Contribution des mesures floues et d'un modèle markovien à la segmentation d'images couleur

Contribution of the measures of fuzziness and the Markov randon field to colour images segmentation

• Auteur / Autrice : Riadh Boussarsar
• Direction : Richard Lecordier
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1997
• Etablissement(s) : Rouen

Mots clés

Mots clés contrôlés

Classification automatique

Algorithmes flous

Markov, Processus de

Traitement d'images -- Techniques numériques

Traitement d'images

Mots clés libres

Image couleur

Multirésolution

Image processing

Segmentation

Color image

Markov model

Fuzzy algorithm

Classification

Multiresolution

Résumé

La segmentation d'image couleur consiste à partager l'image en différentes régions ayant des caractéristiques homogènes selon certains critères. La base de représentation couleur utilisée est la base RGB afin de ne pas perdre l'information couleur de l'image. Tenant compte de la corrélation des données des trois plans de l'image dans cette base, une segmentation grossière hybride suivie d'une segmentation fine sont développées. La segmentation grossière est une classification itérative. Elle utilise des mesures floues telles que l'index ou l'entropie floue afin de minimiser de manière optimale et auto-adaptative les zones ambiguës des histogrammes R, G, B de l'image, permettant l'extraction d'une classe 3D, et la formation grossière d'une région formée par un ensemble de pixels classés et de pixels masqués. La segmentation fine utilise le nombre de classes, leur centre de gravité et la fonction d'appartenance de l'algorithme des fuzzy C-means afin de classer globalement les pixels masqués. Etant donné qu'il existe quelques pixels mal classés, une approche markovienne est développée pour éliminer ces pixels et rendre les régions homogènes avec des frontières lisses. Pour finir une version modifiée de la segmentation est intégrée dans une structure pyramidale afin de diminuer les temps de calculs.