Segmentation d'images texturées à base des modèles auto-régressifs bidimensionnels
| dc.contributor.author | Lagab Sonia | |
| dc.contributor.author | Afettouche Farid | |
| dc.contributor.other | Hammouche Kamal | |
| dc.date.accessioned | 2019-11-26T11:37:08Z | |
| dc.date.available | 2019-11-26T11:37:08Z | |
| dc.date.issued | 2011 | |
| dc.description | 76 f. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | Le travail présenté dans ce mémoire concerne la méthode de segmentation d’image texturée basé sur la modélisation autorégressive. Notre méthode consiste à caractériser chaque pixel par des attributs de texture correspondant aux coefficients autorégressifs en utilisant trois types de causalité, la causalité quart de plan (QP), la semi- causalité (SQ) et la non causalité (NC). Tous les pixels ayant des attributs de textures proches sont regroupés en classe de textures ,la classification des pixels est effectuée par la méthode de K-MEANS. Une bonne description de l’information texturale est porté sur l’influence de la taille de fenêtre d’analyse ainsi que le type et la taille du support de causalité sur la qualité de la segmentation. L’application des modèles AR sur les images texturées ne se limite pas seulement aux trois types de causalité utilisé dans notre travail , elle peut être étendue aux autres types de causalité et à l’estimation des paramètres AR 2D par d’autre méthodes . | en |
| dc.identifier.citation | Automatique | |
| dc.identifier.other | ING.AUTO.21-11 | en |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/7999 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | ARMA | en |
| dc.subject | ARI | en |
| dc.subject | Segmentation d'images | en |
| dc.subject | Modélisation . | en |
| dc.title | Segmentation d'images texturées à base des modèles auto-régressifs bidimensionnels | en |
| dc.type | Thesis | en |