Technologies de l’Information pour la Santé

11H

L'objectif de ce cours est d'introduire les méthodes bayésiennes classiques de segmentation supervisée des images basées sur les modélisations de Markov cachées (champs, chaînes, arbres).

• Présenter les principales méthodes d'estimation des paramètres permettant la segmentation non supervisée des images.
• Introduire une extension des modèles de Markov cachés aux modèles de Markov couple et triplet.
• Présenter les notions de bases de la fusion évidentielle et son intérêt pour la segmentation des images multi-senseurs.

Des exercices et manipulation des algorithmes dans le cadre des enseignements. Le cours vise à acquérir les compétences suivantes :

• Aptitude à déterminer et mettre en œuvre la meilleure méthode statistique de segmentation d'images en fonction du type d'application considérée.
• Savoir de base pour élaborer un algorithme de segmentation non supervisée des images.
• Capacité à suivre l'évolution du domaine.

Retourner à Tronc Commun

Retourner à Formation