Résumé:
L'algorithme C-moyennes floues (FCM) est une approche flexible largement utilisée dans la
segmentation automatique d'images, en particulier dans le domaine de la segmentation des
tissus cérébraux d’IRM 3D, où il traite du problème des effets de volume partiel. Afin
d'améliorer sa robustesse à la détérioration de l'image classique, à savoir le bruit et les
artefacts dus à l’inhomogénéité du champ, qui se posent dans le processus d'acquisition des
IRM, nous vous proposons d'intégrer dans la segmentation FCM le concept inspiré par le
cadre non-local (NL), initialement défini et considéré dans le cadre de la restauration de
l'image. Les contributions algorithmiques clés de ce mémoire sont la définition d'un terme
d’attache de données non locales NL et un terme de régularisation NL pour gérer
efficacement l'intensité inhomogénéités et le bruit dans les données. La nouvelle
formulation de l'énergie qui en résulte est ensuite intégrée dans un algorithme de
segmentation de tissus cérébraux : FCM-NLR. Des expériences effectuées sur des images
IRM synthétiques, ce qui conduit à la classification des tissus cérébraux en matière grise
(MG), matière blanche (MB) et liquide céphalorachidien (LCR), indiquent une amélioration
significative de la performance dans le cas des niveaux de bruit élevés.
