Métaheuristiques pour la classification non supervisée

Dans ce travail, nous avons abordé le problème de segmentation d¿images au moyen des métaheuristiques ; celles-ci ont révélé leur grande efficacité pour fournir des solutions approchées de bonne qualité sur divers problèmes d¿optimisation. La première étape s¿est portée sur la reformulation du problème de segmentation en un problème d¿optimisation monoobjectif, dans un premier temps, et multiobjectif, dans un deuxième temps. La deuxième étape a consisté à l¿extraction de l¿information spectrale et texturale de l¿image. L¿extraction de l¿information texturale s¿est effectuée à l¿aide des matrices de cooccurrences. Une requantification équiprobable a été effectué au préalable dans le but de réduire le temps de calcul. Pour l¿information spectrale, nous avons considéré la moyenne et la variance des niveaux de gris sur l¿image.