Segmentation d'images médicales par la procédure Mean -Shift / Fariza Oudiai (2010) 

Public ISBD Titre : Segmentation d'images médicales par la procédure Mean -Shift Type de document : theses et memoires Auteurs : Fariza Oudiai, Auteur ; Amedjkane Souhila, Auteur ; Sadia Alkama (ép. Hammouche), Directeur de thèse Editeur : Tizi Ouzou : UMMTO.FGEI Année de publication : 2010 Importance : 59 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Segmentation d’image  Mean-Shift  Histogramme  Classification non supervisée . Résumé : Le domaine de l’imagerie médical s’est très largement développé et généralisé ces dernières années. Il est rare qu’un médecin pose un diagnostic sans avoir recours à une image médicale. Pour certaines pathologies, le recours à ces images est même décisif, et les techniques d'imagerie médicale sont diverses, cependant, les images obtenus par ces techniques et servant à élaborer des diagnostics médicales ne sont pas toujours aussi précises et fiables qu'elles doivent l’être. C’est pourquoi, nous proposons, dans ce mémoire, d’appliquer la technique de classification non supervisée Mean-Shift pour la segmentation des images médicales. Ainsi pour ce faire nous commençons par détecter les modes de ces images en appliquant la procédure Mean- shift dans le domaine joint, par suite nous proposons une méthode basée sur l’histogramme qui sera détaillée dans le chapitre III pour le regroupement de ces modes. En ligne : https://dl.ummto.dz/bitstream/handle/ummto/8033/AmedjkaneSouhila_OudiaiFariza.pd [...] Format de la ressource électronique : PDF Permalink : ./index.php?lvl=notice_display&id=26665 Segmentation d'images médicales par la procédure Mean -Shift [theses et memoires] / Fariza Oudiai, Auteur ; Amedjkane Souhila, Auteur ; Sadia Alkama (ép. Hammouche), Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : UMMTO.FGEI, 2010 . - 59 p. : ill. ; 30 cm. Bibliogr. Langues : Français Mots-clés : Segmentation d’image  Mean-Shift  Histogramme  Classification non supervisée . Résumé : Le domaine de l’imagerie médical s’est très largement développé et généralisé ces dernières années. Il est rare qu’un médecin pose un diagnostic sans avoir recours à une image médicale. Pour certaines pathologies, le recours à ces images est même décisif, et les techniques d'imagerie médicale sont diverses, cependant, les images obtenus par ces techniques et servant à élaborer des diagnostics médicales ne sont pas toujours aussi précises et fiables qu'elles doivent l’être. C’est pourquoi, nous proposons, dans ce mémoire, d’appliquer la technique de classification non supervisée Mean-Shift pour la segmentation des images médicales. Ainsi pour ce faire nous commençons par détecter les modes de ces images en appliquant la procédure Mean- shift dans le domaine joint, par suite nous proposons une méthode basée sur l’histogramme qui sera détaillée dans le chapitre III pour le regroupement de ces modes. En ligne : https://dl.ummto.dz/bitstream/handle/ummto/8033/AmedjkaneSouhila_OudiaiFariza.pd [...] Format de la ressource électronique : PDF Permalink : ./index.php?lvl=notice_display&id=26665

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
ING.AUTO.47-10/2	ING.AUTO.47-10	Mémoires	Magasin de Thèses et Mémoires / FGE	Ingénieur en Automatique	Disponible
ING.AUTO.47-10/1	ING.AUTO.47-10	Mémoires	Magasin de Thèses et Mémoires / FGE	Ingénieur en Automatique	Disponible

Aucun avis, veuillez vous identifier pour ajouter le vôtre !

---

page 1/1