RESOLUTION COLLECTIVE DU PROBLEME DE SEGMENTATION
Résumé
L'un des buts de l'intelligence collective est la conception de systèmes artificiels adaptatifs, décentralisés, flexibles et robustes
inspirés des phénomènes collectifs en biologie et qui soient capables de résoudre des problèmes. Plusieurs modèles inspirés des
insectes sociaux ont été élaborés et utilisés pour effectuer la résolution de problème. Chez les insectes sociaux, le
comportement collectif qui émerge des comportements simples des individus est nommé intelligence en essaim.
Dans ce papier nous proposons une approche pour segmenter une image, en suivant le principe de l’incrémentalité ; les régions
sont construites à partir du modèle incrémental de croissance de région, mais selon une direction de vie artificielle, en
cherchant à mettre en oeuvre une flexibilité plus grande. Nous allons adapter une des technologies clefs de la vie artificielles
qui est basée sur les techniques d'intelligence en essaim, et employer une grande population d’agents simples de faible
granularité qui coordonnent leurs activités avec des interactions stigmergiques. En utilisant la phéromone artificielle, les agents
s'organisent dynamiquement autour des régions homogènes. L’approche a été appliquée sur quelques images les résultats sont
encourageants.
MOTS CLES : Segmentation d’image, Vie artificielle, Emergence, Intelligence en essaim, Stigmergie, Phéromone, Agents
réactifs.
Références
adaptative pour la segmentation des images en niveau
de gris. Thèse de doctorat, Institut National
Polytechnique de Grenoble, France, juin 1998.
2. E. Bonabeau, G. Theraulaz, Intelligence collective,
Hermès, Paris, 1994.
3. E. Bonabeau, M. Dorigo, G. Theraulaz, Swarm
Intelligence : From Natural to Artificiel Systems, NEW
York, Oxford University Press, 1999.
4. A. Boucher, Une approche décentralisée et adaptative
de la gestion d’informations en vision; Application à
l’interprétation d’images de cellules en mouvement,
Thèse de doctorat TIMC-IMAG, janvier 1999.
5. C. Bourjot, V. Chevrier, De la simulation de
construction collective à la détection de régions dans
les images à niveaux de gris : l’inspiration des
araignées sociales, JFIADSMA, 2001.
L. Djerou & al.
94
6. S-A. Brueckner, Return from the Ant: Synthetic
Ecosystems for Manufacturing Control. Ph.D. Thesis at
Humboldt University Berlin, Department of Computer
Science, 2000.
7. S-A. Brueckner, H-V-D. Parunak, Swarming agents
for distriduted pattern detection and classification,
Submitted to the First International Conference on
AAMS,2002.
8. T. Carden, Image Processing with Artificiel Life,
2002.
9. J-P. Cocquerez, S. Philip, Analyse d’images : Filtrage
et segmentation, Masson Paris 1995.
10. P-P. Grassé, La construction du nid et les
coordinations interindividuelles chez Bellicositermes
natalensis et Cubitermes sp. La théorie de la
stigmergie : essais d’interprétation du comportement
des termites constructeurs, Ins. Soc. , 6 : 41-84(1959).
11. C. Langton. Preface. In C. Langton et al., editor,
Artificial Life II, volume X of SFI Studies in the
Sciences of Complexity, pages xiii-xviii. Addison-
Wesley, New York., 1992.
12. J. Liu, Y-Y. Tang, Adaptive image segmentation with
distributed behavior based agents, in: IEEE
Transactions on Pattern Analysis and Machine
Intelligence, Vol. 21, No. 6, June 1999, pp 544-551.
13. V. Ramos, F. Almeida, Artificial Ant Colonies in
Digital Image Habitats - A Mass Behavior Effect Study
on Pattern Recognition, Second International
Workshop on Ants Algorithmes, Ants2000, Bruxelles,
2000.
