Browsing by Author "Hocini Lotfi"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Conception de métaheuristiques d’optimisation pour la segmentation des images de télédétection
    (Université Mouloud Mammeri, 2012-11-14) Hocini Lotfi
    Les métaheuristiques sont des algorithmes d’optimisation inspirés de la nature, capables de produire des résultats remarquables sur une très large variété de problèmes, notamment dans le domaine de l’ingénierie (Télécommunications, Aéronautique, Mécanique, Environnement, Transport, etc.). Les métaheuristiques les plus connues sont : le recuit simulé, les colonies de fourmis, les essaims particulaires et les algorithmes évolutionnaires. Dans ce mémoire, nous nous sommes intéressés à l’application des métaheuristiques au problème de la segmentation des images de télédétection. Pour améliorer la qualité de la segmentation, nous proposons une approche robuste, connue sous le nom d’approche « multiobjectif ». Le but est de faire intervenir en parallèle plusieurs critères de segmentation durant le processus de classification des pixels de l’image. On parle de segmentation multicritère d’image. L’idée de base repose sur l’hypothèse de non existence de critère ad hoc pour segmenter de manière optimale une image. Dans ce contexte, la segmentation recherchée regroupera un ensemble de solutions de compromis satisfaisant plusieurs critères en parallèle. Au besoin, une étape ultime de décision permettra de sélectionner la solution finale grâce à un critère de qualité exploitant des connaissances a priori sur les images traitées. Afin de concevoir un système de segmentation qui permet d’avoir une meilleure qualité de segmentation sur une grande variété d’images, nous reformulons la segmentation comme un problème d’optimisation, monoobjectif dans un premier temps, puis multiobjectif. Dans l’approche monoobjectif, nous adapterons l’algorithme génétique au problème de segmentation. Une application sur des images Météosat Seconde Génération et SPOT a été réalisée. Nous proposons ensuite une approche multiobjectif qui fera intervenir en parallèle plusieurs critères de segmentation. Les algorithmes génétiques multiobjectif sont appliqués à la segmentation des images Météosat Seconde Génération et SPOT suivant l’approche Pareto.
  • Thumbnail Image
    Item
    Conception et réalisation d'un variateur de vitesse pour moteurs à courant continu.
    (Université Mouloud Mammeri, 2009) Hocini Lotfi; Ghemam Scoura; Ourabia Nadir
  • Thumbnail Image
    Item
    Détection de piétons pour la navigation en sureté des véhicules inteligents
    (Université Mouloud Mammeri, 2014) Djebarri Hacene; Khebrache Ghania; Hocini Lotfi
    Les systèmes avancés d’assistance de pilotage (Advanced Driver Assistance Systems « ADAS ») extraient de l’information de différents capteurs installés dans un véhicule pour prévenir le pilote en cas de danger ou autre et prennent des décisions dans le besoin à l’aide des algorithmes de l’intelligence artificielle, comme par exemple freiner automatiquement lors du passage d’un piéton. La détection de piéton fait partie du domaine de la reconnaissance d’objets. Dans notre travail, nous cherchons à reconnaître des piétons à partir d’images vidéo. Grâce à une caméra embarquée, une observation visuelle de la scène à l’avant d’un véhicule est obtenue ; la problématique principale est alors de reconnaître les piétons présents dans les images, c’est-à-dire être capable d’indiquer si les objets présents dans l’environnement devant le véhicule appartiennent ou non à la classe piétons. Dans ce manuscrit, nous présentons les différentes étapes permettant de réaliser ce système de détection et de reconnaissance de piétons. Il ne s’agit pas de fournir ici une description exhaustive de l’état de l’art, ce qui ne saurait être réalisable dans ce mémoire tant les méthodes sont diverses et variées suivant les domaines d’applications, mais plutôt de donner une vue d’ensemble des éléments qui permettent de réaliser cette tâche. Les objectifs principaux de ce mémoire seront orientés selon les directions suivantes : Etude et analyse de la littérature sur le contexte du sujet ; Sélection d’une base de données ; Implémentation d’un algorithme ou deux de la littérature ; Présentation des résultats.