Indexation et segmentation d’images basées loi de Zipf et Zipf inverse
No Thumbnail Available
Date
2015
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Les relations les plus simples à appliquer pour l’analyse d’image sont les relations linéaires vu
leur simplicité de calcul, par contre elles sont très limitées du fait qu’il est difficile de
modéliser, avec précision, des phénomènes complexes comme l’image au moyen de simples
modèles linéaires. Un modèle en loi puissance présente l’avantage de posséder un degré de
liberté supplémentaire consistant en l’exposant de la loi puissance. De ce fait, le choix de la
non-linéarité est d'un intérêt crucial dans le développement de puissants outils d’analyse
d'image et de vision par ordinateur. Dans ce sens, notre problématique de recherche consiste à
appliquer les lois puissance : Zipf et Zipf inverse à l’analyse des images, en effet, nous
considérons des motifs composés d’un ensemble connexe de pixels qui se répètent quasi périodiquement en calculant la fréquence d’apparition de chacun dans l’image. Ensuite, les
lois de Zipf caractérisent la complexité structurelle de la texture d’image par la modélisation
de la répartition statistique de la fréquence d’apparition des motifs selon une distribution en
lois puissance. Dans cette thèse, nous avons réalisé une fusion des lois de Zipf et de Zipf
inverse pour la segmentation d’une région saillante dans une image, motivés par les résultats
très satisfaisants obtenus sur les images numériques, nous avons étendu nos travaux vers le
domaine de l’aide au diagnostic médical du cancer du sein assisté par ordinateur. De ce fait,
nous avons proposé un système de détection des tumeurs (CADe) basé sur la fusion des lois
de Zipf et de Zipf inverse ainsi qu’un système de classification des tumeurs (CADx) qui
procède par le calcul de nouveaux descripteurs de texture durant le processus de
caractérisation. Le classifieur Fuzzy c-means a été appliqué pour le processus de la
classification. Par la suite, nous avons proposé un système d’indexation et de recherche des
mammographies par le contenu (CBMIIR) qui renforce la performance du diagnostic assisté
par ordinateur au niveau de l’étape de la présentation du diagnostic aux radiologues. En effet,
ces derniers sont plus confiants d'un jugement de diagnostic basé sur des cas, diagnostiqués
préalablement, similaires au cas en cours d’analyse plutôt que le résultat abstraits généré par
un classifieur. L’évaluation des travaux proposés a donnée des performances élevées
surpassant différentes approches de l’état de l’art
Description
Keywords
Research Subject Categories::TECHNOLOGY::Information technology::Image analysis