mesure Aura locale ou cardinale, estime le nombre de fois qu'un site de composante couleur donnée égale à une valeur bien définie comporte dans son voisinage un site ayant une autre valeur pour une autre composante couleur. Enfin chaque élément des CAMs est une mesure Aura, et peut-être vu comme un attribut pour chaque pixel.Nous avons présenté dans ce chapitre quelques résultats de la segmentation des images des textures couleurs à base des matrices Aura chromatique. Ces résultats nous ont démontré le pouvoir discriminatoire des attributs de texture extraits à partir des matrices Aura chromatique que ce soit locales ou cardinale. Une comparaison par rapport aux taux de classification relevés a démontré que l’utilisation de CAMc donnait globalement de meilleurs résultats que l’utilisation de CAMl. Nous avons également montré que, la taille du patch et le nombre de niveaux de composantes couleurs ont une influence directe sur les résultats de la segmentation par ces matrices
En ligne :	D:\CD THESES 2020\RETARDATAIRES\OUCHENE KACI; YADADDEN MOUSSA.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36079