Amélioration de la segmentation d'images par des métaheuristiques

Ces dernières années, l’utilisation des métaheuristiques d’optimisation pour la résolution des problèmes de segmentation a connu un succès inédit.

Afin d’adopter un système de segmentation aussi performant que possible, nous proposons une étude comparative entre l’algorithme d’optimisation par essaims particulaires et l’algorithme génétique, appliqués au seuillage multiple d’images.

Par la suite, nous concevons de nouvelles méthodes de segmentation basée région en optimisation mono-objectif et multi-objectif.

Dans l’approche mono-objectif, nous développons trois nouveaux algorithmes de segmentation en élaborant trois nouveaux critères d’évaluation.

Dans l’approche multi-objectif, nous proposons une nouvelle méthode de segmentation basée sur l’optimisation simultanée de deux critères d’évaluation.

Dans ces deux approches, nous adoptons la méthode du seuillage multiple basé sur l’algorithme d’optimisation par essaims particulaires.

Ces algorithmes sont évalués sur une base de données d’images synthétiques et d’images de test bien connues, et comparés, en termes de la qualité de la segmentation et du temps de calcul, avec d’autres méthodes de segmentation.