Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Segmentation par Croissance de Région
Technique qui part de points de départ (graines) et agrège les pixels voisins selon des critères de similarité (couleur, texture, intensité) pour former des régions homogènes.
Segmentation par Fusion de Régions
Approche qui commence par une sur-segmentation initiale (par ex. en quadrillage) et fusionne itérativement les régions adjacentes les plus similaires selon un critère prédéfini.
Watershed
Algorithme de segmentation qui traite l'image comme un relief topographique, en inondant les bassins à partir de marqueurs pour délimiter les frontières entre les régions.
SLIC (Simple Linear Iterative Clustering)
Algorithme de sur-segmentation qui génère des superpixels compacts et quasi-réguliers en adaptant K-Means à un espace 5D (CIELAB + coordonnées x,y) avec une pondération distance-couleur.
Espace des Caractéristiques (Feature Space)
Représentation multidimensionnelle où chaque pixel est un vecteur de ses attributs (ex: RGB, Lab, texture), sur laquelle les algorithmes de clustering opèrent pour la segmentation.
Critère de Ward
Méthode de liaison pour le clustering hiérarchique qui minimise la variance totale intra-cluster en fusionnant à chaque étape les deux clusters qui provoquent la plus faible augmentation de cette variance.
Sur-segmentation
Phénomène où un algorithme de clustering produit un nombre excessif de segments, souvent plus fins que les objets d'intérêt réels dans l'image, nécessitant une étape de fusion ultérieure.
Segmentation par Noyaux (Kernel-based Segmentation)
Approche de clustering qui utilise des fonctions noyau pour projeter les pixels dans un espace de plus grande dimension où les clusters non-linéairement séparables deviennent linéairement séparables.