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], [email protected], [email protected] 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 complémentarités 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 complémentarités 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.