Segmentation des images par différentes approches : applications aux images biomédicales

Abstract

Un des problèmes les plus importants en traitement et analyse d'images est obligatoire dans tous les systèmes de vision artificielle est la segmentation qui conditionne fortement la qualité de l'interprétation. Cette thèse est née du fait qu'il n'existe pas actuellement de technique universelle de segmentation qui soit en mesure de traiter la multitude d'images réelles pouvant apparaître en pratique. Chaque technique est plus ou moins adaptée à un certain contexte. Un problème de choix et de paramétrage des opérateurs en fonction du contexte, naît alors. En plus des techniques de segmentation classiques par 'contours' et en 'régions', nous avons exploré différentes théories, à savoir: logique floue, fractale, multifractale, morphologie mathématique, ... Les nombreux avantages qu'offrent les algorithmes génétiques, ont fait que nous nous sommes intéressés à leurs apports dans la segmentation des scènes 2D. L'algorithme de relaxation sélectionniste a été étudié et appliqué sur des images de scènes réelles. Des améliorations ont été apportées par proposition d'un opérateur de mutation qui s'adapte aux propriétés spatiales de chaque pixel. Une combinaison de cet algorithme avec les multifractales a donné de meilleurs résultats. Nous avons utilisé cet algorithme hybride pour la segmentation des images de cellules biologiques du col utérin qui, notons-le, sont très complexes. La classification des cellules est aussi effectuée par utilisation des algorithmes d'étiquetage et un critère de mesure de la morphologie des cellules (RNC).