Oudiai FarizaAmedjkane SouhilaAlkama Sadia Ép. Hammouche2019-11-262019-11-262010AutomatiqueING.AUTO.47-10https://dspace.ummto.dz/handle/ummto/803359 f. : ill. ; 30 cm. (+ CD-Rom)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.frSegmentation d’imageMean-ShiftHistogrammeClassification non supervisée .Thesis