Compression Et Visualisation D Images M�dicales Par Segmentation

Ce travail constitue une contribution à déférents niveaux en apportant quelques solutions modestes aux problèmes difficiles de l'imagerie médicale. Le premier aspect considéré est l'amélioration de la qualité de ces images. Des traitements sont alors nécessaires pour faire ressortir les structures utiles à l'aide au diagnostic. Nous avons opté pour la segmentation stochastique basée sur un modèle de mélange qui tient compte de la connaissance a priori du nombre de constituants, donnée souvent connue vu la nature des images analysées. La compression du volume de données 3D est aussi étudiée dans ce travail. Une méthode de compression simple et efficace est proposée et évaluée au moyen de critères de qualité subjective et objective. Les résultats obtenus sont encourageants et montrent encore une fois que la réticence quant à l'utilisation des méthodes de compression avec perte dans le cas des images médicales n'est pas très justifiée. Enfin, l'étape de visualisation du volume de données 3D est abordée. Ici, nous nous sommes contentés de l'existant et nous avons sélectionné parmi les méthodes connues celles qui paraissent adaptées à nos exigences : simplicité, rapidité, efficacité.