| Titre : | Algorithmes evolutionnaires pour la segmentation d'images basées sur les automates cellulaires |
| Auteurs : | Sihem Slatnia, Auteur ; Okba Kazar, Directeur de thèse |
| Type de document : | Thése doctorat |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2011 |
| ISBN/ISSN/EAN : | TINF/41 |
| Format : | 1 vol. (114 p.) / ill. / 29 cm |
| Langues: | Français |
| Résumé : |
L'objectif de notre travail vise à s'inspirer des phénomènes naturels afin d'utiliser leurs puissances dans la résolution des problèmes difficiles. Ce travail consiste à explorer le domaine des algorithmes génétiques et des systèmes complexes (SCs). Dans cette thèse, nous nous sommes intéressés à l'exploitation du phénomène de l'émergence dans le problème de détection de contours des images en couleurs. Nous utilisons les Automates Cellulaires (ACs) qui sont un outil puissant de modélisation basée sur l'émergence. Nous avons choisis les Algorithmes Génétiques (AGs) pour déterminer les meilleures règles données pour la détection de contours des images en couleurs. Nous visons une implémentation de cette approche pour valider et détecter les meilleures règles (paquets). Nous avons déterminé les rôles de chaque règle surtout dans la détection de contours. |
| Sommaire : |
1 INTRODUCTION GÉNÉRALE 1 1.1 Contexte du travail de recherche 1 1.2 Problématique 2 1.3 Contribution et objectifs du travail 2 1.4 Structure et contenu de document 3 2 COMPLEXITÉ ET SYSTÈMES COMPLEXES 4 2.1 Introduction 5 2.2 Généralités et définitions 5 2.2.1 Définition d'un système 5 2.2.2 Système simple 6 2.2.3 Système compliqué 6 2.2.4 Système complexe 2.3 Niveaux de complexité 7 2.4 Définitions de la complexité 7 2.4.1 La complexité brute (aléatoire) 7 2.4.2 La complexité effective (organisée) 9 2.5 Systèmes complexes 10 2.5.1 Définitions de système complexe 10 2.5.2 Propriétés d'un système complexe 10 2.5.3 Modélisations des systèmes complexes 12 2.6 Classification des SCs 13 2.6.1 Type 1 - Complexité Statique 14 2.6.2 Type 2 - Complexité Dynamique 14 2.6.3 Type 3 - Complexité Evolutive 14 2.6.4 Type 4 - Complexité Auto-Organisatrice 14 2.7 Caractéristiques des SCs 15 2.7.1 Emergence 16 2.7.2 Changement du niveau d'intégration 16 2.7.3 Boucles de rétroaction et Non-Linéarité 16 2.7.4 Indéterminisme 17 2.8 Exemples de SCs naturels et/ou artificiels 17 2.8.1 Systèmes Complexes Naturels (SCNs) 18 2.8.2 Systèmes Complexes Artificiels (SCAs) 22 2.9 Conclusion 34 LE PHÉNOMÈNE D'ÉMERGENCE vii 36 3.1 Introduction 37 3.2 Phénomène d'émergence 37 3.2.1 Définition de l'émergence 38 3.3 Les propriétés d'un système émergent 39 3.3.1 La non-linéarité 39 3.3.2 Proche/Loin de l'équilibre 39 3.3.3 L'auto-organisation 40 3.3.4 Les attracteurs 40 3.3.5 La dynamique 40 3.4 La résolution de problèmes par émergence 40 3.4.1 Etudes des systèmes complexes par émergence 41 3.4.2 Construction de systèmes complexes artificiels par émergence 41 3.5 Les approches émergentes 42 3.5.1 Les Automates Cellulaires Evolutionnaires (ACEv) 42 3.5.2 Les systèmes adaptatifs à fonctionnalité émergente : la théorie des SMAA 44 3.5.3 La programmation émergente : le Calcul Emergent (CE) 44 3.6 Conclusion 45 4 SEGMENTATION D'IMAGE 46 4.1 Introduction 47 4.2 Image à niveau de gris 47 4.3 Image en couleur 48 4.3.1 Images 24 bits (couleurs vraies) 49 4.3.2 Images à. palettes, images en 256 couleurs (8 bits) 50 4.4 Les caractéristiques d'une image numérique 50 4.4.1 La résolution 50 4.4.2 Pixel écran-Pixel numérique 51 4.4.3 La luminance 51 4.4.4 Le contraste 52 4.4.5 Histogramme 52 4.5 Propriété d'une image numérique 53 4.6 Le seuillage 54 4.7 La segmentation d'images et détection de contours 54 4.7.1 Présentation du problème 54 4.7.2 Définition 55 4.7.3 Les types de segmentation d'image 56 4.7.4 Les différentes approches de la segmentation 57 4.7.5 Critère de choix de la technique de segmentation 70 4.8 Conclusion 71 5 APPROCHE PROPOSÉE : Généralisation des Automates Cellulaires Evolutionnaires pour la Détection de Contours (GACEv-DC) 72 5.1 Introduction 73 5.2 La segmentation comme fonctionnalité émergente 73 5.3 L'approche proposée:la Généralisation des Automates Cellulaires Evolu-tionnaires pour la Détection de Contours (GACEv-DC) 74 5.3.1 Phase d'apprentissage 75 5.3.2 Phase de construction de paquet optimal 76 5.3.3 Phase d'adaptation 84 5.3.4 Architecture 84 5.4 Conclusion 85 6 IMPLÉMENTATION ET RÉSULTATS EXPÉRIMENTAUX 86 6.1 Introduction 87 6.2 Paquet de prétraitement 87 6.3 Paquet optimal GACEv-DC 87 6.4 Paquets d'adaptation 88 6.4.1 Paquet de Double Contour Coloré (PDCC) 89 6.4.2 Paquet d'un Seul Contour Coloré (PSCC) 92 6.4.3 Paquet d'un Seul Contour Blanc (PSCB) 93 6.5 Présentation de l'interface de logiciel GACEv-DC 93 6.6 Résultats expérimentaux 94 6.6.1 Résultats de phase d'apprentissage 94 6.6.2 Résultats de phase de teste 98 6.6.3 Discussion 99 6.7 Conclusion 106 7 CONCLUSION GÉNÉRALE 107 |
| En ligne : | http://thesis.univ-biskra.dz/id/eprint/4600 |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| TINF/41 | Mémoire de magister | bibliothèque sciences exactes | Consultable |
