Browsing by Author "Khial Hocine"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Analyse Fractale De Texture: Application Aux Images Médicales
    (Université Mouloud Mammeri, 2011) Khial Hocine; Lammari Lynda; Bouzeboudja Ouardia
    Le traitement d’image désigne une discipline de l’informatique et des mathématiques appliquées qui étudie les images numériques et leur transformation, dans le but d’améliorer leur qualité ou d’en extraire de l’information. Il a trouvé de nombreuses applications dans : la photographie, l’astronomie, la sécurité, la médecine …etc. Au cours du XXeme siècle la médecine a vu l’apparition d’un nouvel outil qui l’a révolutionnée : imagerie médicale, elle offre une série de plan à deux dimensions (2D) du patient dont l’intensité des pixels représente une propriété physique différente selon les caractéristiques des tissus concernés. Grâce à une meilleure connaissance préopératoire de l’anatomie interne d’un patient, les médecins sont aujourd’hui en mesure d’établir un meilleur diagnostic et de mieux planifier la thérapie la plus appropriée à un cas donné. Notre travail porte principalement sur la description et la caractérisation de la texture du tissu osseux. A pour but l'amélioration des processus d'identification et distinction entre des tissus anatomiques sains et pathologiques, en tenant compte des méthodes d’analyse basées sur les fractales qui est basée sur le calcule de la dimension fractale. Plusieurs techniques de calcul de la dimension fractale sont proposées dans la littérature. Ces méthodes peuvent être groupées en trois classes : . celles basées sur le comptage de boîtes. . celles basées sur le Mouvement Brownien Fractionnaire (FBM). . celles basées sur la mesure des surfaces. La méthode qu on a adopté est celle basée sur le comptage de boîte, elle s’articule autour de trois points essentiels : transformation d'une image couleur ou niveau de gris en image binaire (par le seuillage), partitionner l’image binaire en block ou carré réguliers de coté r fixe et refaire la partition de l’image pour différentes taille de r , et a chaque fois calculer le nombre de block pleine (N), faire la régression linaire pour le graphe log(N) en fonction de log(1/r), et enfin l’ estimation de la dimension fractale qui correspond à la pente de graphe.