Browsing by Author "Djouaher Sabrina"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Conception et réalisation d’un système automatique de reconnaissance d’empreintes digitales
    (Université Mouloud Mammeri, 2012) Djouaher Sabrina; Hocine Djamila; Redaoui Samir
    Le besoin d’accès sécurisés et automatisés à des environnements physiques ou virtuels, notamment pour des services personnalisés, est en pleine croissance. Ces besoins requièrent des moyens fiables pour reconnaitre la personne qui se présente au système d’accès. C’est ainsi que l’exploitation de caractéristiques ou mesures liées à l’individu est apparue naturellement comme la solution la plus fiable, chacune de ces différentes mesures est appelée ”modalité biométrique”. Ce mémoire de fin d’études, nous a conduit à concevoir et à réaliser un système de vérification et d’identification par empreintes digitales, en implémentant l’approche basée minuties qui est très utilisée pour ses différents avantages, principalement ses bons résultats et sa simplicité de mise en oeuvre. Les outils de développement utilisés sont : ® Visual Studio 2010 (C++) ® Le Framework Qt ® La bibliothèque de traitement d’image OpenCv
  • Thumbnail Image
    Item
    Etude d’un contour actif guidé par la distribution gaussienne locale
    (Université Mouloud Mammeri, 2017) Djouaher Sabrina; Bouali Ryma; Chilali Ouardia
    Le but de notre travail est d’étudier une approche rapide et efficace de segmentation d’images par le modèle de contour actif. Pour cela, nous avons fait une étude plus au moins détaillée sur les contours actifs et énoncé les différentes méthodes basiques. Par la suite, nous avons adopté une méthode, que nous avons développé dans le chapitre deux qui exploite les avantages des différents modèles de contours actifs à savoir : l’aspect local, inspiré des modèles explicites, et l’utilisation des level set, inspiré des modèles implicites. Pour rendre compte de l’apport de ce modèle, nous l’avons testé sur des images différentes, allant des images homogènes jusqu’aux images texturées et bruitées. En premier lieu, nous avons étudié l’influence de ses différents paramètres. Ensuite, des tests comparatifs avec d’autres méthodes ont été effectués. Les résultats étaient assez encourageants, pour un modèle assez simple dans sa structure. Cependant, nous pourrons conclure que c’est un modèle qui évolue localement et qui nécessite, de ce fait, une initialisation très proche des objets à détecter.