UNE APPROCHE BIOMIMETIQUE POUR LA SEGMENTATION D'IMAGES

  • DJEROU LEILA
  • BATOUCHE MOHAMED

Résumé

Dans ce papier, nous proposons un système à base d’agents réactifs capable de segmenter des images en niveau de gris. Dans
cette approche nous avons combiné le mécanisme de stigmergie qualitative observé chez les insectes sociaux avec un autre
type de comportement d’essaim qui est l’Optimisation par l'Essaim de Particules (OEP). Les agents se déplacent sur l’image en
construisant des régions homogènes ; par le regroupement des pixels connexes présentant une certaine similarité, sous une
même marque. La formation d’une région commence à partir d’un pixel appelé pixel germe, puis sa croissance suit un
processus itératif de regroupement des pixels voisins et connexes vérifiant un critère d’homogénéité. Le choix du pixel germe
et l’estimation locale de l’homogénéité de la région sont traités par l’OEP, cependant, le contrôle du processus de construction
de la région est réalisé par le mécanisme stigmergique. Les expérimentations ont été menées sur des images variées, pour
montrer les caractéristiques de cette approche et présenter les résultats obtenus.

Références

[1] F. Bellet, Une approche incrémentale, coopérative et
adaptative pour la segmentation des images en niveau
de gris'', Institut National Polytechnique de Grenoble,
France, Thèse de doctorat, Juin Paris,1998.
[2] E. Bonabeau, G. Théraulaz, Intelligence collective,
Hermès, Paris, 1994.
[3] E. Bonabeau., M. Dorigo, G. Theraulaz Swarm
Intelligence: From Natural to Artificial Systems, New
York, Oxford University Press, 1999.
[4] C. Bourjot V. Chevrier, A. Bernard, B. Krafft,
Coordination par le biais de l’environnement : une
approche biologique, In, actes des 7èmes JFIADSMA,
St Gilles les Bains, pp 237-250 Hermes, 1999.
[5] C. Bourjot, V. Chevrier, and V. Thomas, A new
swarm mechanism based on social spiders colonies:
from web weaving to region detection. Web
Intelligence and Agent Systems, 1(1): 47-64, IOS
Press, Amsterdam, The Netherlands, 2003.
[6] S.A. Brueckner, Return from the Ant: Synthetic
Ecosystems for Manufacturing Control. Ph.D.Thesis at
Humboldt University Berlin, Department of Computer
Science, 2000. .
[7] O.H. Bruinsma, An analysis of building behaviour of
the termite Macrotermes subhyalinus (Rambur).
Thesis, Landbouwhoge school, Wageningen, 1979.
[8] O. Buffet, A. Dutech et F. Charpillet, Etude de
différentes combinaisons de comportements
adaptatives. Revue d'Intelligence Artificielle, RIA,
volume 20(2-3), 2006.
[9] J.P. Cocquerez, S. Philip, Analyse d’images: Filtrage
et segmentation, Masson Paris, 1995.
[10] L Djerou, N Khelil, M. Batouche, Une approche
adaptative pour la segmentation d'image, PP-211- 216
TAIMA2007, Hammamet, Tunisie,. ISBN: 978-9973-
61-802-3.
[11] L. Djerou, N. Khelil, M. Batouche, A. Zerarka, Vers
les meilleurs points d’interpolation en utilisant
l’approche PSO. Meta’06, Hammamet, Tunisie.
Novembe 2006.
[12] L. Djerou, M. Batouche, Résolution collective du
problème du segmentation, Courrier du Savoir- N°04,
JUIN 2003, PP-89-94, ISSN-1112-3338.
[13] P.P. Grassé, La construction du nid et les
coordinations interindividuelles chez Bellicositermes
natalensis et Cubitermes sp. La théorie de la
stigmergie : essais d’interprétation du comportement
des termites constructeurs, Ins. Soc. , 6 : 41-84. 1959.
[14] J. Kennedy, R.C. Eberhart, Y. Shi, Swarm
Intelligence, San Francisco, Morgan Kaufmann, 2001.
[15] J. Liu, Y.Y. Tang,: Adaptive image segmentation
with distributed behavior based agents, in: IEEE
Transactions on Pattern Analysis and Machine
Intelligence, Vol. 21, No. 6, pp 544-551, 1999.
[16] J.P. Mano, C. Bourjot, G. Leopardo, P. Glize,
Bioinspired mechanisms for artificial self-organised
systems. Informatica, Ljubljana, Slovenia. In press,
2005.
[17] T.Mirzayans, N.Parimi, P.Pilarski, C.Backhouse,
L.W.Scott, P.Musilek, A swarm-based system for
object recognition, ICS AS CR, pp243-254, 2005.
[18] J.P. Müller, Emergence of Collective Behaviour and
Problem Solving. Engineering Societies in the Agents
World - 4th International Workshop (ESAW 2003).
[19] S.Ouadfel, M.Batouche, An Efficient Ant Algorithm for
Swarm-Based Image Clustering, Journal of Computer
Science 3 (3): pp 162-167, 2007.
[20] N.R. Pal, S.K. Pal, A review on image segmentation
techniques, Pattern Recognition 9(26):pp 1277–1294,
1993.
[21] V.Ramos, F.Almeida, Artificial Ant Colonies in
Digital Image Habitats - A Mass Behavior Effect Study
on Pattern Recognition, Second International
Workshop on Ants Algorithmes, Ants2000, Bruxelles,
2000.
[22] V. Rodin., A. Benzinou, A. Guillaud, P. Ballet, F.
Harrouet, J. Tisseau, J. Le Bihan. An immune
oriented multi-agent system for biological image
processing Pattern Recognition, 37 (2004) 631 – 645.
[23] R.H Turi, Clusterion-Based color Image
Segmentation, PhD Thesis. Monash University,
Australia, 2001.
[24] C.White, G.Tagliarini, S.Narayan, “An algorithm
for swarm-based color image segmentation”, in Proc.
IEEE Southeast Conf, Greensboro, North Carolina,
USA, IEEE Press, pp. 84-89, March 26-28 2004.
[25] X. Zhuang, N. E. Mastorakis, "Image processing
with the artificial swarm intelligence", in WSEAS
Transactions on Computers, Issue 4, Vol.4, PP. 333-
341, ISSN 1109-2750, April 2005.
Comment citer
LEILA, DJEROU; MOHAMED, BATOUCHE. UNE APPROCHE BIOMIMETIQUE POUR LA SEGMENTATION D'IMAGES. Courrier du Savoir, [S.l.], v. 9, mai 2014. ISSN 1112-3338. Disponible à l'adresse : >http://revues.univ-biskra.dz/index.php/cds/article/view/492>. Date de consultation : 14 jui. 2020
Rubrique
Articles