Vous êtes sur la page 1sur 2

Chapitre II:

II.1) Introduction :
La segmentation d'image est un domaine très vaste à étudier. Elle fait la
majeur partie des grands thèmes de recherche .De nombreuses méthodes de
segmentation sont proposés dans la littérature, mais ce n'est pas facile de choisir une
meilleur technique pour la segmentation.
Comme pour de multitudes taches de segmentation dans le cadre de traitement
d'image, la variation entre les images représente une limitation de la performance de
subtibilité de la segmentation. Il existe plusieurs méthodes dans ce domaine tels que:
les méthodes de segmentation par région, par contours et les méthodes par
l'apprentissage en profondeur (deep learning).
Le corps humain et son investigation par l'image est une problématique ardu à
étudier et reste toujours un sujet de recherche de forte actualité, L'imagerie médicale
est donc venue résoudre ce problème, qui permet l'exploration du corps humain sans
examens intrusifs ni opérations avec une grande précision.
Aujourd'hui, le diagnosticien dispose d'un arsenal de méthodes. L'imagerie par
résonance magnétique (IRM) est l'une des méthodes d'imagerie les plus courantes. Il
permet également d'étudier le cerveau et d'obtenir des images avec lesquelles
différents contrastes peuvent être réalisés.
Dans ce chapitre nous discuterons de trois méthodes de segmentation d'image
qui sont: segmentation par région, par contours et segmentation par l'apprentissage en
profondeur (deep Learning).

II.2) Définition de l’image:


Une image est une représentation d'une personne ou d'une chose à travers la
peinture, la sculpture, le dessin, la photographie, le film... etc. C'est aussi un ensemble
organisé d'informations qui, après avoir été affichées sur un écran, sont significatives
pour l'œil humain.
Il peut être décrit comme une fonction 𝐼 (𝑥, 𝑦) de luminosité analogique
continue, définie dans un champ fini, tel que et sont les coordonnées spatiales d'un
point de l'image et est fonction de l'intensité de la lumière et de la couleur. A cet
égard, l'image n'est pas exploitable par la machine, ce qui nécessite sa numérisation
[1].
II.3) Le choix d’une technique de segmentation:

II.4) La segmentation d'image:


En analyse d'image, une distinction est faite entre le traitement de bas niveau
et le traitement de haut niveau. Cette distinction est liée au contenu sémantique des
entiers traités et extraits de l'image. Les traitements de bas niveau opèrent
généralement sur des quantités calculées de valeurs associées à chaque point de
l'image sans nécessairement avoir à se rapporter à la réalité qu'il représente. En
revanche, le traitement de haut niveau s'applique à des entiers de nature symbolique
associés à la représentation de la réalité extraite de l'image, il est lié à l'interprétation
et à la compréhension de l'image exprimée en mots issus du vocabulaire de
l'application.

La fragmentation est un traitement de bas niveau consistant à diviser une


image en sous-groupes, afin de pouvoir en extraire les objets qui la composent
(régions, lignes, etc.) [3].

[1]: M. Andre, «Introduction aux techniques de traitement d’images», Edition


Eyrolles, 1987.
[3]: ACHAT Thinhinane, BENHAMAOUCHE Fatima, «Segmentation d’image par
classifieurs flous: Application à l’Imagerie par Résonance Magnétique (IRM)»,
mémoire PFE de master de l'Université de Bejaia, 2015.

Vous aimerez peut-être aussi