Segmentation d'images médicales par champs aléatoire de Markov Cachés

dc.contributor.author	Zdira, Meriem
dc.contributor.author	Houari, Kamel
dc.date.accessioned	2018-12-04T04:51:33Z
dc.date.available	2018-12-04T04:51:33Z
dc.date.issued	2011
dc.description.abstract	Les praticiens sont tenus à déterminer le diagnostic de telle ou telle maladies. De ce mémoire, notre objectif est d'isoler d'éventuelles pathologies par le biais de la segmentation, là où nous sont fournis des résultats très encourageants pour améliorer l'accès et l'utilisation médicale du contenu des images; ce qui concerne qu'elle est considéré comme étant le cur de l'imagerie médicale, plusieurs méthodes ont été proposées parmi lesquelles la méthode de champs aléatoire de Markov cachés (HMRF) qu'on a implémenter par les modèles stochastiques comme le recuit simulé, car certaines d'entre elle ont donné de mauvais résultats comme l'algorithme de Gibbs. A vrai dire, la modélisation par certaines des modèles de champs aléatoires de Markov en elles-mêmes n'est pas des modèles de segmentation mais plutôt des modèles statistiques dans lequel on peut intégrer une méthode de segmentation.	ar
dc.identifier.uri	http://hdl.handle.net/123456789/6771
dc.language.iso	fr	ar
dc.publisher	Université Oum El Bouaghi	ar
dc.subject	Algorithme de Gibbs	ar
dc.subject	Image : imagerie médicale	ar
dc.subject	Segmentation : image : Markov	ar
dc.title	Segmentation d'images médicales par champs aléatoire de Markov Cachés	ar
dc.type	Other	ar

Now showing 1 - 1 of 1

Now showing 1 - 1 of 1