Gestion et contrôle des connaissances dans un système multi-agents dédié à l'analyse d'images

Abstract

Dans ce mémoire, nous avons présenté une étude bibliographique des techniques d’analyse d’images, en se basant sur celles de segmentation d’images avec les différentes approches (contour et région). D’après cette étude, nous avons remarqué qu’aucune approche (contour et région) ne peut toute seule, garantir la résolution du problème de la segmentation. La solution serait de combiner différentes approches de segmentation d’images et de prétraitements, en exploitant les avantages de certaines méthodes pour pallier les inconvénients des autres. Ces techniques appelées « méthodes coopératives » constituent la tendance actuelle dans la segmentation d’images. La complexité de la gestion et le contrôle des connaissances dans les algorithmes classiques (séquentiels) nous a amené à utiliser une approche très connue dans le domaine de l’intelligence artificielle distribuée (IAD) c’est les systèmes multi-agents (SMA). En utilisant une plate-forme de parallélisation (PVM: Parallèle Virtual Machine), la gestion des informations sera très souple et la coopération sera très fructueuse ; chaque agent sera chargé d’une tâche bien définie et coopéra avec les autres agents pour le compte de l’application globale. Nous avons appliqué cette approche pour l’analyse d’images et plus particulièrement pour la segmentation coopérative.