%0 Conference Proceedings %T Segmentation d'images sonar par matrice de co-occurrence %+ Laboratoire Image et Reconnaissance de Formes - Systèmes Intelligents et Communicants (IRF-SIC) %+ IRF - SIC, Faculté des Sciences, Université Ibn Zohr, Agadir %+ Lab-STICC_ENSTAB_MOM_PIM %+ Lab-STICC_ENSTAB_CID_TOMS %A Iggane, Mbark %A Mammass, Driss %A Khenchaf, Ali %A Cexus, Jean-Christophe %< avec comité de lecture %( 5th International Conference : Sciences of Electronics, Technologies of Information and Telecommunication %B 5th International Conference : Sciences of Electronics, Technologies of Information and Telecommunication %C Hammamet, Tunisia %P 5 pages %8 2009-03-22 %D 2009 %K Texture %K matrice de co-occurrence %K K-means %K sonar %Z Engineering Sciences [physics]/Signal and Image processing %Z Computer Science [cs]/Signal and Image ProcessingConference papers %X L'automatisation de la détection et de l'identification des objets reposant sur les fonds marin est réalisée grâce à une analyse de la forme de l'ombre acoustique que produise ces objets sur les images sonar. Par conséquent, une première étape de segmentation s'avère indispensable car elle conditionne la qualité de l'interprétation qui va suivre. A cette fin, nous proposons dans ce papier d'effectuer une segmentation de l'image sonar en 2 classes : le fond et l'ombre de l'objet. La méthode adoptée pour segmenter ce type d'image repose sur l'analyse statistique de la texture couplée à une classification par la méthode de k-means. Ceci consiste, dans un premier temps, à faire parcourir l'image sonar par une fenêtre glissante, et à calculer les paramètres de texture en chaque pixel, en utilisant une méthode d'extraction des caractéristiques comme les matrices de co-occurrence, afin d'obtenir les vecteurs caractéristiques de l'image. La répartition des ces vecteurs en utilisant l'algorithme de k-means en 2 classes permet de classer les pixels de l'image comme faisant partie ou non de l'ombre produit par l'objet. %G French %2 https://ensta-bretagne.hal.science/hal-00839586/document %2 https://ensta-bretagne.hal.science/hal-00839586/file/Segmentation_image_sonar_coocurrence_SETIT09_tunisia_mars22_26.pdf %L hal-00839586 %U https://ensta-bretagne.hal.science/hal-00839586 %~ UNIV-BREST %~ INSTITUT-TELECOM %~ ENSTA-BRETAGNE %~ CNRS %~ UNIV-UBS %~ ENSTA-BRETAGNE-STIC %~ ENIB %~ LAB-STICC_ENIB %~ LAB-STICC %~ INSTITUTS-TELECOM