Une approche co-évolutionnaire proie-prédateur pour le ré-haussement d’images

Introduction Générale
Chapitre 1: Les Écosystèmes
1. Introduction
2. Les écosystèmes naturels
2.1 L’écologie
2.2 L’écosystème et ces composants
2.3 Quelques principes écologiques
2.4 Caractéristiques des populations
2.5 Diversité des écosystèmes
2.6 La complexité des écosystèmes
2.7 Co-évolution
2.8 Les interactions entre les populations
2.8.1 Compétition
2.8.2 Prédation
2.8.3 Parasitisme
2.8.4 Symbiose ou Mutualisme
2.8.5 Autres
3. Les écosystèmes artificiels
3.1 Un peu d’historique
3.2 Simulation SMA et écologie
3.3 Quelques plates-formes de simulation des écosystèmes
3.4 Exemple d’écosystème artificiel : le modèle « Prédateur/Proie »
3.4.1 Les équations du modèle
3.4.2 Réponse fonctionnelle et Réponse numérique
3.4.3 Exemples d’application du modèle Prédateur/Proie
4. Conclusion
Chapitre 2 : Les Algorithmes Évolutionnaires Et Co-Évolutionnaires
1. Introduction
2. La résolution des problèmes complexes
2.1 Définition d’un problème complexe
2.2 Les propriétés d’un problème complexe
2.3 L’apport de la biologie en informatique
2.4 Les stratégies de résolution des problèmes complexes
2.4.1 Les stratégies Hill-climbing
2.4.2 Le Recuit Simulé
2.4.3 La recherche Tabou
2.4.4 Les algorithmes évolutionnaires
2.4.5 Les systèmes immunitaires artificiels
2.4.6 Optimisation par colonies de fourmis
2.4.7 Optimisation par essaim de particules
3. La vie artificielle
4. Les algorithmes évolutionnaires
4.1 Principe de base
4.1.1 L’initialisation
4.1.2 Evolution
4.1.3 Sélection
4.1.4 L’évaluation
4.1.5 Recombinaison
4.1.6 Mutation
4.1.7 L’arrêt
4.2 Les algorithmes génétiques
4.3 La programmation évolutionnaire
4.4 Les stratégies d’évolution
4.5 La programmation génétique
5. Les algorithmes co-évolutionnaires
5.1 Pourquoi les ACEs ?
5.2 Principe de fonctionnement
5.3 Les algorithmes co-évolutionnaires compétitifs
5.4 Les algorithmes co-évolutionnaires coopératifs
5.5 L’application des ACEs pour la résolution des problèmes complexes
6. L’algorithme PSO et l’extension PPO
6.1 L’algorithme PSO
6.1.1 Principe de fonctionnement
6.1.2 Comparaison entre PSO et les algorithmes génétiques
6.1.3 Les extensions de PSO
6.1.4 La topologie de voisinage
6.2 L’algorithme PPO
6.2.1 Motivations de cet algorithme
6.2.2 Principe de fonctionnement
7. Conclusion
Chapitre 3: Introduction Au Traitement D’images
1. Introduction
2. Notions de base
2.1 Définition d’une image
2.2 Les images numériques
2.3 Codage des images numérique
2.3.1 L’image matricielle (ou image bitmap)
2.3.2 L’image vectorielle
2.4 Définition et résolution
2.5 Avantages et inconvénients de l’image numérique
2.6 Format d’image en mémoire
2.6.1 Images Noir et blanc (monochromes)
2.6.2 Images couleur
2.7 Les formats d’image
2.8 L’histogramme d’une image
2.9 Connexité dans les images
2.9.1 Voisinage d’un pixel
2.9.2 Connexité
2.9.3 Distances entre pixels
2.10 Le bruit dans une image
3. Traitement d’images
3.1 Restauration
3.2 Binarisation d’une image
3.3 Segmentation
3.4 Analyse
3.5 Compression
3.6 Recalage
3.7 Filtres de convolution
3.7.1 Définition d’un filtre
3.7.2 Les différents types des filtres
3.8 Amélioration d’images
3.8.1 Modification d’histogramme
3.8.2 Réhaussement de contraste
4. Le traitement d’images et les algorithmes évolutionnaires
5. Le traitement d’images et les algorithmes co-évolutionnaires
6. Conclusion
Chapitre 4 : Application Du PSO Et PPO Au Réhaussement D’images
1. Introduction
2. Formulation du problème
2.1 La fonction de transformation
2.2 La fonction de fitness
2.2.1 Le détecteur de bords ‘Sobel’
2.2.2 Calcul de l’entropie
3. L’application de PSO et PPO pour le réhaussement de contraste
3.1 Choix des paramètres
3.2 Les étapes de l’algorithme PSO
3.3 Les étapes de l’algorithme PPO
4. Résultats expérimentaux et discussion
Conclusion Et Perspectives
Bibliographie

Chapitre 1: Les Écosystèmes

1. Introduction
Les relations entre les individus d’une population ou des populations différentes au sein d’un écosystème sont une source d’inspiration pour la résolution des problèmes complexes, où les méthodes exactes ne peuvent pas aboutir à des solutions. Pour cette raison, on a choisi  d’expliquer d’abord, dans ce chapitre, le concept d’écosystème naturel, ses composants, sa  dynamique évolutionnaires ainsi que les relations entre ses composants. Ensuite, on présente comment ces systèmes naturels complexes sont simulés et sont devenus une source d’inspiration pour plusieurs travaux en mathématique et informatique. Enfin, on va présenter un des écosystèmes largement utilisés dans les mathématiques ainsi qu’en informatique, entre autre le système prédateur-proie, qui est la base de notre travail.

2. Les écosystèmes naturels
2.1 L’écologie
Le domaine de l’écologie a vécu ces dernières années quelques évolutions. Le mot aurait été employé pour la première fois en 1858 par un écrivain naturaliste américain (dont l’histoire n’a pas retenu le nom), mais généralement, c’est au biologiste allemand Ernest Haeckel (1866) qu’on attribue la première introduction du mot « Ecologie » dans le langage scientifique [Web 1]. Haeckel définit ce terme comme suit :
« Par Ecologie nous entendons la science des relations des organismes avec le monde extérieur, dans lequel nous pouvons reconnaître d’une façon plus large les facteurs de la ‘‘lutte pour l’existence’’. Ceux ci sont en partie de nature inorganique. Sous le nom de conditions d’existence, nous comprenons aussi l’ensemble des relations des organismes les uns avec les autres, relations soit favorables soit défavorables » [Davi 2002]

Etymologiquement, le mot « écologie » dérive des racines grecques « OIKOS » qui signifie « habitat » et « LOGOS » qui signifie « la science », donc il se traduit littéralement par « Science de l’habitat »[Web1].
Contrairement à l’éthologie qui ne s’intéresse qu’au comportement, l’écologie pose donc la relation au milieu comme constitutive de la discipline. Comme les organismes, populations et peuplements modifient le milieu, on parlera de l’écosystème, système d’interactions entre l’ensemble des populations et de celles-ci avec leur milieu. L’écologie se place dans le cadre de la théorie générale des systèmes que ses chercheurs [Le Moigne 1989] présentent comme une théorie de l’interaction entre des parties d’où émergent des propriétés :
« le tout est plus que la somme des parties » [Bousquet 2001]…

Une approche co-évolutionnaire proie-prédateur pour le ré-haussement d'images

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *