Abstract:
Nous allons étudier quelques algorithmes qui répondent à ce problème. Pour ce faire,
nous commençant dans le premier chapitre par une brève description de la segmentation par
approche classification, et la famille d’où découle la méthode des K-means [5] qui à été
généralisée pour obtenir l’algorithme FCM. Nous allons ensuite, présenter dans un second
chapitre, l’algorithme FCM, ainsi que quelques notions de la théorie des sous ensembles
floues. Et on termine par la présentation de l’une des variantes de FCM, l’algorithme PDI
[17] qui tente de normaliser la fonction objective du FCM. Le troisième chapitre sera consacré à la présentation de quelques méthodes, qui considèrent le contexte spatial de l’image. Parmi les variantes, on retrouve : RFCM (Robust FCM) [22], qui considère que le pixel actuel ne doit pas être classé avant d’examiner l’appartenance de se s voisins. On passe ensuite à la famille FCM_S (Spatial FCM) : FCM_S1[21], FCM_S2[23] et IFCM_S[24]. Des versions modifiées de FCM qui considèrent les propriétés spatiales du voisinage (moyenne et médiane). Enfin, le quatrième chapitre sera consacré, en grande partie, pour la présentation des résultats obtenus de l’application des différents algorithmes à des images IRM réelles. Une comparaison des performances des algorithmes est faite par le calcul de quelques critères, qui renseigne sur la qualité de la classification (MCR, coefficient de Jaccard [3]).
