EXTRACTION DES DONNEES A PARTIR D’UNE IMAGE POUR LA PRISE DE DECISION
Des informations générales:
Le niveau |
Master |
Titre |
EXTRACTION DES DONNEES A PARTIR D’UNE IMAGE POUR LA PRISE DE DECISION |
SPECIALITE |
Réseaux et Télécommunications |
Page de garde:
Sommaire:
Chapitre I: Traitement et segmentation d’image
1. Introduction
2. Notions de base
2.1 Définition de l’image.
2.2 Les différents formats d’images
3. Acquisition d’une image
4. Caractéristique d’une image.
4.1 Pixel
4.2 Dimension et résolution
4.3 Voisinage
4.4 Niveaux de gris
4.5 Contraste
4.6 Luminance
4.7 Bruit
4.8 Histogramme
4.9 Images en couleurs.
5. Prétraitement
5.1 Modification d’histogramme.
5.2 Réduction de bruit
5.3 Rehaussement de contraste.
6. Segmentation
6.1 Définition
6.2 Les différentes approches de segmentation
6.2.1 Segmentation par seuillage
6.2.2 Segmentation par régions
6.2.3 Segmentation par détection de contour.
6.2.4 Segmentation par classification
7. Conclusion
Chapitre II: Recherche et classification d’images
2. Principe de la recherche d’image
3. Approches de représentation et de recherche d’images.
3.1 Approches basées sur le contexte.
3.2 Approches basée sur le contenu
4. Définition de la classification
5. Objectif de la classification
6. Les différentes méthodes de la classification et l’apprentissage.
6.1 Méthodes supervisées
6.2 Méthodes non-supervisées
6.3 Méthode hiérarchiques
6.4 Méthode non hiérarchiques
6.5 Méthode paramétriques
6.6 Méthode non paramétriques
6.7 Méthode structurelles
7.1 K plus proche voisin
7.2 Fuzzy C-means.
7.3 K-means (k moyennes)
7.4 Machine à vecteurs de support
7.5 Les réseaux de neurones.
7.5.1 Définition
7.5.2 Comment fonctionnent les réseaux de neurones.
7.5.3 Quelque types de réseaux neuronaux
8. Domaine d’application de la classification
9. Conclusion
Chapitre III: Reconnaissance des formes et prise de décision
1. Introduction
2. La reconnaissance des formes
2.1 Définition.
2.2 Historique.
3. Méthode de reconnaissance des formes.
3.1 La reconnaissance de plusieurs objets dans une image.
4. Les approches de reconnaissance de formes.
5. Principe et formulation de reconnaissance de forme
6. Domaines d’application
6.1 Domaines industriels.
6.2 Domaine médical
6.3 Domaine de la biométrie.
6.4 Marketing
6.5 Energie
6.6 Lecture automatisée.
6.7 Sécurité.
7. Processus d’un système de RDF.
7.1 Le monde physique (L’extérieur).
7.2 Acquisition des données (ou capture)
7.3 Prétraitement
7.4 Analyse (Extraction de caractéristiques).
8. La décision
8.1 Discrimination.
8.2 Caractérisation
9. Conclusion
Chapitre IV: Conception et implémentation
1. Introduction
2. Présentation des outils de développement
2.1 Matériel
2.2 Matlab
3. Procédure proposée
4. Traitement et segmentation de l’image
4.1 Fuzzy C-means
5. Etude comparative.
6. Extraction des paramètres.
7. Prise de décision
8. Conclusion
Conclusion générale
Bibliographie
1. Introduction
2. Notions de base
2.1 Définition de l’image.
2.2 Les différents formats d’images
3. Acquisition d’une image
4. Caractéristique d’une image.
4.1 Pixel
4.2 Dimension et résolution
4.3 Voisinage
4.4 Niveaux de gris
4.5 Contraste
4.6 Luminance
4.7 Bruit
4.8 Histogramme
4.9 Images en couleurs.
5. Prétraitement
5.1 Modification d’histogramme.
5.2 Réduction de bruit
5.3 Rehaussement de contraste.
6. Segmentation
6.1 Définition
6.2 Les différentes approches de segmentation
6.2.1 Segmentation par seuillage
6.2.2 Segmentation par régions
6.2.3 Segmentation par détection de contour.
6.2.4 Segmentation par classification
7. Conclusion
Chapitre II: Recherche et classification d’images
2. Principe de la recherche d’image
3. Approches de représentation et de recherche d’images.
3.1 Approches basées sur le contexte.
3.2 Approches basée sur le contenu
4. Définition de la classification
5. Objectif de la classification
6. Les différentes méthodes de la classification et l’apprentissage.
6.1 Méthodes supervisées
6.2 Méthodes non-supervisées
6.3 Méthode hiérarchiques
6.4 Méthode non hiérarchiques
6.5 Méthode paramétriques
6.6 Méthode non paramétriques
6.7 Méthode structurelles
7.1 K plus proche voisin
7.2 Fuzzy C-means.
7.3 K-means (k moyennes)
7.4 Machine à vecteurs de support
7.5 Les réseaux de neurones.
7.5.1 Définition
7.5.2 Comment fonctionnent les réseaux de neurones.
7.5.3 Quelque types de réseaux neuronaux
8. Domaine d’application de la classification
9. Conclusion
Chapitre III: Reconnaissance des formes et prise de décision
1. Introduction
2. La reconnaissance des formes
2.1 Définition.
2.2 Historique.
3. Méthode de reconnaissance des formes.
3.1 La reconnaissance de plusieurs objets dans une image.
4. Les approches de reconnaissance de formes.
5. Principe et formulation de reconnaissance de forme
6. Domaines d’application
6.1 Domaines industriels.
6.2 Domaine médical
6.3 Domaine de la biométrie.
6.4 Marketing
6.5 Energie
6.6 Lecture automatisée.
6.7 Sécurité.
7. Processus d’un système de RDF.
7.1 Le monde physique (L’extérieur).
7.2 Acquisition des données (ou capture)
7.3 Prétraitement
7.4 Analyse (Extraction de caractéristiques).
8. La décision
8.1 Discrimination.
8.2 Caractérisation
9. Conclusion
Chapitre IV: Conception et implémentation
1. Introduction
2. Présentation des outils de développement
2.1 Matériel
2.2 Matlab
3. Procédure proposée
4. Traitement et segmentation de l’image
4.1 Fuzzy C-means
5. Etude comparative.
6. Extraction des paramètres.
7. Prise de décision
8. Conclusion
Conclusion générale
Bibliographie
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.