Abstract:
Dans cette thèse nous présentons une nouvelle méthode de segmentation non supervisée d’image.
Elle repose sur une stratégie originale qui consiste à faire progresser un graphe évolutif de composition de l’image à segmenter.
L’injonction d’évolution est établie statistiquement après la traversée d’une région.
La matrice de composition spatiale des régions dans chaque classe est ensuite déterminée.
Une carte de localisation spatiale des sites de conflit qui représentent les zones bruitées ou les contours est établie.
Enfin, la phase finale de la segmentation est réalisée, elle consiste à classifier les pixels qui occupent les zones de conflit et qui sont omis durant la première phase.
A cette fin la technique de classification basée sur la théorie de l’évidence de Dempster-Shafer est utilisée.
La robustesse de la méthode est illustrée sur des images synthétiques et des images réelles.
Cet ouvrage est organisé en cinq chapitres structurés de la manière suivante.
Dans le premier chapitre, nous présentons le domaine d’application vers lequel nos travaux sont orientés, c’est la robotique mobile.
Une brève étude sur la robotique mobile est effectuée dans le but de mettre en sailli l’importance que occupe la vision artificielle dans ce domaine.
Ensuite, dans le deuxième chapitre, le sens visuel humain est étudié afin d’enlever le voile sur ce précieux phénomène.
Cette étude est suivie dans le même chapitre par un bref aperçu sur la vision artificielle.
Au cours du troisième chapitre, la segmentation d’image est traitée ainsi que les différentes techniques de la segmentation d’image qui existent sont citées.
Une introduction à la théorie des graphes, ainsi qu’une brève étude sur la théorie de l’évidence font l’objet du quatrième chapitre.
Le cinquième et dernier chapitre est consacré à l’étude de la méthode de segmentation proposée et aux résultats de la segmentation sur les images aux niveaux de gris et les images en couleurs.
Enfin, la conclusion générale présente une synthèse de ce travail et dégage les nombreuses perspectives qui en découlent.
