Thèse soutenue

Conception de métaheuristiques d'optimisation pour la segmentation d'images : application à des images biomédicales
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Amir Nakib
Direction : Patrick Siarry
Type : Thèse de doctorat
Discipline(s) : Sciences de l'ingénieur. Traitement d'images, optimisation
Date : Soutenance en 2007
Etablissement(s) : Paris 12

Résumé

FR  |  
EN

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.