Système Coopératif de
Classification Floue
Possibiliste avec Rejet
d’Ambiguïté
« Application à la
segmentation d’images
IRM »
Semchedine Moussa1 , Toumi Lyazid 2 , Moussaoui
Abdelouaheb 3
(1) Département d’Informatique - Université Ferhat Abbas de
Sétif
(2,3) Ecole doctorale nationale STIC Département
d’Informatique - Université Ferhat Abbas de Sétif
[email protected], Toumi_lyazid@yahoo.fr,
Résumé- Cet article concerne le problème de la segmentation des
images IRM (imagerie par résonance magnétique) cérébrales. Il
s’agit précisément de coopérer plusieurs classifieurs
automatiques pour tirer parti des compmentarités entre
différentes méthodes ou opérateurs et augmenter ainsi la
robustesse du processus de segmentation. Tout l’enjeu de cette
coopération réside dans la définition de modes de combinaison
adaptés à différentes sources d’informations, pour pouvoir
exploiter au mieux leurs compmentarités et extraire une
information utile et pertinente pour la segmentation.
Notre approche coopère entre l’algorithme FCM (Fuzzy
CMeans) dont la somme des degrés d’appartenance d’un
individu donné à toutes les classes possibles étant égale à 1, et
l’algorithme possibiliste PCM (Possibilistic C-means) qui
consiste à chercher des partitions qui sont basées sur l’idée de
typicalité. Afin de rendre l’algorithme plus robuste face aux
imprécisions et aux données ambiguës qui peuvent influencer
considérablement sur les centres de classes, nous introduisons la
notion de rejet d’ambiguïté qui concerne les individus situés
entre les frontières des différentes classes.
1 / 1 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !