• Aucun résultat trouvé

Segmentation et évaluation des images segmentées

N/A
N/A
Protected

Academic year: 2021

Partager "Segmentation et évaluation des images segmentées"

Copied!
1
0
0

Texte intégral

(1)

Aicha Baya Goumeidane, 2010, «Segmentation et évaluation des images segmentées», Thèse de doctorat, Université de Constantine 1

Segmentation et évaluation des images segmentées

Aicha Baya Goumeidane

Soutenue en: 2010

Abstract: La segmentation de l’image – le processus qui vise à diviser l’image en ses constituants – est une étape clé dans le traitement de l’image car ses résultats conditionnent la qualité de l’interprétation. Plusieurs méthodes ont été proposées mais aucune ne peut être considérée comme universelle. C’est pourquoi l’évaluation de la performance de la segmentation s’avère indispensable pour s’assurer qu’une technique donnée réalise avec succès la tache pour laquelle elle a été développée. Cette thèse s’articule sur les deux aspects suscités du traitement de l’image. En premier, nous proposons trois méthodes de segmentation basées sur la technique des modèles déformables. Dans un deuxième temps, nous proposons deux méthodes d’évaluation de résultats de segmentation d’images en régions.

Keywords : Segmentation d'images, contours actifs, Évaluation de la segmentation d'images, Méthodes supervisées, Mesures de différence.

Centre de Recherche en Technologies Industrielles - CRTI - www.crti.dz

Powered by TCPDF (www.tcpdf.org)

Références

Documents relatifs

To train the proposed network, a pre-marked set of photo-realistic images containing text is required. Currently, only one public dataset is known that is suitable for

The image obtained as a result of segmentation is simplified in relation to the image subjected to segmentation – this image does not contain many detailed information appearing in

Cela pourrait se faire, par exemple, par une int´egration efficace de ces donn´ees au niveau des arˆetes de voisinage pour une coupe de graphe ou bien par une recherche de plus

Rivalité entre concurrents Nombre, équilibre, croissance du marché, différenciation des produits, coûts fixes, enjeux

Après avoir brossé un panorama des méthodes actuelles en ST (section 2), nous décrivons le système de ST que nous avons mis en oeuvre pour cette étude (section 3) ; nous

This paper aims to explore these two challenges using Mask R-CNN trained with a data augmentation method designed to provide good performance on both rectilinear and fisheye images..

Evaluation des performances obtenues via les descripteurs de texture sur les ´ images de document pr´etrait´ees (filtre `a base de moyennes non-locales et technique de superpixels)

In the first step, we used the k-means clustering and Horn & Schunck algorithms in order to segment the image based on color space and optical flow extraction respectively