Afficher la notice abrégée
dc.contributor.author |
MOHAMMEDI, Maha |
|
dc.contributor.author |
KOUDRI, Fatna |
|
dc.date.accessioned |
2021-09-06T14:39:58Z |
|
dc.date.available |
2021-09-06T14:39:58Z |
|
dc.date.issued |
2021 |
|
dc.identifier.uri |
http://dspace.univ-msila.dz:8080//xmlui/handle/123456789/25453 |
|
dc.description.abstract |
La segmentation d’images est une étape préliminaire et fondamentale dans l’analyse d’images d’imagerie par résonance magnétique (IRM) assistée par ordinateur. Mais les performances de la plupart des méthodes de segmentation d’images actuelles sont facilement dépréciées par le bruit dans les images IRM. Une segmentation précise et antibruit des images IRM est souhaitée dans le diagnostic d’image médicale moderne. Certaines méthodes statistiques couramment utilisées basées sur le modèle de champ de Markov Dans nos mémoire présente une segmentation des images IRM cérébrale qui le champ aléatoire de Markov (MRF), pour une image de bonne qualité avec des caractéristiques et des zones claires. |
en_US |
dc.language.iso |
fr |
en_US |
dc.publisher |
univ msila |
en_US |
dc.subject |
Image segmentation, modèle de champ de Markov, MRI |
en_US |
dc.title |
Segmentation d’image IRM cérébrale en utilisant l’intensité et l’information contextuelle par le champ aléatoire de Markov |
en_US |
dc.type |
Thesis |
en_US |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée