Ministère de l'Enseignement Supérieur et de la Recherche Scientifique

Centre de Recherche
en Technologies Industrielles CRTI

crti

Equipe 10 : Segmentation d’images

Chef d'équipe :

Directeur de Recherche

Membres d'équipe :

Attaché de Recherche
Maitre de Recherche Classe « B »
Attaché de Recherche

Projets de l'équipe :

1- Segmentation d’images micrographiques: Logiciel interactif pour la mesure des grains


La segmentation automatique des images est une étape cruciale pour de nombreux systèmes de traitement de l’information. A titre d’exemples, on peut citer : les systèmes de vision, d’imagerie (médicale,  astrophysique,..), de contrôle non destructif et bien d’autres encore.

Afin de développer de nouveaux matériaux dans un laboratoire de recherche, les systèmes de microscope numérique sont la base de l’application. Ils doivent être adaptés à la fois aux experts et aux débutants, offrir des modules spécifiques à l'application et s'adapter facilement aux  spécifications de tests internes et aux nouvelles normes.

Les paramètres fondamentaux qui constituent la base de chaque mesure incluent la surface, les angles, le périmètre, le diamètre, le centre de gravité et beaucoup d'autres. On doit souvent déterminer de manière interactive quelles mesures doivent être acquises et  dans quel ordre.              Un module de mesure interactif doit donc offrir un grand nombre de paramètres à sélectionner.

La  Norme Internationale ISO 643 spécifie une méthode de détermination micrographique de la grosseur apparente du grain ferritique ou austénitique des aciers. Elle décrit les méthodes de mise en évidence des joints de grains et d’estimation de la grosseur moyenne de grain d’un échantillon ayant une distribution granulométrique unimodale.

Le logiciel interactif que nous envisageons de réaliser  sera fonctionnel sous Matlab et sera simple à utiliser. Ce logiciel regroupera les fonctions de segmentation d’images en utilisant les ensembles de niveaux. On déterminera ainsi la grosseur des grains, la répartition des phases, la direction de glissement, etc.


2- Segmentation d’images radiographiques : Méthodes Bayésiennes Non paramétriques


La segmentation automatique des images est une étape cruciale pour de nombreux systèmes de traitement de l’information. A titre d’exemples, on peut citer : les systèmes de vision, d’imagerie (médicale,  astrophysique,...Lire la suite


Productions scientifiques :

Publications


HALIMI Mohammed, RAMOU Naim, Segmentation of welding defects using level set methods, Journal of Electrical Engineering & Technology , Volume 7 , Issue 6 , 2012 , pp 1001-1008.
Zoubeida MESSALI, Nabil CHETIH, Amina Serir, and Abdelwahhab Boudjelal, A Comparative Study of Analytical,Iterative and Bayesian Reconstruction Algorithms in Computed Tomography(CT), International Journal of Computer and Communication Engineering , Volume 1 , Issue 3 , 2012 , pp 222-226.
A. Kaddaï, M. Halimi, Low-Complexity Wideband LSF Quantization Using Algebraic Trellis VQ, IEICE Transactions on Information & Systems , Volume E92-D , Issue 12 , 2009 , pp 2478-2486.

Communications


Equipes

Divisions