Segmentation d'images par approches multi-agents

La segmentation d’images permet le partitionnement d'une image en régions, où chaque région est constituée d'un ensemble de composantes connexes, son but est l'extraction des informations pertinentes des objets afin de permettre leurs interprétations. Elle reste un problème posé, jusqu’en ce moment il n’existe pas une méthode automatique permettant la segmentation d’une image de manière efficace et cela malgré la multiplicité d’approches. Dans ce travail, nous proposons un système de segmentation d’images implémenté dans un environnement multi-agents baptisée SIMA. Ce système procède à la segmentation d’images en deux étapes: une étape de pré-segmentation qui consiste à faire une classification FCM suivi d’un étiquetage de l’image. Une autre étape de réajustement et comprenant deux phases: la première consiste à éliminer les fausses régions (PEFR) et la deuxième consiste à réajuster les contours en réaffectant leurs pixels aux régions de l’image (PRPC).