Download or read book Consensus ou fusion de segmentation pour quelques applications de d tection ou de classification en imagerie written by Aymen Khlif and published by . This book was released on 2018 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: Récemment, des vraies mesures de distances, au sens d'un certain critère (et possédant de bonnes propriétés asymptotiques) ont été introduites entre des résultats de partitionnement (clustering) de donnés, quelquefois indexées spatialement comme le sont les images segmentées. À partir de ces métriques, le principe de segmentation moyenne (ou consensus) a été proposée en traitement d'images, comme étant la solution d'un problème d'optimisation et une façon simple et efficace d'améliorer le résultat final de segmentation ou de classification obtenues en moyennant (ou fusionnant) différentes segmentations de la même scène estimée grossièrement à partir de plusieurs algorithmes de segmentation simples (ou identiques mais utilisant différents paramètres internes). Ce principe qui peut se concevoir comme un débruitage de données d'abstraction élevée, s'est avéré récemment une alternative efficace et très parallélisable, comparativement aux méthodes utilisant des modèles de segmentation toujours plus complexes et plus coûteux en temps de calcul. Le principe de distance entre segmentations et de moyennage ou fusion de segmentations peut être exploité, directement ou facilement adapté, par tous les algorithmes ou les méthodes utilisées en imagerie numérique où les données peuvent en fait se substituer à des images segmentées. Cette thèse a pour but de démontrer cette assertion et de présenter différentes applications originales dans des domaines comme la visualisation et l'indexation dans les grandes bases d'images au sens du contenu segmenté de chaque image, et non plus au sens habituel de la couleur et de la texture, le traitement d'images pour améliorer sensiblement et facilement la performance des méthodes de détection du mouvement dans une séquence d'images ou finalement en analyse et classification d'images médicales avec une application permettant la détection automatique et la quantification de la maladie d'Alzheimer à partir d'images par résonance magnétique du cerveau.

Download or read book M thodes d ondelettes pour la segmentation d images written by Olivier Le Cadet and published by . This book was released on 2004 with total page 199 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce mémoire est consacré à la détection et à la classification des contours dans une image, avec comme objectif d'application la segmentation de radiographies en imagerie médicale. L'outil que nous mettons en oeuvre est le ± détecteur multi-échelles de Canny α, transformée classique en ondelettes, vectorielle et directionnelle, que nous réexplorons. Nous utilisons ses propriétés multi-échelles pour définir un algorithme de détection et de classification des points de contours d'une image, caractérisés par leur régularité lipschitzienne. Cet algorithme peut être utilisé dans de nombreux domaines, et peut en particulier être appliqué à la chirurgie orthopédique : nous montrons comment reconstruire, en temps réel et à partir de deux radiographies seulement, la forme 3D de la vertèbre d'un patient. Le tatouage d'images (watermarking) fournit un autre domaine d'application de notre algorithme de segmentation, grâce auquel nous définissons deux algorithmes originaux de watermarking.

Download or read book Image Segmentation written by Tao Lei and published by John Wiley & Sons. This book was released on 2022-10-11 with total page 340 pages. Available in PDF, EPUB and Kindle. Book excerpt: Image Segmentation Summarizes and improves new theory, methods, and applications of current image segmentation approaches, written by leaders in the field The process of image segmentation divides an image into different regions based on the characteristics of pixels, resulting in a simplified image that can be more efficiently analyzed. Image segmentation has wide applications in numerous fields ranging from industry detection and bio-medicine to intelligent transportation and architecture. Image Segmentation: Principles, Techniques, and Applications is an up-to-date collection of recent techniques and methods devoted to the field of computer vision. Covering fundamental concepts, new theories and approaches, and a variety of practical applications including medical imaging, remote sensing, fuzzy clustering, and watershed transform. In-depth chapters present innovative methods developed by the authors—such as convolutional neural networks, graph convolutional networks, deformable convolution, and model compression—to assist graduate students and researchers apply and improve image segmentation in their work. Describes basic principles of image segmentation and related mathematical methods such as clustering, neural networks, and mathematical morphology. Introduces new methods for achieving rapid and accurate image segmentation based on classic image processing and machine learning theory. Presents techniques for improved convolutional neural networks for scene segmentation, object recognition, and change detection, etc. Highlights the effect of image segmentation in various application scenarios such as traffic image analysis, medical image analysis, remote sensing applications, and material analysis, etc. Image Segmentation: Principles, Techniques, and Applications is an essential resource for undergraduate and graduate courses such as image and video processing, computer vision, and digital signal processing, as well as researchers working in computer vision and image analysis looking to improve their techniques and methods.

Download or read book Segmentation d images written by RIAD.. KARA FALAH and published by . This book was released on 1995 with total page 151 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'images naturelles complexes est généralement imparfaite si l'on n'utilise qu'une seule technique de segmentation. Il est donc nécessaire de faire coopérer plusieurs processus de segmentation. Le travail réalisé dans cette thèse se divise en deux parties: 1) Développement d'une approche coopérative pour la segmentation d'images naturelles. Le principe consiste à utiliser la redondance entre les résultats obtenus par plusieurs segmentations «région» afin de localiser des germes qui ont une grande certitude d'appartenir à des régions homogènes. A partir de ces germes une procédure de croissance de régions basée sur les caractéristiques des germes permet d'agglomérer progressivement les pixels hors germes. Le processus est contrôlé par le gradient de l'image afin d'obtenir une meilleure précision sur les frontières des régions extraites. Les germes sont extraits par un mécanisme de fusion de plusieurs segmentations primaires. Ce mécanisme permet également de proposer une segmentation consensus entre les segmentations de départ. 2) Caractérisation quantitative du résultat de la segmentation: La mesure couramment utilisée est basée sur le pourcentage des pixels mal classés entre le résultat fourni par un algorithme de segmentation et une segmentation de référence. Cette mesure reste insuffisante car elle ignore toute information spatiale sur la localisation des frontières des régions. La nouvelle mesure proposée tient compte à la fois du nombre de pixels mal classés et de leurs localisations. Cette mesure de dissimilarité permet l'évaluation numérique du résultat d'un algorithme de segmentation sur des images où l'on connaît la segmentation de référence. De plus, elle permet d'étendre à l'espace des segmentations certaines techniques de filtrage développées dans le cas de signaux scalaires.

Download or read book Processing high resolution images through deep learning techniques written by Praveer Singh and published by . This book was released on 2018 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans cette thèse, nous discutons de quatre scénarios d'application différents qui peuvent être largement regroupés dans le cadre plus large de l'analyse et du traitement d'images à haute résolution à l'aide de techniques d'apprentissage approfondi. Les trois premiers chapitres portent sur le traitement des images de télédétection (RS) captées soit par avion, soit par satellite à des centaines de kilomètres de la Terre. Nous commençons par aborder un problème difficile lié à l'amélioration de la classification des scènes aériennes complexes par le biais d'un paradigme d'apprentissage profondément faiblement supervisé. Nous montrons comment en n'utilisant que les étiquettes de niveau d'image, nous pouvons localiser efficacement les régions les plus distinctives dans les scènes complexes et éliminer ainsi les ambiguïtés qui mènent à une meilleure performance de classification dans les scènes aériennes très complexes. Dans le deuxième chapitre, nous traiterons de l'affinement des étiquettes de segmentation des empreintes de pas des bâtiments dans les images aériennes. Pour ce faire, nous détectons d'abord les erreurs dans les masques de segmentation initiaux et corrigeons uniquement les pixels de segmentation où nous trouvons une forte probabilité d'erreurs. Les deux prochains chapitres de la thèse portent sur l'application des Réseaux Adversariatifs Génératifs. Dans le premier, nous construisons un modèle GAN nuageux efficace pour éliminer les couches minces de nuages dans l'imagerie Sentinel-2 en adoptant une perte de consistance cyclique. Ceci utilise une fonction de perte antagoniste pour mapper des images nuageuses avec des images non nuageuses d'une manière totalement non supervisée, où la perte cyclique aide à contraindre le réseau à produire une image sans nuage correspondant a` l'image nuageuse d'entrée et non à aucune image aléatoire dans le domaine cible. Enfin, le dernier chapitre traite d'un ensemble différent d'images `à haute résolution, ne provenant pas du domaine RS mais plutôt de l'application d'imagerie à gamme dynamique élevée (HDRI). Ce sont des images 32 bits qui capturent toute l'étendue de la luminance présente dans la scène. Notre objectif est de les quantifier en images LDR (Low Dynamic Range) de 8 bits afin qu'elles puissent être projetées efficacement sur nos écrans d'affichage normaux tout en conservant un contraste global et une qualité de perception similaires à ceux des images HDR. Nous adoptons un modèle GAN multi-échelle qui met l'accent à la fois sur les informations plus grossières et plus fines nécessaires aux images à haute résolution. Les sorties finales cartographiées par ton ont une haute qualité subjective sans artefacts perçus.

Download or read book Fusion d images par la th orie de l vidence en vue d applications m dicales et industrielles written by Anne Dromigny-Badin and published by . This book was released on 1998 with total page 158 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce travail porte sur le développement de méthodes de fusion d'images basées sur la théorie de l'évidence de Dempster-Shafer. Dans ce cadre, nous avons étudié deux types de méthodes de fusion. Le premier type est une fusion au niveau des pixels. Deux approches génériques, basées respectivement sur la théorie bayésienne et sur la théorie de l'évidence sont présentées. Elles permettent toutes deux de générer, à partir d’images multimodales ou multiacquisitions recalées géométriquement, une seule image finale segmentée. Les études comparatives de ces deux approches, effectuées dans le cadre de la segmentation de l'image, montrent la souplesse ainsi que la robustesse de l'approche de la théorie de l'évidence. En effet, cette dernière permet d'évaluer la fiabilité de la segmentation obtenue en quantifiant la confiance que l'on a en elle. Le deuxième type de méthode concerne la fusion par Dempster-Shafer au niveau des objets. La méthode consiste à fusionner les objets issus d’une première segmentation des images originales, et qui sont représentés par des vecteurs de paramètres. Dans ce cadre, nous proposons deux techniques de fusion destinées respectivement à classifier les objets obtenus (approche par des hypothèses discrètes) et à améliorer la quantification de paramètres continus de ces objets (approche par des hypothèses continues). La fusion des hypothèses continues est étudiée de manière particulièrement détaillée. Enfin, les différentes techniques de fusion sont appliquées à des problèmes aussi divers que l'augmentation de la dynamique des systèmes d'imagerie par rayons X, l'amélioration de la fiabilité de caractérisation des défauts en contrôle non destructif par radioscopie et échographie ultrasonore ou encore la segmentation automatique des lésions de sclérose en plaques en imagerie par résonance magnétique.

Download or read book APPLICATION DE LA TRANSFORMEE EN ONDELETTES A LA DETECTION DE CONTOUR PAR FUSION MULTIECHELLE written by Olivier Laligant and published by . This book was released on 1995 with total page 251 pages. Available in PDF, EPUB and Kindle. Book excerpt: NOUS PRESENTONS L'ETUDE D'UN ALGORITHME DE SEGMENTATION D'IMAGE AU SENS CONTOUR DESTINE A UN FONCTIONNEMENT EN TEMPS REEL. CE SYSTEME PERMET DE REALISER LA FUSION DES INFORMATIONS MULTIECHELLES DE CONTOURS FOURNIES PAR LE DETECTEUR DE CANNY-DERICHE GENERALISE PRECEDEMMENT DANS NOTRE LABORATOIRE (GERE) POUR LA DETECTION DE CONTOURS FLOUS. NOUS AVONS CARACTERISE CE FILTRE EN TANT QU'ONDELETTE MERE ET DETECTEUR, ET CE FILTRE A ETE IMPLANTE AU LABORATOIRE LIESIB DANS DES CIRCUITS FPGA POUR UN FONCTIONNEMENT A LA CADENCE VIDEO. LA FUSION EST REALISEE PAR UNE METHODE DE CLASSIFICATION GEOMETRIQUE DEVELOPPEE AU LABORATOIRE ET OPERANT ELLE AUSSI EN TEMPS REEL. LE SYSTEME DE SEGMENTATION OBTENU EST PARTICULIEREMENT ADAPTE AU CONTROLE PAR VISION ARTIFICIELLE DE PRODUITS INDUSTRIELS. CE SYSTEME PEUT EN EFFET FONCTIONNER DE FACON AUTONOME EN LIGNE SANS NECESSITER DE REGLAGES OU DE MODIFICATIONS EN CAS DE CHANGEMENT DES CONDITIONS DE PRISE DE VUE. LE SYSTEME SE REVELE PARTICULIEREMENT ROBUSTE DANS LA SEGMENTATION D'IMAGES FLOUES OU TRES BRUITEES ET SE DESTINE AUX CONTROLES INDUSTRIELS DANS DES CONDITIONS DIFFICILES ET A CADENCE ELEVEE. NOUS PROPOSONS AUSSI UNE METHODE DE COMBINAISON SIMPLE ET EFFICACE DES INFORMATIONS MULTIECHELLES DE CONTOURS. NOUS MONTRONS QUE LES APPROCHES ASCENDANTES OU DESCENDANTES UTILISEES DANS LES TRAVAUX EXISTANTS SONT RESTRICTIVES. UNE GRANDE VARIETE DE METHODES DE SEGMENTATION PEUT ETRE GREFFEE SUR CETTE METHODE DE FUSION

Download or read book Conception de m taheuristiques d optimisation pour la segmentation d images written by Ahmed Nasreddine Benaichouche and published by . This book was released on 2014 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'image est le processus de partitionnement d'une image numérique en régions, non chevauchées, homogènes vis-à-vis de certaines caractéristiques, telles que le niveau de gris, la texture, le mouvement, etc. Elle a des applications dans plusieurs domaines comme l'imagerie médicale, la détection d'objets, la biométrie, l'imagerie par satellite, la navigation de robot, la vidéosurveillance, etc. Le processus de segmentation représente une étape cruciale dans les systèmes de vision par ordinateur, car les caractéristiques et décisions sont extraites et prises à partir de son résultat. Les premiers algorithmes de segmentation d'image ont vu le jour dans les années 1970. Depuis, de nombreuses techniques et méthodes de segmentation ont été expérimentées pour essayer d'améliorer les résultats. Néanmoins, jusqu'à nos jours, aucun algorithme de segmentation d'image n'arrive à fournir des résultats parfaits sur une large variété d'images. Les "métaheuristiques" sont des procédures conçues pour résoudre des problèmes d'optimisation dits difficiles. Ce sont en général des problèmes aux données incomplètes, incertaines, bruitées ou confrontés à une capacité de calcul limitée. Les métaheuristiques ont connu un succès dans une large variété de domaines. Cela découle du fait qu'elles peuvent être appliquées à tout problème pouvant être exprimé sous la forme d'un problème d'optimisation de critère(s). Ces méthodes sont, pour la plupart, inspirées de la physique (recuit simulé), de la biologie (algorithmes évolutionnaires) ou de l'éthologie (essaims particulaires, colonies de fourmis).Ces dernières années, l'introduction des métaheuristiques dans le domaine du traitement d'images a permis d'étudier la segmentation sous un angle différent, avec des résultats plus ou moins réussis. Dans le but d'apporter notre contribution et d'améliorer davantage les performances des méthodes de segmentation, nous avons proposé des algorithmes basés régions, contours et hybrides, mettant en œuvre des métaheuristiques d'optimisation dans des approches mono et multiobjectif. Les méthodes proposées ont été évaluées sur des bases de données expérimentales composées d'images synthétiques, d'images IRM simulées et d'images IRM réelles ainsi que des images de tomographie par émission de positons (TEP). Les résultats obtenus sont significatifs et prouvent l'efficacité des idées proposées.

Download or read book Filtrage r duction de dimension classification et segmentation morphologique hyperspectrale written by Guillaume Noyel and published by . This book was released on 2008 with total page 264 pages. Available in PDF, EPUB and Kindle. Book excerpt: Chaque cadre doit contenir un résumé de 1000 caractères maximum, espaces compris. En cas de dépassement, la coupure sera automatique. Le doctorant adressera son texte sous forme électronique (disquette, etc.) Pour les modalités pratiques, contactez votre bibliothèques. Le traitement d'images hyperspectrales est la généralisation de l'analyse des images couleurs, à trois composantes rouge, vert et bleu, aux images multivariées à plusieurs dizaines ou plusieurs centaines de composantes. Dans un sens général, les images hyperspectrales ne sont pas uniquement acquises dans le domaine des longueurs d'ondes mais correspondent à une description d'un pixel par un ensemble de valeurs : c'est à dire un vecteur. Chacune des composantes d'une image hyperspectrale constitue un canal spectral, et le vecteur associé à chaque pixel est appelé spectre. Pour valider la généralité de nos méthodes de traitement, nous les avons appliquées à plusieurs types d'imagerie correspondant aux images hyperspectrales les plus variées : des photos avec quelques dizaines de composantes acquises dans le domaine des longueurs d'ondes, des images satellites de télédétection, des séries temporelles d'imagerie par résonance dynamique (DCE-MRI) et des séries temporelles d'imagerie thermique. Durant cette thèse, nous avons développé une chaîne complète de segmentation automatique des images hyperspectrales par des techniques morphologiques. Pour ce faire, nous avons mis au point une méthode efficace de débruitage spectral, par Analyse Factorielle des Correspondances (AFC), qui permet de conserver les contours spatiaux des objets, ce qui est très utile pour la segmentation morphologique. Puis nous avons fait de la réduction de dimension, par des méthodes d'analyse de données ou par modélisation des spectres, afin d'obtenir un autre représentation de l'image avec un nombre restreint de canaux. A partir de cette image de plus faible dimension, nous avons effectué une classification (supervisée ou non) pour grouper les pixels en classes spectralement homogènes. Cependant, les classes obtenues n'étant pas homogènes spatialement, i.e. connexes, une étape de segmentation s'est donc avérée nécessaire. Nous avons démontré que la méthode récente de la Ligne de Partage des Eaux Probabiliste était particulièrement adaptée à la segmentation des images hyperspectrales. Elle utilise différentes réalisations de marqueurs aléatoires, conditionnés par la classification spectrale, pour obtenir des réalisations de contours par Ligne de Partage des Eaux (LPE). Ces réalisations de contours permettent d'estimer une fonction de densité de probabilité de contours (pdf) qui est très facile à segmenter par une LPE classique. En définitive, la LPE probabiliste est conditionnée par la classification spectrale et produit donc des segmentations spatio-spectrales dont les contours sont très lisses. Cette chaîne de traitement à été mise en œuvre sur des séquences d'imagerie par résonance magnétique dynamique (DCE-MRI) et a permis d'établir une méthode automatique d'aide au diagnostic pour la détection de tumeurs cancéreuses. En outre, d'autres techniques de segmentation spatio-spectrales ont été développées pour les images hyperspectrales : les régions η-bornées et les boules μ-géodésiques. Grâce à l'introduction d'information régionale, elles améliorent les segmentations par zones quasi-plates qui n'utilisent quant à elles que de l'information locale. Enfin, nous avons mis au point une méthode très efficace de calcul de toutes les paires de distances géodésiques d'une image, puisqu'elle permet de réduire jusqu'à 50 % le nombre d'opérations par rapport à une approche naïve et jusqu'à 30 % par rapport aux autres méthodes. Le calcul efficace de ce tableau de distances offre des perspectives très prometteuses pour la réduction de dimension spatio-spectrale.

Download or read book ANALYSE DE TEXTURES ET SEGMENTATION D IMAGES PAR MORPHOLOGIE MATHEMATIQUE written by WEI. LI and published by . This book was released on 1996 with total page 150 pages. Available in PDF, EPUB and Kindle. Book excerpt: LES TRAVAUX PRESENTES DANS CE MEMOIRE CONCERNENT L'ETUDE D'OUTILS MORPHOLOGIQUES EN TRAITEMENT D'IMAGES, LEURS APPLICATIONS EN CLASSIFICATION DE TEXTURES ET EN SEGMENTATION D'IMAGES. LES FILTRES MORPHOLOGIQUES APPARTENANT AU FILTRAGE NON-LINEAIRE, JOUENT UN ROLE IMPORTANT EN SUPPRESSION DE BRUIT DANS LES IMAGES. ON PROPOSE ICI EN SUPPRESSION DU BRUIT D'IMAGES LES FILTRES MORPHOLOGIQUES COMPOSITES SE FONDANT SUR LES COMBINAISONS DE L'OUVERTURE, LA FERMETURE ET LA TRANSFORMATION IDENTIQUE. LES COMPARAISONS QUANTITATIVES DE L'EFFICACITE A LA FOIS EN SUPPRESSION DU BRUIT ET EN CONSERVATION DE DETAILS D'IMAGES POUR DES FILTRES MORPHOLOGIQUES ET D'AUTRES FILTRES NON-LINEAIRES SONT FAITES DANS LE CADRE D'UN SCHEMA DE CARACTERISATION DE L'ACTIVITE SPATIALE LOCALE D'IMAGES. LA CONCEPTION DU FILTRE MORPHOLOGIQUE PAR UN ALGORITHME GENETIQUE ADAPTATIF DESTINE A UNE SUPPRESSION DU BRUIT OPTIMALE CHOISISSANT A LA FOIS LE TYPE DE FILTRAGE ET L'ELEMENT STRUCTURANT EST PROPOSEE. DE NOUVEAUX ATTRIBUTS MORPHOLOGIQUES BASES SUR LES RESIDUS DE FILTRAGE MORPHOLOGIQUE PAR RECONSTRUCTION SONT DEVELOPPES. L'AVANTAGE DE CES ATTRIBUTS EST LIE A LEUR ROBUSTESSE AUX DIFFERENTS TYPE DE BRUIT. UN ALGORITHME PERMETTANT LE CHOIX D'UN SOUS-ENSEMBLE DE CES ATTRIBUTS LE PLUS PERFORMANT POUR LA MEILLEURE CLASSIFICATION DE TEXTURES EST CONCU. UNE APPLICATION DE CES ATTRIBUTS EST ILLUSTREE EN CLASSIFICATION D'IMAGES SPOT PAR LA SEGMENTATION DE TEXTURES. L'INTRODUCTION DE LA RECONSTRUCTION MORPHOLOGIQUE DANS L'ALGORITHME DE DECOMPOSITION MORPHOLOGIQUE MULTIRESOLUTION NOUS PERMET D'OBTENIR UN SCHEMA DE DECOMPOSITION DES STRUCTURES SELON LA TAILLE. CETTE DECOMPOSITION EST IDEMPOTENTE ET SANS PERTE D'INFORMATION. DEUX APPLICATIONS UTILISANT PRINCIPALEMENT CETTE METHODE DE DECOMPOSITION EN SEGMENTATION DE STRUCTURES DES IMAGES MEDICALES SONT DECRITES. LA PREMIERE CONCERNE LA SEGMENTATION DE LESIONS DU POUMON, ET LA SECONDE ETUDE CONCERNE LA SEGMENTATION DES DIFFERENTES STRUCTURES D'UNE REGION DE TUMEURS DU CERVEAU. D'AUTRES OUTILS MORPHOLOGIQUES TELS QUE LE FILTRAGE, LE GRADIENT, LA DILATATION ET L'AMINCISSEMENT SONT EGALEMENT EMPLOYES DANS CES APPLICATIONS.

Download or read book DETECTION DE CONTOURS ET SEGMENTATION D IMAGES written by QINGMIN.. LIAO and published by . This book was released on 1994 with total page 200 pages. Available in PDF, EPUB and Kindle. Book excerpt: DANS LE CADRE DE CETTE THESE, NOUS AVONS DEVELOPPE UNE METHODE DE DETECTION DE CONTOURS ET UNE METHODE DE SEGMENTATION D'IMAGES AFIN D'ABOUTIR A UNE MEILLEURE INTERPRETATION DES IMAGES. LA PREMIERE METHODE PERMET UNE LOCALISATION PRECISE ET UNE DETECTION DE CONTOURS INSENSIBLE AU BRUIT. LA PRECISION DE LA LOCALISATION A ETE OBTENUE EN AGRANDISSANT LE SUPPORT DE L'IMAGE. POUR REDUIRE L'INFLUENCE DU BRUIT, UN INDICE DE CONFIANCE DU CONTOUR TENANT COMPTE DE LA REGULARITE DE LA SURFACE LOCALE ET DE CERTAINS CRITERES LIES A LA PERCEPTION VISUELLE A ETE ETABLI. LA METHODE DE SEGMENTATION BASEE SUR UNE COOPERATION CONTOUR-REGION EST EFFECTUEE EN DEUX ETAPES: FERMETURE DE CONTOURS ET CLASSIFICATION DE PARCELLES. TROIS METHODES DE MODELISATION DE TEXTURES ONT ETE MISES AU POINT ET TESTEES LORS DE LA PHASE DE LA CLASSIFICATION. DEUX APPLICATIONS ONT ETE ETUDIEES. LA PREMIERE CONSISTE A IDENTIFIER DES PLANTATIONS FORESTIERES DANS UNE IMAGE SATELLITAIRE. CECI A ETE REALISE PAR NOTRE APPROCHE DE SEGMENTATION. LA DEUXIEME APPLICATION PORTAIT SUR LA CLASSIFICATION DE DIFFERENTES CATEGORIES D'UFS DE POISSONS ET SUR L'IDENTIFICATION DE LEURS STADES DE CROISSANCE. POUR CELA, LES STRUCTURES BIOLOGIQUES SIGNIFICATIVES ONT ETE TOUT D'ABORD DETECTEES ; ENSUITE, LES PARAMETRES PERTINENTS ONT ETE EXTRAITS ; ENFIN, LES UFS DE POISSONS ONT ETE IDENTIFIES SELON DES CRITERES BIOLOGIQUES. LES METHODES DEVELOPPEES PERMETTENT DONC D'ANALYSER LES IMAGES PROVENANT DE DIFFERENTS TYPES DE SOURCES ET D'AMELIORER CONSIDERABLEMENT LES RESULTATS DE DETECTION DE CONTOURS ET DE SEGMENTATION D'IMAGES

Download or read book M thodes variationnelles pour la segmentation d images partir de mod les written by Raphaël Prevost and published by . This book was released on 2013 with total page 213 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'images médicales est depuis longtemps un sujet de recherche actif. Cette thèse traite des méthodes de segmentation basées modèles, qui sont un bon compromis entre généricité et capacité d'utilisation d'informations a priori sur l'organe cible. Notre but est de construire un algorithme de segmentation pouvant tirer profit d'une grande variété d'informations extérieures telles que des bases de données annotées (via l'apprentissage statistique), d'autres images du même patient (via la co-segmentation) et des interactions de l'utilisateur. Ce travail est basé sur la déformation de modèle implicite, une méthode variationnelle reposant sur une représentation implicite des formes. Après avoir amélioré sa formulation mathématique, nous montrons son potentiel sur des problèmes cliniques difficiles. Nous introduisons ensuite différentes généralisations, indépendantes mais complémentaires, visant à enrichir le modèle de forme et d'apparence utilisé. La diversité des applications cliniques traitées prouve la généricité et l'efficacité de nos contributions.

Download or read book PRETRAITEMENT ET SEGMENTATION D IMAGES PAR MISE EN UVRE DE TECHNIQUES BASEES SUR LES EQUATIONS AUX DERIVEES PARTIELLES written by SOPHIE.. SCHUPP and published by . This book was released on 2000 with total page 211 pages. Available in PDF, EPUB and Kindle. Book excerpt: LA THESE OFFRE TROIS VOLETS : UNE ANALYSE DE L'APPORT DES EDP POUR LE PRETRAITEMENT ET LA SEGMENTATION, UNE METHODE DE SEGMENTATION BASEE SUR LES EDP ET UNE APPLICATION EN IMAGERIE MICROSCOPIQUE. DANS LE CHAPITRE UN, LA PRESENTATION DES PRETRAITEMENTS PAR EDP S'APPUIE SUR LE MODELE PHYSIQUE DE DIFFUSION NON LINEAIRE, ELLE SE POURSUIVENT AVEC LES METHODES D'ANALYSE MULTIECHELLE QUI S'APPUIENT SUR L'INFORMATION COURBURE ET S'ACHEVE AVEC LES MODELES DE DIFFUSION ANISOTROPE DONT LES FILTRES DE CHOCS ADAPTES AU FILTRAGE ET A LA CONSERVATION DES CONTOURS. LE CHAPITRE DEUX PORTE SUR LA DETECTION DES FRONTIERES PAR DES METHODES VARIATIONNELLES DONT LES CONTOURS ACTIFS ET LES METHODES PAR ENSEMBLES DE NIVEAUX. LEUR PROBLEMATIQUE EST IDENTIFIEE : INITIALISATION, CHOIX DES PARAMETRES, COMPORTEMENT FACE AUX PHENOMENES DE RUPTURES TOPOLOGIQUES. LE CHAPITRE TROIS PRESENTE UN MODELE DE PRETRAITEMENT INTEGRANT LES COMPOSANTES LIEES A LA DIFFUSION, LA REACTION ET LE CHOC. UNE EXTENSION AUX IMAGES COULEURS EST PROPOSEE. LA MORPHOLOGIE CONTINUE EST LA FORMULATION PAR EDP DES FILTRES DE NIVELLEMENT AINSI QUE DES OPERATEURS DE MORPHOLOGIE MATHEMATIQUE. LE CHAPITRE QUATRE EST CONSACRE A LA SEGMENTATION PAR EDP AVEC LE MODELE GEOMETRIQUE NON REGULARISE, IMPLEMENTE PAR LES METHODES A PROGRESSION RAPIDE, A PARTIR DUQUEL LA LPE CONTINUE ET LES DIAGRAMMES DE VORONOI SONT OBTENUS. LE CHAPITRE CINQ PRESENTE UNE METHODE DE SEGMENTATION AUTOMATIQUE FONDEE SUR LES OUTILS DES CHAPITRES PRECEDENTS. L'INITIALISATION AUTOMATIQUE, ETAPE CRUCIALE DES CONTOURS ACTIFS, SE FAIT EN TROIS ETAPES : REGULARISATION PAR DIFFUSION NON LINEAIRE, DETECTION DE GERMES PAR OUTILS MORPHOLOGIQUES, CLASSIFICATION FLOUE. LA LOCALISATION EST EFFECTUEE PAR LA LPE CONTINUE FORMALISEE AVEC LES EDP. LA DESCRIPTION DE LA CLASSIFICATION FLOUE EST SUIVIE DE QUELQUES EXEMPLES D'APPLICATION : CYTOLOGIE, HISTOLOGIE ET L'OS TRABECULAIRE. LE CHAPITRE SIX EST CONSACRE A LA VALIDATION DE LA METHODE SUR UNE APPLICATION EN IMMUNOMARQUAGE NUCLEAIRE.

Download or read book Morphologie math matique et graphes written by Jean-François Stawiaski and published by . This book was released on 2008 with total page 175 pages. Available in PDF, EPUB and Kindle. Book excerpt: La recherche en imagerie médicale est une des disciplines les plus actives du traitement d'images. La segmentation et l'analyse d'images dans un contexte clinique reste un problème majeur de l'imagerie médicale. La multiplicité des modalités d'imagerie, ainsi que les fortes variabilités des structures et pathologies à analyser rendent cette tâche fastidieuse. Dans la plupart des cas, la supervision de spécialistes, tels que des radiologistes, est nécessaire pour valider ou interpréter les résultats obtenus par analyse d'images. L'importante quantité de données, ainsi que les nombreuses applications liées à l'imagerie médicale, nécessitent des outils logiciels de très haut niveau combinant des interfaces graphique complexe avec des algorithmes interactifs rapides. Les récentes recherches en segmentation d'images ont montré l'intérêt des méthodes à base de graphes. L'intérêt suscité dans la communauté scientifique a permis de développer et d'utiliser rapidement ces techniques dans de nombreuses applications. Nous avons étudié les arbres de recouvrement minimaux, les coupes minimales ainsi que les arbres de chemins les plus courts. Notre étude a permis de mettre en lumière des liens entre ces structures a priori très différentes. Nous avons prouvé que les forêts des chemins les plus courts, ainsi que les coupes minimales convergent toutes les deux, en appliquant une transformation spécifique du graphe, vers une structure commune qui n'est autre qu'une forêt de recouvrement minimale. Cette étude nous a aussi permis de souligner les limitations et les possibilités de chacune de ces techniques pour la segmentation d'images. Dans un deuxième temps, nous avons proposé des avancées théoriques et pratiques sur l'utilisation des coupe minimales. Cette structure est particulièrement intéressante pour segmenter des images à partir de minimisation d'énergie. D'une part, nous avons montré que l'utilisation de graphes de régions d'une segmentation morphologique permet d'accélérer les méthodes de segmentation à base de coupe minimales. D'autre part nous avons montré que l'utilisation de graphes de régions permet d'étendre la classe d'énergie pouvant être minimisée par coupe de graphes. Ces techniques ont toutes les caractéristiques pour devenir des méthodes de référence pour la segmentation d'images médicales. Nous avons alors étudié qualitativement et quantitativement nos méthodes de segmentation à travers des applications médicales. Nous avons montré que nos méthodes sont particulièrement adaptées à la détection de tumeurs pour la planification de radiothérapie, ainsi que la création de modèles pour la simulation et la planification de chirurgie cardiaque. Nous avons aussi mené une étude quantitative sur la segmentation de tumeurs du foie. Cette étude montre que nos algorithmes offrent des résultats plus stables et plus précis que de nombreuses techniques de l'état de l'art. Nos outils ont aussi été comparés à des segmentations manuelles de radiologistes, prouvant que nos techniques sont adaptées à être utilisée en routine clinique. Nous avons aussi revisité une méthode classique de segmentation d'images : la ligne de partages des eaux. La contribution de notre travail se situe dans la re-définition claire de cette transformation dans le cas des graphes et des images multi spectrales. Nous avons utilisé les algèbres de chemins pour montrer que la ligne de partages des eaux correspond à des cas particuliers de forêt des chemins les plus courts dans un graphe. Finalement, nous proposons quelques extensions intéressantes du problème des coupes minimales. Ces extensions sont basées sur l'ajout de nouveaux types de contraintes. Nous considérons particulièrement les coupes minimales contraintes à inclure un ensemble prédéfini d'arrêtes, ainsi que les coupes minimales contraintes par leur cardinalité et leur aires. Nous montrons comment ces problèmes peuvent être avantageusement utilisé pour la segmentation d'images.

Download or read book Fusion d informations par la th orie de l vidence pour la segmentation d images written by Chaza Chahine and published by . This book was released on 2016 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: La fusion d'informations a été largement étudiée dans le domaine de l'intelligence artificielle. Une information est en général considérée comme imparfaite. Par conséquent, la combinaison de plusieurs sources d'informations (éventuellement hétérogènes) peut conduire à une information plus globale et complète. Dans le domaine de la fusion on distingue généralement les approches probabilistes et non probabilistes dont fait partie la théorie de l'évidence, développée dans les années 70. Cette méthode permet de représenter à la fois, l'incertitude et l'imprécision de l'information, par l'attribution de fonctions de masses qui s'appliquent non pas à une seule hypothèse (ce qui est le cas le plus courant pour les méthodes probabilistes) mais à un ensemble d'hypothèses. Les travaux présentés dans cette thèse concernent la fusion d'informations pour la segmentation d'images.Pour développer cette méthode nous sommes partis de l'algorithme de la « Ligne de Partage des Eaux » (LPE) qui est un des plus utilisés en détection de contours. Intuitivement le principe de la LPE est de considérer l'image comme un relief topographique où la hauteur d'un point correspond à son niveau de gris. On suppose alors que ce relief se remplit d'eau par des sources placées au niveau des minima locaux de l'image, formant ainsi des bassins versants. Les LPE sont alors les barrages construits pour empêcher les eaux provenant de différents bassins de se mélanger. Un problème de cette méthode de détection de contours est que la LPE directement appliquée sur l'image engendre une sur-segmentation, car chaque minimum local engendre une région. Meyer et Beucher ont proposé de résoudre cette question en spécifiant un ensemble de marqueurs qui seront les seules sources d'inondation du relief. L'extraction automatique des marqueurs à partir des images ne conduit pas toujours à un résultat satisfaisant, en particulier dans le cas d'images complexes. Plusieurs méthodes ont été proposées pour déterminer automatiquement ces marqueurs.Nous nous sommes en particulier intéressés à l'approche stochastique d'Angulo et Jeulin qui estiment une fonction de densité de probabilité (fdp) d'un contour (LPE) après M simulations de la segmentation LPE classique. N marqueurs sont choisis aléatoirement pour chaque réalisation. Par conséquent, une valeur de fdp élevée est attribuée aux points de contours correspondant aux fortes réalisations. Mais la décision d'appartenance d'un point à la « classe contour » reste dépendante d'une valeur de seuil. Un résultat unique ne peut donc être obtenu.Pour augmenter la robustesse de cette méthode et l'unicité de sa réponse, nous proposons de combiner des informations grâce à la théorie de l'évidence.La LPE se calcule généralement à partir de l'image gradient, dérivée du premier ordre, qui donne une information globale sur les contours dans l'image. Alors que la matrice Hessienne, matrice des dérivées d'ordre secondaire, donne une information plus locale sur les contours. Notre objectif est donc de combiner ces deux informations de nature complémentaire en utilisant la théorie de l'évidence. Les différentes versions de la fusion sont testées sur des images réelles de la base de données Berkeley. Les résultats sont comparés avec cinq segmentations manuelles fournies, en tant que vérités terrain, avec cette base de données. La qualité des segmentations obtenues par nos méthodes sont fondées sur différentes mesures: l'uniformité, la précision, l'exactitude, la spécificité, la sensibilité ainsi que la distance métrique de Hausdorff.

Download or read book Segmentation d images par combinaison adaptative couleur texture et classification de pixels written by Dhouha Attia and published by . This book was released on 2013 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: En segmentation d'images, les informations de couleur et de texture sont très utilisées. Le premier apport de cette thèse se situe au niveau de l'utilisation conjointe de ces deux sources d'informations. Nous proposons alors une méthode de combinaison couleur/texture, adaptative et non paramétrique, qui consiste à combiner un (ou plus) gradient couleur et un (ou plus) gradient texture pour ensuite générer un gradient structurel utilisé comme image de potentiel dans l'algorithme de croissance de régions par LPE. L'originalité de notre méthode réside dans l'étude de la dispersion d'un nuage de point 3D dans l'espace, en utilisant une étude comparative des valeurs propres obtenues par une analyse des composantes principales de la matrice de covariance de ce nuage de points. L'approche de combinaison couleur/texture proposée est d'abord testée sur deux bases d'images, à savoir la base générique d'images couleur de BERKELEY et la base d'images de texture VISTEX. Cette thèse s'inscrivant dans le cadre des projets ViLoc (RFC) et CAPLOC (PREDIT), le deuxième apport de celle-ci se situe au niveau de la caractérisation de l'environnement de réception des signaux GNSS pour améliorer le calcul de la position d'un mobile en milieu urbain. Dans ce cadre, nous proposons d'exclure certains satellites (NLOS dont les signaux sont reçus par réflexion voir totalement bloqués par les obstacles environnants) dans le calcul de la position d'un mobile. Deux approches de caractérisation, basées sur le traitement d'images, sont alors proposées. La première approche consiste à appliquer la méthode de combinaison couleur/texture proposée sur deux bases d'images réelles acquises en mobilité, à l'aide d'une caméra fisheye installée sur le toit du véhicule de laboratoire, suivie d'une classification binaire permettant d'obtenir les deux classes d'intérêt « ciel » (signaux LOS) et « non ciel » (signaux NLOS). Afin de satisfaire la contrainte temps réel exigée par le projet CAPLOC, nous avons proposé une deuxième approche basée sur une simplification de l'image couplée à une classification pixellaire adaptée. Le principe d'exclusion des satellites NLOS permet d'améliorer la précision de la position estimée, mais uniquement lorsque les satellites LOS (dont les signaux sont reçus de manière direct) sont géométriquement bien distribués dans l'espace. Dans le but de prendre en compte cette connaissance relative à la distribution des satellites, et par conséquent, améliorer la précision de localisation, nous avons proposé une nouvelle stratégie pour l'estimation de position, basée sur l'exclusion des satellites NLOS (identifiés par le traitement d'images), conditionnée par l'information DOP, contenue dans les trames GPS.

Download or read book METHODES DE SEGMENTATION BIDIMENSIONNELLES ET TRIDIMENSIONNELLES APPLIQUEES A L IMAGERIE ODONTOLOGIQUE ET BIOMEDICALE written by CHANTAL.. REVOL-MULLER and published by . This book was released on 1996 with total page 257 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE A ETE EFFECTUEE AU LABORATOIRE D'IMAGE, SIGNAL ET ACOUSTIQUE DE CPE LYON SOUS LA DIRECTION DE MONSIEUR M. JOURLIN. ELLE A POUR BUT D'ETUDIER ET DE METTRE EN UVRE DE NOUVELLES TECHNIQUES DE SEGMENTATION BIDIMENSIONNELLES ET TRIDIMENSIONNELLES EN VUE DE L'APPLICATION DENTAIRE. ELLE SE COMPOSE DE DEUX CHAPITRES. LE PREMIER CHAPITRE PRESENTE LE CONTEXTE DE NOTRE TRAVAIL, C'EST-A-DIRE L'IMAGERIE DENTAIRE. NOUS ETUDIONS DANS UN PREMIER TEMPS LES SYSTEMES D'ACQUISITION DONT NOUS DISPOSONS (SCANNER X ET MORPHOMETRE), ET LES DIFFERENTS TYPES D'IMAGES ASSOCIES. PUIS, NOUS FAISONS LE POINT SUR LES TECHNIQUES DE TRAITEMENT D'IMAGES COURAMMENT UTILISEES PAR LES APPLICATIONS ODONTOLOGIQUES. APRES AVOIR EXPOSE LES RAISONS POUR LESQUELLES LES BESOINS DES CHIRURGIENS-DENTISTES N'ETAIENT PAS ENTIEREMENT SATISFAITS PAR LES TECHNIQUES EXISTANTES, NOUS TERMINONS CE CHAPITRE SUR LA NECESSITE DE METTRE EN UVRE DE NOUVEAUX TRAITEMENTS TELS QUE LA SEGMENTATION. LE DEUXIEME CHAPITRE EST ENTIEREMENT CONSACRE A LA SEGMENTATION. DEUX APPROCHES SONT ETUDIEES: PAR CONTOUR ET PAR REGION. LA PREMIERE APPROCHE FAIT L'OBJET D'UNE PARTIE DANS LAQUELLE DEUX TYPES DE TECHNIQUES SONT ENVISAGES: LE FILTRAGE ET LES CONTOURS ACTIFS. LA SECONDE APPROCHE EST TRAITEE EN DEUX PARTIES SEPAREES, L'UNE PORTANT SUR LA CLASSIFICATION ET L'AUTRE SUR LA CROISSANCE DE REGION. DES TECHNIQUES NOUVELLES SONT PRESENTEES TELLES QUE LE MULTISEUILLAGE PAR POIDS DE FRONTIERES OU LA CLASSIFICATION MIXTE QUI EST UNE COMBINAISON DES NUEES DYNAMIQUES MULTIDIMENSIONNELLES ET DE LA CLASSIFICATION ASCENDANTE HIERARCHIQUE (CETTE TECHNIQUE PREND EN COMPTE L'INFORMATION SPATIALE ET L'INFORMATION DES NIVEAUX DE GRIS). NOUS TERMINONS CE CHAPITRE PAR LA PRESENTATION D'UN NOUVEL ALGORITHME DE CROISSANCE DE REGION QUI PRESENTE L'ORIGINALITE DE POUVOIR SEGMENTER DES OBJETS NON-CONNEXES A PARTIR D'UN SEUL GERME AVEC DE MEILLEURES PERFORMANCES QUE LES ALGORITHMES CLASSIQUES