Déploiement sur une plate-forme de visualisation d'un algorithme coopératif pour la segmentation d'images IRM autour d'un système multi-agents

The aim of this work is to deploy a segmentation system of magnetic resonance images (MRI) on a visualization platform "BrainVISA". The segmentation concern the classification of the brain into three regions : white matter, grey matter and cerebro-spinal fluid. There are several image segmentation algorithms ; each one with its advantages and its operational limits. In this work, we use two types of algorithms : The FCM (Fuzzy C-Mean) algorithm which uses the whole image and permits to manage imprecision and incertitude, and the region growing algorithm which takes account pixels neighbourhoods. The aim is to exploit the advantages of each method. The two segmentation methods are used in a cooperative way. The region growing predicate is adapted to our images in order to improve the segmented image quality. The implementation is then based on a multi-agents system (MAS) that allows to use efficiently the region growing algorithm. The segmentation is carried out on real images.L'objectif de ce travail est le déploiement d'un système de segmentation d'images de résonance magnétiques (IRM) sur la plateforme de visualisation "BrainVISA". La segmentation vise à classifier le cerveau en trois régions : la matière blanche, la matière grise et le liquide céphalo-rachidien. Il existe plusieurs algorithmes de segmentation d'images, chacun possédant ses avantages et ses limites d'utilisation. Dans ce travail, nous utilisons deux types d'algorithmes : la FCM (Fuzzy C-Mean) qui étudie l'image dans sa globalité et permet de modéliser l'incertitude et l'imprécision et, la croissance de régions qui tient compte des relations de voisinage entre pixels ; le but étant de tirer partie des avantages de chacun. Les deux méthodes de segmentation sont utilisées de manière coopérative. Les prédicats de la croissance de régions sont adaptés à nos images afin d'améliorer la qualité de l'image segmentée. Une implémentation est alors mise en oeuvre autour d'un système multi-agents (SMA), qui permet d'utiliser l'algorithme de croissance de régions de manière plus efficace. La segmentation est réalisée sur des images réelles