Segmentation d'images médicales par la procédure Mean -Shift
| dc.contributor.author | Oudiai Fariza | |
| dc.contributor.author | Amedjkane Souhila | |
| dc.contributor.other | Alkama Sadia Ép. Hammouche | |
| dc.date.accessioned | 2019-11-26T11:37:33Z | |
| dc.date.available | 2019-11-26T11:37:33Z | |
| dc.date.issued | 2010 | |
| dc.description | 59 f. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | Le domaine de l’imagerie médical s’est très largement développé et généralisé ces dernières années. Il est rare qu’un médecin pose un diagnostic sans avoir recours à une image médicale. Pour certaines pathologies, le recours à ces images est même décisif, et les techniques d'imagerie médicale sont diverses, cependant, les images obtenus par ces techniques et servant à élaborer des diagnostics médicales ne sont pas toujours aussi précises et fiables qu'elles doivent l’être. C’est pourquoi, nous proposons, dans ce mémoire, d’appliquer la technique de classification non supervisée Mean-Shift pour la segmentation des images médicales. Ainsi pour ce faire nous commençons par détecter les modes de ces images en appliquant la procédure Mean- shift dans le domaine joint, par suite nous proposons une méthode basée sur l’histogramme qui sera détaillée dans le chapitre III pour le regroupement de ces modes. | en |
| dc.identifier.citation | Automatique | |
| dc.identifier.other | ING.AUTO.47-10 | en |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/8033 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | Segmentation d’image | en |
| dc.subject | Mean-Shift | en |
| dc.subject | Histogramme | en |
| dc.subject | Classification non supervisée . | en |
| dc.title | Segmentation d'images médicales par la procédure Mean -Shift | en |
| dc.type | Thesis | en |