Un algorithme évolutionnaire pour la segmentation d'images basé sur le diagramme de Voronoï

Abstract

La segmentation d’images constitue une partie prépondérante d’un système de reconnaissance. Elle peut être définie comme étant toute technique permettant de partitionner une image selon un ou des critère(s) d’homogénéité. Elle peut se faire en se basant sur : La couleur, la texture, la forme…, Nous avons proposé un système à base des diagrammes de Voronoï à même de segmenter des images en niveau de gris. Cette approche s’inscrit dans la classe des algorithmes de segmentation Division/Fusion. Dans cette approche, nous combinons la méthode du Laplacien pour la détection des points de contour avec un algorithme d’optimisation stochastique basé sur le principe de Charles Darwin à savoir : l’algorithme génétique. Après avoir utilisé une amélioration de l’image, l’étape de division se fait par une division de l’image à segmenter en polygones de Voronoï guidée par un processus génétique. Puis une étape d’extraction de régions similaires est appliquée comme phase de fusion. Nous avons commencé notre travail par un état de l’art sur les méthodes de segmentation d’images. Puis nous avons donné une description générale des trois algorithmes d’optimisation utilisés à savoir l’algorithme génétique, le recuit simulé et le K-means. Ensuite, nous avons étudié les principes des diagrammes de Voronoï et enfin elle a présenté la démarche de l’approche proposée. La candidate a implémenté les trois algorithmes cités en se basant sur une structure de diagramme de Voronoï pour des raisons de comparaisons. En effet, une étude comparative des premiers résultats obtenus démontre que l’algorithme génétique donne de bons et acceptables résultats pour différentes images surtout synthétiques, mais l’algorithme reste lent en matière de temps d’exécution. Cette étude expérimentale a démontré aussi que les résultats obtenus par le recuit simulé sont mieux que ceux trouvés avec le K-means ce qui confirme la théorie des deux méthodes.