Conception de métaheuristiques d'optimisation pour la segmentation d'images : application à des images biomédicales

par Amir Nakib

Thèse de doctorat en Sciences de l'ingénieur. Traitement d'images, optimisation

Sous la direction de Patrick Siarry.

Soutenue en 2007

à Paris 12 .


  • Résumé

    L'apparition des "métaheuristiques" remonte aux années quatre-vingts. Ces algorithmes stochastiques d'optimisation globales peuvent être appliqués à tout problème, du moment qu'il est formulé sous la forme de l'optimisation de critère(s). Ils se prêtent aussi à toutes sortes d'extensions, notamment en optimisation multiobjectif. Afin de concevoir un système de segmentation qui permet d'avoir une meilleure qualité de la segmentation sur une grande variété d'images, nous formulons la segmentation comme un problème d'optimisation, mono-objectif dans un premier temps, puis multiobjectif. Dans l'approche mono-objectif, nous adaptons plusieurs métaheuristiques au problème de la segmentation. Une application sur des images par résonance magnétique (IRM) cérébrales est ensuite réalisée. Cette adaptation des différentes métaheuristiques pour la segmentation nous permet de les comparer sur les plans suivants : la complexité, la vitesse de convergence, l'adaptabilité, et la reproductibilité des solutions. Nous proposons ensuite une approche multiobjectif pour résoudre le problème de la segmentation des images. Dans ce contexte, nous développons trois schémas de systèmes de segmentation adaptatifs : le premier est basé sur l'agrégation de critères, le second sur l'approche non-Pareto, et le troisième sur l'approche Pareto. Enfin, dans le cas particulier de la segmentation des espaces de ventricules cérébraux, nous appliquons différentes approches sur des IRM saines et d'autres pathologiques.

  • Titre traduit

    Development of optimization metaheuristics for image segmentation : application on biomedical images


  • Résumé

    The metaheuristics appeared in the eighties. These global optimization algorithms are stochastic and can be applied to any problem, at the condition it is formulated as a mono-objective or multiobjective optimization problem. They also can be extended, particularly to multiobjective optimization. In order to design a segmentation system that allows to have good segmentation results on different kinds of images, we formulate the segmentation as : a mono-objective then a multiobjective optimization problem. In the mono-objective approach, we adapt several metaheuristics to the segmentation problem. Then, an application to the brain magnetic resonance images (MRI) is performed. This adaptation allows to compare the different metaheuristics in terms of complexity, convergence speed, adaptability and solution reproducibility. Afterwards, we propose a multiobjective optimization approach to solve the image segmentation problem. In this context, we develop three adaptive methods : the first is based on agregation of criteria, the second is based on a non-Pareto approach and the third is based on a Pareto approach. Finally, we consider the case of brain ventricle space segmentation and we apply the different approaches to sane and pathologic MRI.

Autre version

Cette thèse a donné lieu à une publication en 2008 par [CCSD] à Villeurbanne

Conception de métaheuristiques d'optimisation pour la segmentation d'images : application à des images biomédicales

Accéder en ligne

Cette thèse comprend les fichiers suivants :

https://tel.archives-ouvertes.fr/tel-00308789
Adresse

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Annexes : Bibliogr. : 165 réf

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de documentation. Bibliothèque de ressources électroniques en ligne.
  • Accessible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.