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 Utilisation des concepts d analyse statistique des donnees et de connexite pour la segmentation des images written by Marie-Claire Douchez and published by . This book was released on 1993 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book SEGMENTATION EN ANALYSE DE DONNEES SYMBOLIQUES written by EMMANUEL.. PERINEL and published by . This book was released on 1996 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: LES METHODES DE SEGMENTATION, OU D'ARBRE DE DECISION, SONT DES TECHNIQUES PERMETTANT D'EXPLIQUER UNE PARTITION A PRIORI D'UNE POPULATION D'OBJETS DECRITE PAR DES VARIABLES EXPLICATIVES. ELLES ONT CONNU CES DERNIERES ANNEES UN NET REGAIN D'INTERET, AUSSI BIEN DANS LE DOMAINE DE LA STATISTIQUE QUE DANS CELUI DE L'APPRENTISSAGE AUTOMATIQUE EN INTELLIGENCE ARTIFICIELLE. TOUTEFOIS, CES METHODES SONT SOUVENT RECONNUES SENSIBLES A UNE INFORMATION DITE IMPARFAITE TELLE QUE, DES ERREURS DE MESURES, DES IMPRECISIONS OU INCERTITUDES, DES JUGEMENTS EXPERTS, CE PHENOMENE RESULTE PRINCIPALEMENT DU MANQUE DE FLEXIBILITE DES LANGAGES DE REPRESENTATIONS EMPLOYES POUR DECRIRE LES OBJETS ETUDIES, D'UNE PART, ET DE LA RIGIDITE MEME DU PROCESSUS D'APPRENTISSAGE (PARTITIONNEMENT RECURSIF), D'AUTRE PART. DANS CE TRAVAIL, NOUS PROPOSONS UNE METHODOLOGIE GENERALE DE CONSTRUCTION D'ARBRE DE DECISION APPLIQUEE A DES DONNEES DE NATURE PROBABILISTE. CELLES-CI SONT REPRESENTEES PAR DES ASSERTIONS PROBABILISTES DANS LE CONTEXTE DE L'ANALYSE DES DONNEES SYMBOLIQUES. SON LANGAGE DE DESCRIPTION, EN OFFRANT UNE REPRESENTATION PLUS RICHE ET COMPLEXE DES OBJETS ETUDIES, NOUS PERMET D'INTRODUIRE PLUS DE FLEXIBILITE DANS LE PROCESSUS DE SEGMENTATION. LE DEVELOPPEMENT DE L'ARBRE REPOSE SUR UN CRITERE DE DECOUPAGE BASE SUR LA NOTION GENERALE D'INFORMATION OU DE VRAISEMBLANCE. LA NATURE IMPRECISE OU INCERTAINE DES DONNEES CONDUIT, DE FACON NATURELLE, A LA NOTION D'APPARTENANCE PROBABILISTE DES OBJETS AUX DIFFERENTS NUDS DE L'ARBRE. LA CONSTRUCTION DE L'ARBRE SE PRESENTE ALORS SOUS LA FORME D'UNE SUCCESSION DE PROBLEMES DE MELANGE DE LOIS DE PROBABILITE QUE L'ON RESOUT A L'AIDE D'UN ALGORITHME DE TYPE EM (ESPERANCE / MAXIMISATION). NOUS FAISONS EGALEMENT LE LIEN, DANS UN CADRE PROBABILISTE, ENTRE LA NOTION D'APPARTENANCE PROBABILISTE PRECEDENTE ET CELLE CONSECUTIVE A L'EMPLOI D'UNE COUPURE SOUPLE OU FLOUE. L'APPROCHE EST ILLUSTREE SUR UN JEU DE DONNEES MEDICALES RELATIVES A L'UTILISATION DE MARQUEURS BIOLOGIQUES SUR DES TYPES CELLULAIRES, ET DANS L'OBJECTIF DE CARACTERISER LE CONCEPT DE SYSTEME NEUROENDOCRINIEN.

Download or read book Variational Methods in Image Segmentation written by Jean-Michel Morel and published by Springer Science & Business Media. This book was released on 2012-12-06 with total page 257 pages. Available in PDF, EPUB and Kindle. Book excerpt: This book contains both a synthesis and mathematical analysis of a wide set of algorithms and theories whose aim is the automatic segmen tation of digital images as well as the understanding of visual perception. A common formalism for these theories and algorithms is obtained in a variational form. Thank to this formalization, mathematical questions about the soundness of algorithms can be raised and answered. Perception theory has to deal with the complex interaction between regions and "edges" (or boundaries) in an image: in the variational seg mentation energies, "edge" terms compete with "region" terms in a way which is supposed to impose regularity on both regions and boundaries. This fact was an experimental guess in perception phenomenology and computer vision until it was proposed as a mathematical conjecture by Mumford and Shah. The third part of the book presents a unified presentation of the evi dences in favour of the conjecture. It is proved that the competition of one-dimensional and two-dimensional energy terms in a variational for mulation cannot create fractal-like behaviour for the edges. The proof of regularity for the edges of a segmentation constantly involves con cepts from geometric measure theory, which proves to be central in im age processing theory. The second part of the book provides a fast and self-contained presentation of the classical theory of rectifiable sets (the "edges") and unrectifiable sets ("fractals").

Download or read book Segmentation interactive multiclasse d images par classification de superpixels et optimisation dans un graphe de facteurs written by Bérangère Mathieu and published by . This book was released on 2017 with total page 157 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation est l'un des principaux thèmes du domaine de l'analyse d'images. Segmenter une image consiste à trouver une partition constituée de régions, c'est-à-dire d'ensembles de pixels connexes homogènes selon un critère choisi. L'objectif de la segmentation consiste à obtenir des régions correspondant aux objets ou aux parties des objets qui sont présents dans l'image et dont la nature dépend de l'application visée. Même s'il peut être très fastidieux, un tel découpage de l'image peut être facilement obtenu par un être humain. Il n'en est pas de même quand il s'agit de créer un programme informatique dont l'objectif est de segmenter les images de manière entièrement automatique. La segmentation interactive est une approche semi-automatique où l'utilisateur guide la segmentation d'une image en donnant des indications. Les méthodes qui s'inscrivent dans cette approche se divisent en deux catégories en fonction de ce qui est recherché : les contours ou les régions. Les méthodes qui recherchent des contours permettent d'extraire un unique objet correspondant à une région sans trou. L'utilisateur vient guider la méthode en lui indiquant quelques points sur le contour de l'objet. L'algorithme se charge de relier chacun des points par une courbe qui respecte les caractéristiques de l'image (les pixels de part et d'autre de la courbe sont aussi dissemblables que possible), les indications données par l'utilisateur (la courbe passe par chacun des points désignés) et quelques propriétés intrinsèques (les courbes régulières sont favorisées). Les méthodes qui recherchent les régions groupent les pixels de l'image en des ensembles, de manière à maximiser la similarité en leur sein et la dissemblance entre les différents ensembles. Chaque ensemble correspond à une ou plusieurs composantes connexes et peut contenir des trous. L'utilisateur guide la méthode en traçant des traits de couleur qui désignent quelques pixels appartenant à chacun des ensembles. Si la majorité des méthodes ont été conçues pour extraire un objet principal du fond, les travaux menés durant la dernière décennie ont permis de proposer des méthodes dites multiclasses, capables de produire une partition de l'image en un nombre arbitraire d'ensembles. La contribution principale de ce travail de recherche est la conception d'une nouvelle méthode de segmentation interactive multiclasse par recherche des régions. Elle repose sur la modélisation du problème comme la minimisation d'une fonction de coût pouvant être représentée par un graphe de facteurs. Elle intègre une méthode de classification par apprentissage supervisé assurant l'adéquation entre la segmentation produite et les indications données par l'utilisateur, l'utilisation d'un nouveau terme de régularisation et la réalisation d'un prétraitement consistant à regrouper les pixels en petites régions cohérentes : les superpixels. L'utilisation d'une méthode de sur-segmentation produisant des superpixels est une étape clé de la méthode que nous proposons : elle réduit considérablement la complexité algorithmique et permet de traiter des images contenant plusieurs millions de pixels, tout en garantissant un temps interactif. La seconde contribution de ce travail est une évaluation des algorithmes permettant de grouper les pixels en superpixels, à partir d'un nouvel ensemble de données de référence que nous mettons à disposition et dont la particularité est de contenir des images de tailles différentes : de quelques milliers à plusieurs millions de pixels. Cette étude nous a également permis de concevoir et d'évaluer une nouvelle méthode de production de superpixels.

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 Analyse Statistique Et Morphologique Des Images Multivalue Es written by Arnaud Garcia and published by Omniscriptum. This book was released on 2010-10 with total page 200 pages. Available in PDF, EPUB and Kindle. Book excerpt: La détection et la segmentation de formes dans les images à partir d'un échantillon nécessitent de combiner une analyse statistique des données à une analyse morphologique de l'image. L'analyse statique a pour objectif un calcul local de la similarité de l'image au modèle; l'analyse morphologique vient compléter ce dispositif en permettant la prise en compte de l'information géométrique pour finaliser les étapes de détection et de segmentation. Les images étudiées sont des images multivaluées: images couleur, images multimodalité ou pile d'images émergeant d'une analyse multiéchelle d'une image scalaire... Le passage de l'image scalaire à l'image multivaluée pose des difficultés fondamentales, notamment pour l'analyse morphologique qui requiert de disposer d'un ordre total sur les valeurs manipulées. Contrairement aux scalaires, deux vecteurs ne sont pas comparables. La plupart des opérateurs définis dans le cas scalaire ne trouvent pas d'équivalent immédiat dans le cas vectoriel. Travailler à partir d'un échantillon permet de déverrouiller la situation, chaque élément de l'image multivaluée pouvant ètre ordonné selon sa similarité à l'échantillon.

Download or read book La segmentation des images couleurs par fusion des donn es written by Salim Ben Chaabane and published by Noor Publishing. This book was released on 2017-03 with total page 109 pages. Available in PDF, EPUB and Kindle. Book excerpt: D'un point de vue general, les travaux de recherche de ce livre s'inscrivent dans le cadre de la segmentation des images couleurs par fusion des donnees. Dans ce travail, nous presentons une architecture de fusion d'images basee sur la theorie des croyances de Dempster-Shafer, utilisee pour la segmentation des images couleurs. Nous focalisons notre etude sur les methodes de fusion des informations au niveau des pixels. Nous presentons, une approche pour la modelisation des informations, basee sur la distribution gaussienne. Cette derniere, permet de generer, a partir de trois primitives couleurs, une seule image finale segmentee. La methode de fusion consiste a fusionner les resultats issus d'une premiere segmentation des images originales parfaitement recalees geometriquement. Dans cette methode de fusion, l'etape de modelisation est realisee a base des techniques d'analyse de l'histogramme et la distribution gaussienne. Les etudes comparatives avec plusieurs techniques existantes, appliquees a la segmentation des images couleurs, montrent la souplesse et la robustesse de la modelisation basee sur le seuillage de l'histogramme d'homogeneite et la distribution gaussienne.

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 METHODES NEURONALES POUR LA SEGMENTATION D IMAGES DE TELEDETECTION ET L APPRENTISSAGE DE CONCEPTS written by Jean-Pierre Novak and published by . This book was released on 2000 with total page 229 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'UTILISATION DES METHODES D'APPRENTISSAGE AUTOMATIQUE AVEC LES JEUX DE DONNEES COMPLEXES ET VOLUMINEUX DES IMAGES DE TELEDETECTION EST SOUVENT DELICATE, EN PARTICULIER AVEC LES IMAGES DE ZONES URBAINES QUI CONTIENNENT DES TAUX IMPORTANTS DE PIXELS MIXTES. LA CLASSIFICATION PIXEL PAR PIXEL DE CES IMAGES GENERE DES CLASSES SPECTRALES MIXTES QUI NE SONT PAS TOUJOURS INTERESSANTES. D'AUTRE PART, LA COMPLEXITE DE CES DONNEES REND DIFFICILE L'APPRENTISSAGE SUPERVISE DES CLASSIFICATIONS EFFECTUEES PAR UN EXPERT. CETTE THESE PROPOSE DEUX METHODES D'APPRENTISSAGE BIEN ADAPTEES A CES JEUX DE DONNEES COMPLEXES. LA PREMIERE ENTRE DANS LA CATEGORIE DES METHODES D'APPRENTISSAGE NON SUPERVISE. ELLE A POUR OBJECTIF DE CLASSIFIER ET DE SEGMENTER LES IMAGES DE TELEDETECTION EN REGIONS ET DE DEPASSER LE NIVEAU DES PIXELS. ELLE UTILISE DES INFORMATIONS SPATIALES EN PLUS DES INFORMATIONS SPECTRALES AFIN DE CONSTRUIRE PAR AGREGATION DES REGIONS ET DE LES CLASSIFIER. LA SECONDE METHODE ENTRE DANS LA CATEGORIE DES METHODES D'APPRENTISSAGE NEURONAL SUPERVISE. ELLE A POUR OBJECTIF DE REPRODUIRE LES CLASSIFICATIONS DE L'EXPERT SUR DES DONNEES D'APPRENTISSAGE COMPLEXES ET DE LES GENERALISER SUR DES DONNEES NON VUES DURANT L'APPRENTISSAGE. ELLE UTILISE UNE REPRESENTATION INTERNE DES CONNAISSANCES SOUS LA FORME DE NEURONES DE TYPE HYPERCONVEXE ET UN ALGORITHME D'APPRENTISSAGE EFFICACE.

Download or read book Analyse statistique et morphologique des images multivalu es written by Arnaud Garcia and published by . This book was released on 2008 with total page 192 pages. Available in PDF, EPUB and Kindle. Book excerpt: La détection et la segmentation de formes dans les images à partir d'un échantillon nécessitent de combiner une analyse statistique des données à une analyse morphologique de l'image. L'analyse statique a pour objectif un calcul local de la similarité de l'image au modèle ; l'analyse morphologique vient compléter ce dispositif en permettant la prise en compte de l'information géométrique pour finaliser les étapes de détection et de segmentation. Les images étudiées sont des images multivaluées : images couleur, images multimodalité ou pile d'images émergeant d'une analyse multiéchelle d'une image scalaire... Le passage de l'image scalaire à l'image multivaluée pose des difficultés fondamentales, notamment pour l'analyse morphologique qui requiert de disposer d'un ordre total sur les valeurs manipulées. Contrairement aux scalaires, deux vecteurs ne sont pas comparables. La plupart des opérateurs définis dans le cas scalaire ne trouvent pas d'équivalent immédiat dans le cas vectoriel. Travailler à partir d'un échantillon permet de déverrouiller la situation, chaque élément de l'image multivaluée pouvant être ordonné selon sa similarité à l'échantillon. Sous réserve d'une relation univoque entre les vecteurs et leur rang dans l'espace des similarités, tous les opérateurs définis pour les images scalaires peuvent alors êtres étendus aux images vectorielles. Des applications sur les images couleur et sur des images médicales sont présentées. Une librairie "Open Source" (vmorph) a été réalisée afin détendre les opérateurs de morphologie mathématique aux vecteurs sur la base de nos travaux.

Download or read book Segmentation d images par analyse statistique de textures written by Pierre Provent and published by . This book was released on 1991 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: UNE ETAPE DE SEGMENTATION DE L'IMAGE ECHOGRAPHIQUE S'AVERE NECESSAIRE POUR EN EXTRAIRE LES INFORMATIONS QUANTITATIVES UTILES POUR L'ETUDE DE LA FONCTION CARDIAQUE COMME: LA FRACTION D'EJECTION VENTRICULAIRE, LES VARIATIONS DE VOLUME MYOCARDIQUE PENDANT UN CYCLE, ... NOUS PROPOSONS DE CARACTERISER CHAQUE REGION DE L'IMAGE PAR SES ATTRIBUTS OPTIMAUX DE TEXTURE QUE L'ON DETERMINE PAR UNE ETUDE STATISTIQUE (ANALYSE EN COMPOSANTES PRINCIPALES) DES PROPRIETES DE STRUCTURE LOCALE DES PIXELS DANS UN VOISINAGE DONNE. LE CHOIX D'UNE FORMULATION STATISTIQUE DE L'ANALYSE DE TEXTURE PERMET UN TRAITEMENT UNIFIE DES MICRO ET MACROTEXTURES. LA PERTINENCE DES ATTRIBUTS EST VERIFIEE PAR UNE ANALYSE FACTORIELLE DISCRIMINANTE SUR DES TEXTURES DE SYNTHESE NATURELLES ET ECHOGRAPHIQUES. UNE PROCEDURE DE CLASSEMENT AUTOMATIQUE PAR APPRENTISSAGE EFFECTUE LA SEGMENTATION PAR REGROUPEMENT DES PIXELS DE CARACTERISTIQUES HOMOGENES. L'HYPOTHESE D'UNE DISTRIBUTION GAUSSIENNE MULTIVARIEE CONDUIT A LA DEFINITION D'UNE REGLE D'AFFECTATION OPTIMALE DES INDIVIDUS (CRITERE DE BAYES) FONDEE SUR LA DISTANCE DE MAHALANOBIS. DES SOLUTIONS ALGORITHMIQUES RAPIDES SONT PROPOSEES POUR LE CALCUL DES ATTRIBUTS ET DE LA DISTANCE DE MAHALANOBIS. CE TRAVAIL PRESENTE AUSSI UNE ETUDE DES DIFFERENTS PROBLEMES LIES A L'ACQUISITION ET LA FORMATION DES IMAGES ECHOGRAPHIQUES SECTORIELLES, ET PROPOSE DES SOLUTIONS POUR ADAPTER UN CERTAIN NOMBRE D'OPERATEURS CLASSIQUES DE TRAITEMENT D'IMAGES, EN COORDONNEES POLAIRES: OPERATEURS DE DERIVATION DU GRADIENT DIRECTIONNEL ET LAPLACIEN, OPERATEURS DE SOBEL ET DE PREWITT AINSI QUE DES OPERATEURS D'AMELIORATION D'IMAGES COMME LE FILTRE MEDIAN ET MOYENNEUR

Download or read book SEGMENTATION STATISTIQUE NON SUPERVISEE D IMAGES ET DETECTION DE CONTOURS PAR FILTRAGE written by ANRONG.. PENG and published by . This book was released on 1992 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE EST CONSACREE A DEUX CATEGORIES DE METHODES DE LA SEGMENTATION D'IMAGES: LA SEGMENTATION STATISTIQUE NON SUPERVISEE ET LA DETECTION DE CONTOURS PAR FILTRAGE. LES CONTRIBUTIONS DE CE TRAVAIL REPOSENT SUR LES ETUDES DES DEUX FAMILLES DE METHODES EN SOI ET SUR LEUR MISE EN PARALLELE. DANS LA PREMIERE PARTIE, NOUS ABORDONS LA SEGMENTATION BAYESIENNE NON SUPERVISEE. DES ALGORITHMES D'ESTIMATION PREALABLE A LA SEGMENTATION CONTEXTUELLE, TELS QUE EM, ICE, SEM, SONT ETUDIES. PUIS CES ESTIMATEURS VALABLES DANS LES CHAMPS STATIONNAIRES SONT ADAPTES AUX CHAMPS NON STATIONNAIRES. NOUS MENONS UNE COMPARAISON DES PERFORMANCES DES ESTIMATEURS SUIVANT DES CARACTERISTIQUES DU BRUIT. UNE ETUDE DE LA ROBUSTESSE DE LA SEGMENTATION CONTEXTUELLE EST EFFECTUEE, CE QUI EST UTILE POUR LE CHOIX D'UN ESTIMATEUR, AINSI QUE POUR LA DEFINITION D'UN COMPROMIS ENTRE LA PRECISION DE L'ESTIMATION ET LE TEMPS DE CALCUL. LA DEUXIEME PARTIE EST CONSACREE A LA DETECTION DE CONTOURS PAR FILTRAGE. UNE DEFINITION DES CONTOURS UTILISANT L'ORDRE DE DISCONTINUITE EST D'ABORD PROPOSEE. LA METHODOLOGIE DE LA DETECTION DE CONTOURS D'ORDRE 0 (CONTOUR ECHELON) EST GENERALISEE AUX CONTOURS DE DISCONTINUITE D'ORDRE QUELCONQUE. LE PROBLEME DE LA DETECTION DE CONTOURS EST AINSI REDUIT A LA RECHERCHE D'UN FILTRE DE LISSAGE OPTIMAL DONT LA FORME JOUE UN ROLE IMPORTANT. L'ACCENT EST DONC MIS SUR L'ETUDE DES FORMES DE FILTRES DE LISSAGE EXISTANTS. UN EXEMPLE DE CETTE GENERALISATION, LA DETECTION DU CONTOUR RAMPE, EST APPLIQUEE AUX IMAGES SIMULEES ET IMAGES REELLES. LA TROISIEME PARTIE EST CONSACREE A LA MISE EN PARALLELE DES DEUX FAMILLES DE METHODES. APRES UNE ETUDE SUR LEURS PROFILS DIFFERENTS ET POINTS COMMUNS DU POINT DE VUE THEORIQUE, L'OBJECTIF PRINCIPAL EST LA COMPARAISON DE LA QUALITE, TANT VISUELLE QUE SELON DES CRITERES OBJECTIFS, DES CONTOURS OBTENUS PAR DEUX FAMILLES DE METHODES. CETTE ETUDE MET EN LUMIERE LES DIFFERENCES DE COMPORTEMENT DES DEUX FAMILLES DE METHODES, ET PEUT AINSI SERVIR A LA DECISION QUANT AU CHOIX DE LA METHODE LA PLUS APPROPRIEE EN FONCTION DE PROPRIETES OBJECTIVES DES IMAGES

Download or read book Segmentation statistique et fusion d images satellitaires par la th orie de l vidence dans un contexte markovien written by Ahmed Rekik and published by . This book was released on 2008 with total page 181 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le travail réalisé dans le cadre de cette thèse, porte sur la segmentation statistique non supervisée des images satellitaires dans un contexte Markovien, et leur fusion à travers la théorie de l’évidence. En effet, nous avons développée dans ce travail une nouvelle approche de segmentation statistique optimale, à travers l’intégration et l’apport de plusieurs algorithmes, notamment au niveau de l’initialisation, en exploitant tout d’abord la méthode des centres mobiles (Kmeans) pour une meilleure définition des classes de l’image, ensuite nous avons voulu régulariser et uniformiser ces classes à travers les champs de Markov qui permettaient une prise en compte de la notion de voisinage dans la phase de classification. Au niveau de la modélisation des différentes classes de l’image, nous avons opté pour les distributions du système de Pearson pour leur flexibilité et leur adaptation en offrant une gamme de lois diverses et précises. Enfin en ce qui concerne l’estimation des différents attributs de chaque classe de l’image, nous avons utilisé les algorithmes EM et SEM. Dans le but d’optimiser davantage ce travail, nous avons intégré dans notre approche une phase de fusion d’images segmentées basée sur la théorie de l’évidence, qui permettait une meilleure prise de décision au niveau de l’étape de segmentation, en exploitant la richesse des données présentes dans les images multispectrales et multi-temporelles.

Download or read book Segmentation d images written by and published by . This book was released on 2009 with total page 173 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation d'image est une étape primordiale dans tout processus d'interprétation d'images. Les modèles déformables sont actuellement des approches de segmentation très populaires et sont toujours en plein évolution. Ils sont largement utilisés dans de nombreux domaines. Dans le cadre de cette thèse, notre intérêt s'est porté dans un premier lieu, à la comparaison qualitative et quantitative des performances de huit modèles déformables, représentatifs de l'état de l'art actuel du domaine. L'étude comparative a porté sur des images de synthèse et sur des images réelles. Nous avons pris le soin de construire une base d'images de synthèse dont chacune présentant une difficulté typique, en simulant une dégradation particulière. Cela permet l'étude et l'analyse des qualités, des faiblesses et des limitations d'une approche donnée. Les résultats de comparaison sont une aide précieuse aux utilisateurs qu'en au choix d'un algorithme donné pour résoudre une problématique particulière de segmentation. Dans un second temps, nous avons proposé des améliorations de deux des modèles étudiés afin de pallier à certaines de leurs limitations. Ainsi nous avons proposé une modification de la fonction de détection de contour pour permettre au modèle de Li de segmenter avec succès des objets avec des angles très aigus et une modification majeur de la prise en compte de l'a priori de forme dans le modèle de Tsai. En effet, notre approche possède un compromis entre l'a priori et le terme d'attache aux données, donnant ainsi plus de flexibilité d'une part, et utilise l'ACP à noyau pour l'apprentissage et la modélisation de l'a priori de forme, offrant ainsi une augmentation non négligeable de l'impact de la prise en compte de cette a priori sur le résultat de la segmentation d'autre part.

Download or read book Int gration et pond ration d indices visuels written by and published by . This book was released on 2004 with total page 193 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les travaux présentés dans ce mémoire ont pour but d'étudier un système de segmentation automatisé en vue d'une application à la recherche d'images de type multimédia dans une base de données. Pour cela, nous avons, dans un premier temps, étudié les principaux algorithmes de segmentation disponibles dans la littérature. Cette étude nous a conduit à analyser la problématique liée à la multiplication des informations utiles à la segmentation. Ainsi, la conception d'un algorithme de segmentation pour images multimédia impose d'intégrer un large panel d'informations telles que les couleurs, les textures, les contours, etc. Toutefois, ces informations présentent des aspects discriminants (au sens de la segmentation), variables en fonction de l'image. Partant de ce constat, nous avons, dans un deuxième temps, étudié des méthodes d'intégration d'informations, susceptibles de répondre à cette problématique. Puis, nous avons proposé un système itératif d'intégration d'indices visuels basé sur une analyse en composantes principales et utilisant un ensemble de matrices d'affinités inter-régions comme données initiales. De nombreux tests nous ont permis de vérifier les capacités d'adaptation et de sélection de notre système en fonction de l'image. Afin d'évaluer notre méthode de segmentation, nous l'avons comparé à d'autres algorithmes en utilisant la mesure d'erreur BCE qui offre la possibilité de comparer les résultats fournis automatiquement avec des segmentations obtenues manuellement. Enfin, la dernière partie de ce mémoire, propose d'utiliser le résultat de segmentation comme une signature propre à chaque image que nous intégrons au sein d'un système de recherche dans une base. L'algorithme de recherche utilise un principe de sélection et de pondération des informations similaire à celui proposé dans la méthode segmentation. Les tests effectués ont permis de présenter des résultats encourageants.

Download or read book Contribution des mod les statistiques de forme et d apparence la segmentation d images written by Nabil Boukala and published by . This book was released on 2007 with total page 238 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce travail de recherche s'inscrit dans le domaine de la segmentation d'images à l'aide de modèles déformables. Nous étudions 2 types de modèles : -les contours actifs ou snakes, -les modèles statistiques, notamment les modèles actifs de forme (ASM) et d'apparence (AAM).Nous proposons d'appliquer ces différentes méthodes au problème de la segmentation d'images radiographiques du bassin. Cette étude comparative révèle la supériorité, en termes de précision et robustesse, des ASM par rapport aux autres approches étudiées. Cependant, notre ensemble de données met clairement en avant une limitation majeure de la méthode à savoir la nécessité d'un ensemble d'entraînement de taille conséquente, contrainte commune aux AAM. En effet, la mise en oeuvre de ces méthodes implique non seulement la possession de nombreuses images-exemples, mais également leur annotation manuelle, soit une lourdeur de la phase d'apprentissage et une limitation du champ d'application. L'approche proposée s'appuie sur des modèles locaux d'apparence très précis. Ces derniers décrivent les variations produites en perturbant aléatoirement le modèle de forme sur une ou plusieurs images d'entraînement. Notre stratégie de recherche fait usage de classificateurs statistiques qui indiquent dans quelles directions chacun des points du modèle doit évoluer. Outre le gain en précision et robustesse apporté, notre approche élargit le domaine d'application au suivi d'objet ou tracking puisqu'elle se satisfait de peu d'exemples d'apprentissage, une unique image pouvant éventuellement remplir cet office. Dans ce cas, un enrichissement du modèle de forme à l'aide d'une méthode par éléments finis est nécessaire