Introduction générale

Introduction générale:
La fusion d’images permet d’améliorer ou d’accroître la connaissance sur des points, des régions, ou des structures dans les images. L’objectif majeur et particulièrement dans le domaine médical, est l’aide à la compréhension et l’interprétation des images par les médecins. Afin que deux images puissent être correctement fusionné, il faut les recaler, c'est-à-dire déterminer les pixels ou régions, d'une image (image source) qui correspondent aux mêmes points ou aux mêmes régions de l'autre image (image référence). Le recalage est alors déterminant pour le processus de la fusion. Les méthodes de recalage tant nombreuses sont classées selon des approches dépendant de différents éléments de classification. Notre projet porte sur l’étude d’une méthode de recalage particulièrement des images IRM cérébrales. Ce mémoire se propose de présenter les techniques d’imagerie médicale les plus utilisées, d’explorer et d’étudier les techniques de recalage, et de développer une méthode de recalage pour l’implémenter ensuite tout en utilisons des images IRM cérébrale. Dans le premier chapitre, on introduit les principales modalités d’images médicales, le deuxième chapitre traite le recalage d’image et les éléments de classification des méthodes de recalage. On s’intéresse particulièrement au recalage spatial. Dans le chapitre trois on présente les transformations géométriques et les mesures de similarités qui constituent les deux éléments essentiels du recalage. Le chapitre quatre est consacré au développement de notre méthode de recalage adapter à travers une approche hybride. Celle-ci découle d’utilisation a la fois de primitives points et de calcul de mesure de similarité tout en utilisons la transformation géométrique similitude. L’implémentation de cette méthode est présentée dans le dernier chapitre. Une conclusion présentait ce qui a été fait et acquis et donnant les grandes lignes de suite de notre projet en perspective termine notre mémoire. d’images médicales et

1

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.