Browsing by Author "Slimani, Kahina"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    La gestion budgétaire dans une banque cas de la CNEP-banque de Tizi Ouzou
    (Université Mouloud Mammeri, 2023-11-02) Slimani, Kahina; Benhaida, Yasmine
    Le contrôle de gestion est le processus par lequel les dirigeant s’assurent sur les ressources qui sont acquises et utilisées avec efficacité et efficience afin de réaliser les objectifs des institutions financières. Ce dernier permet aux institutions de prendre des décisions et de contrôler leurs actions et cela est fait à base de plusieurs outils tel que : la gestion budgétaire, le tableau de bord et la comptabilité de gestion…. Le système budgétaire est un mode de gestion prévisionnelle permettant aux responsables de la banque de planifier et de contrôler leurs actions à court terme. En effet, la budgétisation est la première phase de ce système qui permet aux gestionnaires de planifier l’avenir de leur structure. Le contrôle est la dernière phase qui permet de détecter les écarts significatifs qui nécessitent des actions correctives. Dans notre cas, la banque CNEP élabore ses budgets suivant des méthodes et des procédures universelles. Ces budgets présentent des écarts étant donné que les réalisations sont supérieures aux prévisions, cette situation et dû au manque de suivi et du contrôle au sein de la banque.
  • Thumbnail Image
    Item
    Segmentation d'images IRM par une technique basée sur le détecteur multi échelles de Canny
    (Université Mouloud Mammeri, 2010-06-29) Slimani, Kahina
    Dans ce travail, nous présentons une segmentation d’image par résonance magnétique(IRM) basée sur le détecteur multi-échelle de canny. L’objectif visé est d’extraire une tumeur dans une IRM du cerveau d’une femme de 74 ans atteinte d’une tumeur (méningiome frontale). Nous proposons un schéma de représentation multi-échelle en utilisons les maxima d’ondelette.la transformation en ondelette est obtenu par projection orthogonal de l’image sur les espaces affines obtenu à partir de la base d’ondelette, on parle d’espace d’approximation et d’espace de détail. Les valeurs des images d’approximation et de détail sont calculées en utilisons un paramètre de dilatation et un paramètre de translation. Nous utilisons une transformation en ondelette discrète dyadique sans décimation. Ce signifie que le coefficient de dilatation utilisé est 2, l’image résultante est de la même taille que l’image originale. Apres la décomposition multi-échelle, on dispose d’un ensemble d’images d’approximation et d’images de détails. A partir de cette décomposition on calcul le module des images de détails. En extrait ensuite les maxima locaux de ces modules. Ces derniers constituent une décomposition en contours multi-échelle qui peut être traitée par les techniques classiques d’étude de contour. Pour cela nous calculons la décomposition en gradient multi-échelle suivant l’approche de canny. La détection de Canny repose sur une dérivée première d’une gaussienne. Un contour est détecté lorsque le module du gradient est maximal dans la direction du gradient. De plus, avant de calculer le gradient, il est nécessaire de lisser l’image par un noyau de convolution. Ce dernier est la dérivée d’une gaussienne. Le module des coefficients de détails est en relation direct avec le gradient de l’image.les maxima locaux correspondent aux zones de forte transition de l’image. Alors on dispose d’un ensemble de maxima à différentes échelles, l’objectif est de chaîner les contours à travers les échelles pour ne garder que les contours les plus significatifs. Cette méthode est applique aux IRM d’un cerveau sein ainsi que sur des images d’un cerveau atteint d’une tumeur, on comparant les deux résultats en aperçois bien la tumeur.