Projet de fin d'étude : Reconstruction et classification en imagerie médicale par application de la théorie des moments et Deep learning

Etudiant : MAJID SOUKAINA

Filière : Master Microélectronique, Signaux et Systèmes (2ME2S)

Encadrant : Pr. AUTRE

Annèe : 2022

Résumé : Le travail proposé dans ce mémoire s’intéresse à l’utilisation des moments orthogonaux discrets en analyse d’image. Pour ce faire, nous nous focalisons sur les types les plus connus au niveau des moments orthogonaux discrets : Tchebichef, Krawtchouk, Hahn et Dual Hahn, une large description pour chacun de ces moments proposés sera présentée. Après nous évaluons la qualité du pouvoir de reconstruction pour les moments de Tchebichef et de Krawtchouk. ce mémoire s’intéresse aussi à l’utilisation des moments orthogonaux discrets quaternaire en analyse d’image couleur. En effet, si l'analyse des images niveaux de gris par la méthode des moments a été bien étudié en littérature, l'analyse des images couleur est restée à l'écart. Jusqu'à l'introduction de l'algèbre des quaternions. cet algèbre a permis une nouvelle représentation de la couleur des images par la méthode des moments. Ainsi, nous nous focalisons sur les moments orthogonaux discret quaternaire de Tchebichef et de Krawtchouk. La notion des moments quaternions a été introduite pour tenir compte de la couleur des images directement dans l'expression des moments. Les réseaux de neurones sont un ensemble d’algorithmes dont le fonctionnement est inspiré des neurones biologiques, Ces réseaux ont été développés pour résoudre des problèmes de : contrôle, de reconnaissance de formes ou de mots et de décision, Dans ce travail on a utilisé un nouveau type de réseaux de neurones qui est le réseau de neurone convolutif pour la classification des images du base Breast tumor.