Download or read book Segmentation D images Ultrasonores Bas e Sur Des Statistiques Locales Avec Une S lection Adaptative D chelles written by Qing Yang and published by . This book was released on 2013 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Image segmentation is an important research area in image processing and a large number of different approaches have been developed over the last few decades. The active contour approach is one of the most popular among them. Within this framework, this thesis aims at developing robust algorithms, which can segment images with intensity inhomogeneities. We focus on the study of region-based external energies within the level set framework. We study the use of local image statistics for the design of external energies. Precisely, we address the difficulty of choosing the scale of the spatial window that defines locality. Our main contribution is to propose an adaptive scale for local region-based segmen¬tation methods. We use the Intersection of Confidence Intervals approach to define this pixel-dependent scale for the estimation of local image statistics. The scale is optimal in the sense that it gives the best trade-off between the bias and the variance of a Local Polynomial Approximation of the observed image conditional on the current segmenta¬tion. Additionally, for the segmentation model based on a Bayesian interpretation with two local kernels, we suggest to consider their values separately. Our proposition gives a smoother segmentation with less mis-localisations Chan the original method.Comparative experiments of our method to other local region-based segmentation me¬thods are carried out. The quantitative results, on simulated ultrasound B-mode images, show that the proposed scale selection strategy gives a robust solution to the intensity inhomogeneity artifact of this imaging modality. More general experiments on real images also demonstrate the usefulness of our approach.

Download or read book Segmentation des images ultrasonores par une approche de phase locale written by and published by . This book was released on 2011 with total page 170 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce travail de recherche s'inscrit dans un cadre de segmentation des images ultrasonores. Nous nous sommes plus particulièrement intéressés aux techniques des ensembles de niveaux pour la segmentation du ventricule gauche. Pour appréhender ce problème, nous avons choisi une approche qui répond aux caractéristiques des images ultrasonores : le faible contraste, le bruit et le changement d'intensité. Nous avons ainsi pu mettre en évidence l'importance de l'information de phase locale estimée par le signal monogénique. Ainsi, une approche de segmentation basée sur l'information de phase locale et les statistiques locales a donc été développée. Une étape de validation a été élaborée par des tests sur des images de simulation et des images réelles par une comparaison avec des tracés manuels. Pour ce faire, nous avons utilisé une base de données composée de contours délimités manuellement et indépendamment par deux médecins. Ceci a permis la mesure de la variabilité inter et intra-observateur. Les résultats obtenus par notre approche comparés aux méthodes classiques basées sur le gradient ou les statistiques globales sont encourageants. Les résultats quantitatifs, effectués par une comparaison aux tracés manuels, permettent d'affirmer qu'ils sont adéquats par rapport à l'état de l'art. Les résultats obtenus sur les images de synthèse ont montré que notre approche est plus performante que les méthodes classiques basées sur le gradient ou sur les statistiques globales. L'intérêt de cette approche devient évident quand on analyse des images ayant des atténuations, mais aussi des images de faible contraste.

Download or read book Segmentation bayesienne d images par une approche markovienne multiresolution written by Djamal Boukerroui and published by . This book was released on 2000 with total page 186 pages. Available in PDF, EPUB and Kindle. Book excerpt: L’objet de ce travail s'inscrit dans le domaine de la segmentation d'images et plus particulièrement de données multidimensionnelles très bruitées ou texturées telles que les données ultrasonores. La nature des données rend la segmentation très délicate et les approches classiques, telles que les détecteurs de contours ou les algorithmes n'exploitant que l'information du niveau de gris donnent des résultats peu satisfaisants. Ainsi, nous avons orienté nos recherches vers des méthodes multiparamètriques et multirésolution qui s'appuient sur une modélisation statistique dans un contexte bayesien. Dans un premier temps, un algorithme adaptatif exploitant des informations de texture est proposé. La segmentation se fait au sens du MAP et utilise un algorithme de minimisation déterministe avec une structuration multirésolution classique des données. La définition des paramètres du modèle a priori à chaque niveau de résolution est discutée et une solution est proposée en combinant le modèle multirésolution et le modèle multiéchelle. Nous nous sommes également intéressés au caractère adaptatif de l'algorithme. Une amélioration significative est obtenue par la prise en compte des statistiques globales des données afin de contrôler l'adaptativité de l'algorithme. Un formalisme plus général est proposé ; il offre la possibilité de contrôler la contribution des statistiques locales et globales dans le processus de décision. Dans une seconde partie, une analyse des statistiques des données ultrasonores ainsi que des techniques de caractérisation de tissus en imagerie ultrasonore est réalisée. Elle permet d'extraire des paramètres pertinents afin d'aborder l'application du modèle de segmentation sur des données réelles échographiques du sein et échocardiographiques. L'apport des différentes contributions est montré sur plusieurs exemples. Enfin une évaluation de l'algorithme de segmentation en comparaison avec les contours tracés par un expert médical est effectuée.

Download or read book Segmentation d images written by Fouad Sabry and published by One Billion Knowledgeable. This book was released on 2024-05-11 with total page 150 pages. Available in PDF, EPUB and Kindle. Book excerpt: Qu'est-ce que la segmentation d'image Dans le traitement d'images numériques et la vision par ordinateur, la segmentation d'image est le processus de partitionnement d'une image numérique en plusieurs segments d'image, également appelés régions d'image ou objets images. Le but de la segmentation est de simplifier et/ou de modifier la représentation d'une image en quelque chose de plus significatif et plus facile à analyser. La segmentation d'images est généralement utilisée pour localiser des objets et des limites dans les images. Plus précisément, la segmentation d'image est le processus d'attribution d'une étiquette à chaque pixel d'une image de telle sorte que les pixels portant la même étiquette partagent certaines caractéristiques. Comment vous en bénéficierez (I) Informations et validations sur les sujets suivants : Chapitre 1 : Segmentation d'images Chapitre 2 : Détection des contours Chapitre 3 : Transformation de caractéristiques invariantes d'échelle Chapitre 4 : Seuil (traitement d'image) Chapitre 5 : Méthode d'Otsu Chapitre 6 : Détection de coin Chapitre 7 : Coupes graphiques en vision par ordinateur Chapitre 8 : Décalage moyen Chapitre 9 : Segmentation de plage Chapitre 10 : Bassin versant (traitement d'image) (II) Répondre aux principales questions du public sur la segmentation d'images. (III) Exemples concrets d'utilisation de la segmentation d'images dans de nombreux domaines. À qui s'adresse ce livre Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type de segmentation d'images.

Download or read book A Novel Segmentation Approach Combining Region and Edge Based Information for Ultrasound Images written by YaozhongLuo and published by Infinite Study. This book was released on with total page 18 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ultrasound imaging has become one of the most popular medical imaging modalities with numerous diagnostic applications. However, ultrasound (US) image segmentation, which is the essential process for further analysis, is a challenging task due to the poor image quality.

Download or read book An Adaptive Region Growing based on Neutrosophic Set in Ultrasound Domain for Image Segmentation written by XUE JIANG and published by Infinite Study. This book was released on with total page 11 pages. Available in PDF, EPUB and Kindle. Book excerpt: Breast tumor segmentation in ultrasound is important for breast ultrasound (BUS) quantitative analysis and clinical diagnosis. Even this topic has been studied for a long time, it is still a challenging task to segment tumor in BUS accurately arising from difficulties of speckle noise and tissue background inconsistence. To overcome these difficulties, we formulate breast tumor segmentation as a classification problem in the neutrosophic set (NS) domain which has been previously studied for removing speckle noise and enhancing contrast in BUS images. The similarity set score and homogeneity value for each pixel have been calculated in the NS domain to characterize each pixel of BUS image. Based on that, the seed regions are selected by an adaptive Otsu-based thresholding method and morphology operations, then an adaptive region growing approach is developed for obtaining candidate tumor regions in NS domain.

Download or read book Segmentation D images Intravasculaires Ultrasonores written by Marie-Hélène Roy Cardinal and published by . This book was released on 2008 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book SEGMENTATION BAYESIENNE NON SUPERVISEE EN IMAGERIE RADAR written by Hans-Christoph Quelle and published by . This book was released on 1993 with total page 146 pages. Available in PDF, EPUB and Kindle. Book excerpt: SEGMENTATION BAYESIENNE NON SUPERVISEE EN IMAGERIE RADAR. LA THESE EST CONSACREE A LA SEGMENTATION STATISTIQUE NON SUPERVISEE EN IMAGERIE RADAR. L'ACCENT A ETE MIS SUR LES METHODES LOCALES, QUI AU CONTRAIRE DES METHODES GLOBALES NE NECESSITENT PAS L'HYPOTHESE D'INDEPENDANCE DES DONNEES OBSERVEES CONDITIONNELLEMENT A UNE REALISATION DU TERRAIN. DANS UNE PREMIERE PARTIE L'INFLUENCE DU CONTEXTE SPATIAL SUR L'ESTIMATION DES PARAMETRES UTILISES PAR LE MODELE D'IMAGE HIERARCHIQUE ET SUR LA SEGMENTATION BAYESIENNE DES IMAGES D'INTENSITES MONO-VUE ET MULTI-VUES A ETE ETUDIE. ENSUITE NOUS AVONS PROPOSE UNE METHODE D'ESTIMATION ADAPTATIVE DE PARAMETRES (ASEM) BASE SUR L'ESTIMATEUR SEM, PERMETTANT LA SEGMENTATION BAYESIENNE DES SCENES HOMOGENES, NON-STATIONNAIRES. LES TESTS EFFECTUES SUR DES IMAGES DE SYNTHESE ET REELLES ONT MONTRE LA SUPERIORITE DE LA SEGMENTATION BAYESIENNE UTILISANT LES PARAMETRES ESTIMES AVEC L'ASEM PAR RAPPORT A LA SEGMENTATION UTILISANT LES PARAMETRES ESTIMES AVEC LE SEM, MAIS AUSSI, SOUS CERTAINES CONDITIONS, SUR DES IMAGES DE SYNTHESE STATIONNAIRE. DANS UNE DERNIERE PARTIE L'IDEE D'UNE GENERALISATION DU MODELE D'IMAGE HIERARCHIQUE DE KELLY ET DERIN EST PROPOSEE PERMETTANT L'ADAPTATION DE LA PROBABILITE MARGINALE DE CHAQUE COMPOSANT DU MELANGE AUX DIFFERENTES REGIONS DE L'IMAGE

Download or read book Statistical Models for Segmentation from MR Localizer Images written by Matthias Fenchel and published by . This book was released on 2010 with total page 110 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book MISE EN OEUVRE D UN SYSTEME ADAPTATIF DE SEGMENTATION D IMAGES written by CHRISTOPHE.. ROSENBERGER and published by . This book was released on 1999 with total page 161 pages. Available in PDF, EPUB and Kindle. Book excerpt: LE TRAITEMENT D'IMAGES SUSCITE UN INTERET CROISSANT A MESURE QUE L'IMAGE S'IMPOSE COMME UN SUPPORT ET UNE SOURCE D'INFORMATIONS PRIVILEGIES. LA QUALITE DE L'INTERPRETATION D'UNE IMAGE DEPEND FORTEMENT DE CELLE DE LA SEGMENTATION. MALGRE LA GRANDE DIVERSITE DE METHODES, LES RESULTATS DE SEGMENTATION RESTENT MOYENS ET VARIENT BEAUCOUP EN FONCTION DE LA TECHNIQUE CHOISIE. UNE METHODE DE SEGMENTATION GENERALE ET AUTOMATIQUE EST DIFFICILE A CONCEVOIR ETANT DONNES LES DIFFERENTS TYPES DE REGIONS POUVANT ETRE PRESENTES DANS UNE IMAGE. AFIN DE CONTRIBUER A RESOUDRE CE PROBLEME, NOUS PROPOSONS UN SYSTEME ADAPTATIF DE SEGMENTATION D'IMAGES. APRES UN TRAVAIL DE SYNTHESE PERMETTANT DE REPERTORIER LES DIFFERENTES METHODES DE SEGMENTATION EXISTANTES EN FONCTION DU TYPE D'INFORMATIONS POUR LESQUELLES ELLES SONT PERFORMANTES, UN SYSTEME ORIGINAL DE SEGMENTATION EST PROPOSE. L'ORIGINALITE DE CE SYSTEME RESIDE DANS L'ADAPTATION DES TRAITEMENTS AU CONTEXTE LOCAL DE L'IMAGE AVEC LE MINIMUM DE CONNAISSANCES A PRIORI. IL EST CONSTITUE DE TROIS MODULES DE TRAITEMENT. LE PREMIER MODULE PERMET D'ANALYSER FINEMENT L'IMAGE A DEUX NIVEAUX. LE PREMIER NIVEAU IDENTIFIE D'UNE PART, LE CONTEXTE GLOBAL DE L'IMAGE A TRAITER (IMAGE MAJORITAIREMENT COMPOSEE DE REGIONS UNIFORMES OU TEXTUREES) AFIN D'ADAPTER LA SUITE DES TRAITEMENTS ET, DISTINGUE D'AUTRE PART, LES ZONES TEXTUREES ET UNIFORMES LA COMPOSANT. LE SECOND NIVEAU DU MODULE CONCERNE L'ANALYSE LOCALE DE L'IMAGE A SEGMENTER AFIN DE CARACTERISER CHACUNE DES REGIONS DETECTEES PAR DES ATTRIBUTS CLASSIQUES DE TEXTURES PERTINENTS (OBTENUS PAR ANALYSE STATISTIQUE) ET DES ATTRIBUTS QUE NOUS AVONS DEFINIS. CES PARAMETRES COMPLEMENTAIRES ONT ETE DETERMINES A PARTIR D'UN MODELE DE TEXTURE BASE SUR LA DECOMPOSITION DE WOLD DE LA FONCTION D'AUTOCOVARIANCE. ILS PERMETTENT D'OBTENIR DES INFORMATIONS SUR LE TYPE DE TEXTURE (ALEATOIRE OU DETERMINISTE) ET SUR SA GRANULARITE (GROSSIERE OU FINE). CETTE ANALYSE PLUS FINE D'UNE REGION TEXTUREE PERMET, D'UNE PART, DE FACILITER LE CHOIX DE LA METHODE DE SEGMENTATION APPROPRIEE ET, D'AUTRE PART, D'ADAPTER LA TAILLE DU SUPPORT D'ANALYSE DE LA REGION A SEGMENTER. LE DEUXIEME MODULE DECLENCHE LA METHODE DE SEGMENTATION ADAPTEE AU CONTEXTE LOCAL DE L'IMAGE EN UTILISANT UNE METHODE DE CLASSIFICATION NON SUPERVISEE QUE NOUS AVONS DEVELOPPEE. ENFIN, LE TROISIEME MODULE PERMET DE FUSIONNER SOIT LES RESULTATS DE PLUSIEURS METHODES DE SEGMENTATION D'UNE MEME IMAGE, SOIT LES RESULTATS DE SEGMENTATION DE CHAQUE BANDE DANS LE CAS D'UNE IMAGE MULTI-COMPOSANTES. LA METHODE DE FUSION DEVELOPPEE ADOPTE UNE APPROCHE GENETIQUE EN COMBINANT LES RESULTATS DE SEGMENTATION PONDERES PAR UN CRITERE D'EVALUATION. LE SYSTEME A ETE VALIDE SUR DIFFERENTS TYPES D'IMAGE (SYNTHETIQUES ET REELLES DE TELEDETECTION).

Download or read book Segmentation d images bas e sur les statistiques de rangs des niveaux de gris written by Duyan Bi and published by . This book was released on 1997 with total page 181 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans ce mémoire, nous présentons de nouvelles méthodes de segmentation d'images basées sur les statistiques de rangs des niveaux de gris. A travers cette étude, nous avons mis en évidence l'efficacité de la caractérisation des régions à l'aide des statistiques de rangs des niveaux de gris tant pour les régions que pour la discrimination de textures. Dans un premier temps, nous utilisons celles-ci pour la détection de contours. En considérant les contours comme des transitions fortes de niveaux de gris entre régions, on base la détection sur une modélisation du changement des niveaux de gris par rapport à leurs rangs dans une fenêtre. Les contours sont finalement positionnés grâce à une nouvelle méthode de localisation s'appuyant sur une modélisation géométrique locale d'un contour dans une fenêtre de 3 x 3 pixels. Les résultats de la détection sur des images réelles ont montré l'efficacité de notre approche. Dans un deuxième temps, nous avons pris en compte la relation qui lie les positions spatiales et les rangs des niveaux de gris des pixels dans un voisinage. Cela permet de faire ressortir la structure locale de la distribution de niveaux de gris dans l'image. Nous décrivons ensuite la texture en calculant les fréquences d'apparition de ces structures de base dans une région. Cette nouvelle description de texture, permet la mise en oeuvre de la discrimination et la segmentation de textures. La comparaison de cette méthode avec celles des matrices d'occurrences, de l'énergie de texture, et de la transformation de Gabor a montré la supériorité de la méthode proposée.

Download or read book Utilisation des concepts d analyse statistique des donn es et de connexit pour la segmentation des images written by Marie-Claire Douchez and published by . This book was released on 1993 with total page 336 pages. Available in PDF, EPUB and Kindle. Book excerpt: Un moyen efficace pour condenser l'information visuelle contenue dans une scène consiste à segmenter l'image numérisée. Notre travail qui s'inscrit dans cette optique, consiste à classer les points-image entre les classes associées aux différents types de régions homogènes constituant l'image analysée. Cependant, les conditions de réussite d'une telle procédure de segmentation reposent pour une grande part sur l'uniformité spatiale de l'illumination de la scène observée. Ainsi, nous avons développé une nouvelle approche de prétraitement des images. Son principe, basé sur un schéma itératif de modélisation des variations spatiales basses fréquences de la luminance, permet d'obtenir une image représentative des variations d'illumination. Après soustraction de ces variations estimées de l'image originale, l'image résultante peut être segmentée par un seuil global. Dans un contexte non supervisé, nous proposons ensuite une approche statistique de classification des points-image. Avec pour unique hypothèse la normalité de la distribution des niveaux de gris des points associés à chaque classe à identifier, nous utilisons les concepts mathématiques de base de la classification statistique des données afin d'identifier les différentes distributions qui composent la distribution des niveaux de gris des points de l'image. Notre approche a été généralisée dans le cas d'une caractérisation multidimensionnelle des points-image. Cette approche statistique s'avère cependant limitée du fait du manque de la prise en compte des relations spatiales existantes entre les points-images. Pour remédier à cet inconvénient, nous proposons finalement une approche par fusions hiérarchiques des régions qui utilise ces propriétés spatiales pour segmenter les images. Cette étude, validée par des expérimentations sur des images synthétiques, débouche sur des résultats satisfaisants dans le cas d'images réelles.

Download or read book SEGMENTATION STATISTIQUE FLOUE D IMAGES written by HELENE.. CAILLOL and published by . This book was released on 1995 with total page 156 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE EST CONSACREE A LA SEGMENTATION STATISTIQUE FLOUE D'IMAGES. DANS LE CADRE DE LA SEGMENTATION BAYESIENNE, UNE IMAGE EST MODELISEE PAR DEUX CHAMPS ALEATOIRES: LE CHAMP DES CLASSES REPRESENTANT LA VERITE-TERRAIN INOBSERVABLE ET QUE L'ON CHERCHE A ESTIMER ET LE CHAMP DES OBSERVATIONS. LE CHAMP DES CLASSES EST GENERALEMENT SUPPOSE PRENDRE SES VALEURS DANS UN ENSEMBLE FINI DES CLASSES THEMATIQUES. LE MODELE PROPOSE DANS CETTE THESE VISE A ENRICHIR CE MODELE CLASSIQUE: CHAQUE SITE DE LA VERITE-TERRAIN PEUT SOIT APPARTENIR A L'UNE DES CLASSES THEMATIQUES, SOIT RESULTER D'UN MELANGE DE CES CLASSES. DANS CE DERNIER CAS, LA NATURE DU SITE EST DECRITE PAR LE VECTEUR DES COEFFICIENTS D'APPARTENANCE DU SITE A CHACUNE DES CLASSES. LA MODELISATION STATISTIQUE S'APPUIE SUR UNE MESURE CONTENANT DES MASSES DE DIRAC CHARGEANT LES CLASSES THEMATIQUES ET LA MESURE DE LEBESGUE PAR RAPPORT A LAQUELLE EST DEFINIE LA DENSITE DES VECTEURS D'APPARTENANCE DANS LE CAS D'UN SITE MELANGE. UNE PREMIERE PARTIE EST CONSACREE A LA SEGMENTATION PROPREMENT DITE. D'UNE PART, PLUSIEURS METHODES BAYESIENNES SONT PROPOSEES, DEDUITES DE DIFFERENTES FONCTIONS DE PERTE. DE PLUS, DEUX METHODES DE SEGMENTATION EST DEVELOPPEE DANS TROIS VERSIONS, CORRESPONDANT A DIFFERENTES MANIERE D'EXPLOITER L'INFORMATION SPATIALE: LA SEGMENTATION AVEUGLE, CONTEXTUELLE ET ADAPTATIVE. AFIN DE PROPOSER DES ALGORITHMES DE SEGMENTATION NON SUPERVISEE, TROIS PROCEDURES D'ESTIMATION DES PARAMETRES NECESSAIRES A LA MISE EN UVRE DE LA SEGMENTATION SONT ADAPTEES A CE MODELE: EXPECTATION- MAXIMISATION, STOCHASTIC ESTIMATION MAXIMISATION ET ITERATIVE CONDITIONAL ESTIMATION. ENFIN, LES METHODES NON SUPERVISEES DE SEGMENTATION STATISTIQUES FLOUES PROPOSEES SONT TESTEES SUR DES IMAGES REELLES ET DE SIMULATION

Download or read book Automatisation de la segmentation s mantique de structures cardiaques en imagerie ultrasonore par apprentissage supervis written by Sarah Marie-Solveig Leclerc and published by . This book was released on 2019 with total page 244 pages. Available in PDF, EPUB and Kindle. Book excerpt: L’analyse d’images médicales joue un rôle essentiel en cardiologie pour la réalisation du diagnostique cardiaque clinique et le suivi de l’état du patient. Parmi les modalités d’imagerie utilisées, l’imagerie par ultrasons, temps réelle, moins coûteuse et portable au chevet du patient, est de nos jours la plus courante. Malheureusement, l’étape nécessaire de segmentation sémantique (soit l’identification et la délimitation précise) des structures cardiaques est difficile en échocardiographie à cause de la faible qualité des images ultrasonores, caractérisées en particulier par l’absence d’interfaces nettes entre les différents tissus. Pour combler le manque d’information, les méthodes les plus performante, avant ces travaux, reposaient sur l’intégration d’informations a priori sur la forme ou le mouvement du cœur, ce qui en échange réduisait leur adaptabilité au cas par cas. De plus, de telles approches nécessitent pour être efficaces l’identification manuelle de plusieurs repères dans l’image, ce qui rend le processus de segmentation difficilement reproductible. Dans cette thèse, nous proposons plusieurs algorithmes originaux et entièrement automatiques pour la segmentation sémantique d’images échocardiographiques. Ces méthodes génériques sont adaptées à la segmentation échocardiographique par apprentissage supervisé, c’est-à-dire que la résolution du problème est construite automatiquement à partir de données pré- analysées par des cardiologues entraînés. Grâce au développement d’une base de données et d’une plateforme d’évaluation dédiées au projet, nous montrons le fort potentiel clinique des méthodes automatiques d’apprentissage supervisé, et en particulier d’apprentissage profond, ainsi que la possibilité d’améliorer leur robustesse en intégrant une étape de détection automatique des régions d’intérêt dans l’image.

Download or read book Caract risation des objets dans une image en vue d une aide l interpr tation et d une compression adapt e au contenu written by Arnaud Capri and published by . This book was released on 2007 with total page 155 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse, réalisée dans le cadre d’une convention CIFRE avec la société ECA-Sinters, se situe dans la continuité de projets de robotique télé-opérée pour des applications médicales non-invasives réalisés au laboratoire de Vision et Robotique ; l’application médicale télé-opérée concerne ici la télé-échographie. Notre travail a porté plus précisément sur le traitement des images ultrasonores sur lesquelles se base l’expert medical pour le contrôle à distance du robot porteur de la sonde échographique positionné sur le patient. Une étude des méthodes actuelles de segmentation d’image ainsi que sur les méthodes permettant d’évaluer un résultat de segmentation, nous conforte dans l’idée d’une non universalité des méthodes de segmentation. La difficulté de partitionner une image ultrasonore en composantes illustre cette affirmation. Nous proposons donc, via l’utilisation combinée d’approches floue et fractale, une caractérisation des divers objets présents au sein de l’image sans réelle segmentation. De plus, le lien démontré entre ces deux approches nous permet de prendre en compte, dans le calcul de la complexité des divers objets, le bruit initialement présent au sein de l’image ultrasonore. Ces résultats obtenus d’un point de vue théorique sont alors appliqués à différents domaines tels que la segmentation ou la compression d’images.

Download or read book UNE METHODE DE SEGMENTATION ADAPTATIVE BASEE SUR LES INDICES LOCAUX DE L IMAGE written by SCHAHRAZAD.. SOLTANE and published by . This book was released on 1999 with total page 280 pages. Available in PDF, EPUB and Kindle. Book excerpt: LE PROBLEME DU TRAITEMENT NUMERIQUE DE L'IMAGE EST APPARU IL Y A UNE TRENTAINE D'ANNEES AVEC L'AVENEMENT DES ORDINATEURS. LES CHERCHEURS SE SONT RAPIDEMENT APERCUS DE LA COMPLEXITE DU PROBLEME. EN EFFET, L'IMAGE NUMERIQUE EST UNE MATRICE DE VALEURS D'INTENSITES LUMINEUSES, NOYEE D'INFORMATIONS INUTILES (BRUIT, REDONDANCE,). POUR REMEDIER A CE PROBLEME, LES CHERCHEURS ONT DEVELOPPE DES FILTRES POUR ATTENUER LE BRUIT, DES METHODES D'EXTRACTION DE CONTOURS, AINSI QUE DES METHODES D'EXTRACTION DE REGIONS POUR REDUIRE LA QUANTITE DE DONNEES NECESSAIRE. LE REGROUPEMENT DES CONTOURS ET DES REGIONS EXTRAITES DOIT ABOUTIR A UNE TRANSFORMATION DE L'INFORMATION IMAGE EN OBJETS INTERPRETABLES. C'EST CE QU'ON APPELLE, LA SEGMENTATION. DANS LA CONCEPTION DES ALGORITHMES DE SEGMENTATION CORRESPONDANT A DES APPLICATIONS DONNEES, LE CHOIX DES OPERATEURS ET DES MESURES EST DIFFICILE, IL RESTE LIE AUX APPLICATIONS. L'OPERATEUR IDEAL DOIT ETRE CAPABLE D'EXTRAIRE LES INFORMATIONS PERTINENTES. IL EST CARACTERISE PAR SON EFFET SUR LES DETAILS DE N'IMPORTE QUEL TYPE D'IMAGE (IMAGE A CONTOURS RAPPROCHES, A CONTOURS FLOUS, IMAGE TEXTUREE, FAIBLE RAPPORT SIGNAL SUR BRUIT). LA RECHERCHE MENEE VISE A DEFINIR UNE METHODE GENERALE DE SEGMENTATION D'IMAGES DE MANIERE A POUVOIR FAIRE COOPERER DIVERS OPERATEURS D'EXTRACTIONS DE CONTOURS. LE BUT RECHERCHE ETAIT LA SELECTION ET L'ADAPTATION DE METHODES EXISTANTES EN FONCTION DE LEUR EFFICACITE DANS UN CONTEXTE DETERMINE. CELA A ETE RENDU POSSIBLE GRACE A UNE EVALUATION DE LA DETECTION ET A L'OBSERVATION DE PRESENCE D'INFORMATIONS INDICIAIRES A CHAQUE FOIS QU'UNE METHODE A ETE QUALIFIEE D'ADEQUATE.

Download or read book CONTRIBUTION DES MESURES FLOUES ET D UN MODELE MARKOVIEN A LA SEGMENTATION D IMAGES COULEUR written by RIADH.. BOUSSARSAR and published by . This book was released on 1997 with total page 172 pages. Available in PDF, EPUB and Kindle. Book excerpt: LA SEGMENTATION D'IMAGE COULEUR CONSISTE A PARTAGER L'IMAGE EN DIFFERENTES REGIONS AYANT DES CARACTERISTIQUES HOMOGENES SELON CERTAINS CRITERES. LA BASE DE REPRESENTATION COULEUR UTILISEE EST LA BASE RGB AFIN DE NE PAS PERDRE L'INFORMATION COULEUR DE L'IMAGE. TENANT COMPTE DE LA CORRELATION DES DONNEES DES TROIS PLANS DE L'IMAGE DANS CETTE BASE, UNE SEGMENTATION GROSSIERE HYBRIDE SUIVIE D'UNE SEGMENTATION FINE SONT DEVELOPPEES. LA SEGMENTATION GROSSIERE EST UNE CLASSIFICATION ITERATIVE. ELLE UTILISE DES MESURES FLOUS TELLES QUE L'INDEX OU L'ENTROPIE FLOUE AFIN DE MINIMISER DE MANIERE OPTIMALE ET AUTO-ADAPTATIVE LES ZONES AMBIGUES DES HISTOGRAMMES R, G, B DE L'IMAGE, PERMETTANT L'EXTRACTION D'UNE CLASSE 3D, ET LA FORMATION GROSSIERE D'UNE REGION FORMEE PAR UN ENSEMBLE DE PIXELS CLASSES ET DE PIXELS MASQUES. LA SEGMENTATION FINE UTILISE LE NOMBRE DE CLASSES, LEUR CENTRE DE GRAVITE ET LA FONCTION D'APPARTENANCE DE L'ALGORITHME DES FUZZY C-MEANS AFIN DE CLASSER GLOBALEMENT LES PIXELS MASQUES. ETANT DONNE QU'IL EXISTE QUELQUES PIXELS MAL CLASSES, UNE APPROCHE MARKOVIENNE EST DEVELOPPEE POUR ELIMINER CES PIXELS ET RENDRE LES REGIONS HOMOGENES AVEC DES FRONTIERES LISSES. POUR FINIR UNE VERSION MODIFIEE DE LA SEGMENTATION EST INTEGREE DANS UNE STRUCTURE PYRAMIDALE AFIN DE DIMINUER LES TEMPS DE CALCULS.