Revue des méthodes de segmentation d'images texturées : Cas des images couleur
| dc.contributor.author | Rabia, Nacim | |
| dc.date.accessioned | 2017-03-27T09:18:00Z | |
| dc.date.available | 2017-03-27T09:18:00Z | |
| dc.date.issued | 2011-06-30 | |
| dc.description | 111 f. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | Dans ce travail, on a fait un état de l’art de toutes les méthodes de segmentation qui sont adéquates aux images texturées couleur qu’on peut trouver dans la littérature, notamment les méthodes de segmentation basées régions car en général une texture ne contient pas de frontières franches, donc les méthodes basées contour sont proscrites. On a commencé notre travail par la présentation des techniques d’analyse de textures couleur car ce sont ces techniques qui nous permettent d’extraire les attributs qui représentent les textures couleurs contenues dans une image et puis sont utilisés dans le processus de segmentation. L’aspect d’analyse de multi-résolution (AMR) est le plus favorable chez plusieurs scientifiques quand il s’agit de la segmentation d’images texturées, cet aspect on le retrouve notamment dans les méthodes d’analyse de texture spatio-fréquentielles dont la mise en oeuvre des filtres de Gabor peut nous doter de cet aspect en utilisant une expression de ce type de filtres particulière et merveilleuse.La méthode envisagée dans notre travail est la méthode de segmentation d’images texturées couleur par banque de filtres de Gabor, cette méthode est divisée en quatre étapes essentielles dont la première étape fait la réduction de dimensions des données en passant d’une images multi-composantes (couleur) en une image mono-composante toute en gardant le maximum d’informations à l’aide d’une technique d’analyse des données plus généralement de la statistique multivariée connue sous le nom d’Analyse en Composantes Principales (ACP).Dans notre travail, le choix optimal d’espace couleur est considéré comme un prétraitement et se fait manuellement. Les espaces couleur qu’on a trouvés utiles c'est-à-dire avec lesquels on a trouvés des résultats satisfaisants selon les images utilisées, sont : l’espace de primaires RVB, perceptuel HSV (Hue, Saturation, Value) et finalement d’axes indépendants d’Hotelling. | en |
| dc.identifier.citation | Option : Télédétection | en |
| dc.identifier.other | MAG.ELN.80-11 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/622 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | filtres de Gabor | en |
| dc.subject | texture couleur | en |
| dc.subject | classification texture couleur | en |
| dc.subject | Segmentation couleur | en |
| dc.subject | Traitement d’images multi-spectrales | en |
| dc.title | Revue des méthodes de segmentation d'images texturées : Cas des images couleur | en |
| dc.type | Thesis | en |