| Titre : | Optimisation d’un classifieur flou pour la segmentation des images par un système immunitaire artificiel |
| Auteurs : | Kheira Meriah, Auteur ; Chakir Mokhtari, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2020 |
| ISBN/ISSN/EAN : | SE01127T |
| Format : | 68p. / ill. en coul. / 29 cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
La segmentation de l’image est l’une des opérations importantes dans le traitement d’image. Elle permet d’extraire des informations pertinentes de l’image. Il existe un grand nombre de techniques de segmentation, mais aucune n’est efficace sur tous les types des images. D'où, ce domaine de recherche reste ouvert pour trouver des méthodes plus évoluées et efficaces. Dans notre projet, nous sommes intéressés à la méthode de classification non supervisée : Fuzzy c-Means. Les approches de clustering basées sur la logique floue se sont avérées surpasser les algorithmes de clustering dur. La différence entre le clustering dur et le clustering flou est que dans le clustering dur, chaque point de l'ensemble de données appartient à exactement un cluster, et dans le clustering flou, chaque point de données appartient à plusieurs clusters associés à un certain degré d'appartenance. Fuzzy C-Means est un algorithme bien connu et efficace, cependant, l'initialisation aléatoire des centres dirige le processus itératif vers des solutions optimales locales facilement. Dans ce projet nous avons proposé un algorithme de clustering flou basé sur la sélection clonale (SIFCM) afin de surmonter ce problème et de détecter automatiquement le nombre de classes. L'algorithme utilise la théorie de la sélection clonale en appliquant des méthodes telles que le clonage, la mutation, la re-sélection et le déplacement ainsi qu'en utilisant la fonction objective de l'algorithme FCM. Certains ensembles de données ont été choisis et l'algorithme SIFCM a été comparé à l'algorithme de base Fuzzy C-means. Les résultats obtenus sur des images synthétiques sont très satisfaisants par contre sur des images médicales, le bruit a joué un rôle important pour donner naissances à des classes non existantes ou mal affectation des pixels. Comme perspectives, nous souhaitons améliorer la fonction qui permet de valider le nombre de clusters et d’incorporer d’autres termes importants dans la fonction objective de FCM. |
Exemplaires (2)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE01127T | INF341 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
| SE01203T | INF341 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
