Le phénomène d’émergence et l’informatique

♣ Contenu du memoire

Chapitre 1. introduction générale.
1.1 Contexte de l’étude : la vision par ordinateur
1.2 La segmentation d’images
1.3 Motivations
1.4 Résolution de problèmes par émergence
1.5 Contributions
1.6 Structure et contenu de la thèse
Chapitre 2. Le phénomène d’émergence et l’informatique
2.1 Introduction
2.2 Caractérisation d’un phénomène émergent
2.3 L’auto-organisation comme technique d’émergence
2.3.1 Définitions
2.3.2 Les mécanismes de l’auto-organisation
2.4 L’intelligence en essaim
2.5 Emergence et systèmes artificiels collectifs
2.5.1 Algorithmes évolutionnaires et algorithmes génétiques
2.5.2 Les réseaux de neurones
2.5.3 Algorithmes à essaims de particules
2.5.4 Les algorithmes de fourmis artificielles
2.6 Conclusion
Chapitre 3. Les Fourmis artificielles
3.1 Introduction
3.2 Généralités sur les fourmis
3.3 Quelques concepts de base
3.4 Les algorithmes de fourmis artificielles pour l’optimisation combinatoire
3.4.1 Inspiration biologique : le fourragement collectif par stigmergie
3.4.2 Les expériences
3.4.3 Modèles de fourragement pour la résolution des problèmes d‘optimisation
3.4.4 Autres domaines d’application
3.4.5 La métaheuristique « optimisation par les colonies de fourmis »
3.5 Les algorithmes de fourmis artificielles pour la classification automatique
3.5.1 Inspiration biologique
3.5.2 Modèles du tri du couvain et application à la classification de données
3.5.3 Autres domaines d’application
3.5.4 Autres sources d’inspiration
3.6 Conclusion
Chapitre 4. La segmentation d’images
4.1 Introduction
4.2 La vision artificielle
4.3 Architecture typique d’un système de vision
4.4 Techniques de segmentation
4.4.1 Détection de contours
4.4.2 Détection de régions homogènes
4.4.3 Les méthodes de  classification
4.4.4 Les méthodes de segmentation biomimétiques
4.5 Méthodes d’évaluation des résultats de segmentation en régions
4.5.1 Evaluation par comparaison avec une segmentation de référence
4.5.2 L’évaluation se référant à l’image originale
4.6 Conclusion
Chapitre 5. Des fourmis pour la classification automatique des images
5.1 Introduction
5.2 L’algorithme AntClust
5.2.2 L’environnement des fourmis
5.2.3 Les fourmis et leurs comportements
5.3 Etude expérimentale
5.3.1 Les images de test
5.3.3 Les mesures d’évaluation
5.3.4 Comparaison des résultats
5.3.5 Les résultats
5.3.6.Conclusion
Chapitre 6. Résolution collective de la segmentation par relaxation Markovienne
6.1 Introduction
6.2 Motivations
6.3 Segmentation d’images par classification markovienne
6.3.1 Modélisation des observations
6.3.2 Modélisation des connaissances a priori
6.3.3 L’énergie totale
6.4 Transposition de OCF à la segmentation d’images par relaxation Markovienne
6.4.1 Le modèle de représentation
6.4.2 Comportement individuel de la fourmi
6.4.3 Le modèle de coopération entre les fourmis
6.4.4 La construction de partitions
6.5 Résultats expérimentaux
6.5.1 Etude de la convergence
6.5.2 Etude de la robustesse
6.6 Conclusion
Chapitre 7. Conclusion générale.
Perspectives
Annexe A
Modélisation Markovienne pour la segmentation d’images
Annexe B
Nos publication
Bibliographie