Browsing by Author "Ghoul, Khalid"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Estimation de mouvement par les méthodes fréquentielles de feux optiques
    (Université Oum El Bouaghi, 2013) Dali, Amel; Ghoul, Khalid
    L’estimation de mouvement est une étape de bas niveau en traitement d’images, permettant d’estimer le déplacement des objets d’une scène. Dans ce mémoire nous nous sommes intéressés à l’estimation de mouvement par les méthodes fréquentielles, après un état de l’art des différentes méthodes d’estimation de mouvement existantes et le développement de ces méthodes à savoir Horn et Shunck, Lucas et Kanade, Block-matching, nous avons développé la méthode fréquentielle basé sur l’énergie de Heeger dans laquelle un banc de filtre de Gabor est utilisé pour l’extraction de l’énergie de mouvement dans une séquence de quinze images. Le dernier point de ce mémoire concerne l’évaluation et la comparaison entre les quatre méthodes implémentées. Les meilleurs résultats sont obtenus par la méthode fréquentielle basé sur l’énergie (méthode énergétique de Heeger).
  • No Thumbnail Available
    Item
    Optimisation par essaims de particules adaptatifs
    (Université Oum El Bouaghi, 2013) Ahmed Yahia, Wafa; Ghoul, Khalid
    Les méta-heuristiques sont une famille d'algorithmes stochastiques destinés à résoudre des problèmes d'optimisation difficile Utilisées dans de nombreux domaines, ces méthodes présentent l'avantage d'être généralement efficaces, sans pour autant que l'utilisateur ait à modifier la structure de base de l'algorithme qu'il utilise. Parmi celles-ci, l'Optimisation par Essaim Particulaire (OEP) est une nouvelle classe d'algorithmes proposée pour résoudre les problèmes à variables continues. Les algorithmes d'OEP s'inspirent du comportement social des animaux évoluant en essaim, tels que les oiseaux migrateurs ou les poissons. Les "particules "d'un même essaim communiquent de manière directe entre elles tout au long de la recherche pour construire une solution au problème posé, en s'appuyant sur leur expérience collective. Reconnues depuis de nombreuses années pour leur efficacité, les méta-heuristiques présentent des défauts qui rebutent encore certains utilisateurs. Le réglage des paramètres des algorithmes est un de ceux-ci. Il est important, pour chaque problème posé, de trouver le jeu de paramètres qui conduise à des performances optimales de l'algorithme. Cependant, cette tâche est fastidieuse et coûteuse en temps, surtout pour les utilisateurs novices. Pour s'affranchir de ce type de réglage, des recherches ont été menées pour proposer des algorithmes dits " adaptatifs ". Avec ces algorithmes, les valeurs des paramètres ne sont plus figées, mais sont modifiées, en fonction des résultats collectés durant le processus de recherche. Dans cette optique- là, Maurice Clerc a proposé TRLBES, qui est un algorithme d'OEP mono-objectif sans aucun paramètre de contrôle. Cet algorithme fonctionne comme une " boîte noire", pour laquelle l'utilisateur n'a qu'à définir le problème à traiter et le critère d'arrêt de l'algorithme. Nous proposons dans ce sujet une étude sur le réglage des paramètres pour PSO afin de corriger certains de ces défauts. Nous proposons aussi dans ce sujet d'appliquer les versions d'algorithmes d'optimisation mono-objectifs sur quelque problème d'optimisation tel que traitement d'image (le problème recalage des images médicales).