Segmentation d'images par consideration des contraintes spatiales

Abstract

Cette memoir a pour objectif de discuter des différentes méthodes d'analyse d'images, et nous nous sommes concentrés dans cette thèse sur les techniques FCM et SFCM. Où fcm se distingue, grâce à une fonction installée dans le metalab, avec la possibilité d'analyser l'image et d'essayer de la regrouper, ce qui permet de mieux analyser l'image et de la comprendre et de la rendre plus précise. Malgré la précision du FCM, c'est dans le cas de bruit important, montrant une grande hétérogénéité. Par conséquent, nous avons créé SFCM basé sur FCM, où nous avons calculé la moyenne de chaque pixel pour un identifiant plus précis à quel groupe il appartient, et ce nous a aidés à traiter les images avec un bruit important et nous avons obtenu une image traitée avec plus de précision.

This thesis aims to discuss the various methods of image analysis, and we focused in this thesis on FCM and SFCM techniques. Where fcm is distinguished, through a function installed in the metalab, with the ability to analyze the image and try to make it into groups, and this helps to better analyze the image and understand and more accurately. Despite the accuracy of FCM, it is in the case of large noise, showing great heterogeneity. Therefore, we created SFCM based on FCM, where we calculated the average of each pixel for a more accurate identifier of which group it belongs to, and this helped us in processing the images with large noise and we obtained a processed image more accurately