Etude Despaces Couleur Pour La Segmentation Et Laide A Lanalyse Dimages Colposcopiques

Author : Alejandro Guzman de Leon
Publisher :
ISBN 13 :
Total Pages : 177 pages
Book Rating : 4.:/5 (896 download)

DOWNLOAD NOW!

Download or read book Étude d'espaces couleur pour la segmentation et l'aide à l'analyse d'images colposcopiques written by Alejandro Guzman de Leon and published by . This book was released on 1997 with total page 177 pages. Available in PDF, EPUB and Kindle. Book excerpt: Sur les images colposcopiques, nous avons constaté le besoin de la manipulation de la couleur pour la reconnaissance des régions d'intérêt au niveau clinique. Nous avons choisi l'analyse en composantes principales (ACP) pour coder et traiter la segmentation de l'image. Nous avons analysé 5 méthodes de regroupement (classement) pour faire la classification dans chacun des 20 espaces de représentation couleur étudiés. Nous avons établi les critères pour fixer les paramètres qui font de notre segmentation en régions une segmentation semi-automatique. Le critère le plus important pour la détermination du meilleur espace de représentation couleur et pour la meilleure méthode de regroupement a été la détection de la région d'intérêt. Nous avons applique nos critères sur 2 groupes d'images (apprentissage et test) de la pathologie Transformation Atypique de Grade 1 (TAG1). Nous avons retenu 3 espaces de représentation couleur et 2 méthodes de regroupement avec différents avantages. Le meilleur espace de représentation couleur a été l'espace Lab qui peut être remplacé par l'espace rgb normalisé si nous voulons épargner du temps de calcul. Le troisième espace couleur retenu est XYZ dont les caractéristiques de linéarité nous ont permis de proposer un espace de représentation, propre à la pathologie. La meilleure méthode de regroupement correspond à la méthode par combinaison taille-centre mobile. La méthode par taille, nous permet de visualiser une approche finale en réduisant le temps de traitement. Nous avons analysé de nouveaux paramètres pour le diagnostic, ces paramètres sont intrinsèques au traitement et correspondent aux valeurs et vecteurs propres de l'image codée. Nous avons eu une excellente projection sur le plan, avec plus de 92% d'inertie expliquée pour n'importe quel espace de représentation couleur retenu. A partir des vecteurs propres nous avons pu reconnaitre une signature pour la pathologie TAGI qui pourra servir d'appui au diagnostic.