Segmentation d'images : Recherche d'une mise en oeuvre automatique par coopération de méthodes

Résumé du document

La thématique de recherche dans laquelle s'inscrit cette thèse est celle de la segmentation d'images. Les travaux menés ont permis la conception et le développement d'un système d'analyse adaptable à plusieurs catégories d'images dont les régions peuvent être de nature uniforme et/ou texturée. Un intérêt tout particulier a été accordé à l'aspect automatique et non-supervisé du dispositif. L'architecture du système proposé combine deux concepts. Le premier, fondé sur un procédé d'intégration d'informations issues de différentes méthodes, permet de tirer parti des avantages de chacune d'elles. Le second concept s'inspire de la perception active par l'introduction d'une boucle de retour dans le système afin de corriger et d'ajuster les paramètres de contrôle des différentes techniques de segmentation. Le principe de la coopération proposée introduit un mécanisme de vérification de la cohérence par comparaison des résultats des méthodes qui coopèrent. Cet aspect fait défaut à un bon nombre d'approches coopératives. Le système mis au point est composé de deux modules. Le premier est dédié à l'extraction de régions uniformes ou faiblement texturées. Le principe est fondé sur une coopération itérative entre une méthode de détection de contours et une méthode d'extraction de régions. Ces deux méthodes sont itérées avec des critères de plus en plus tolérants jusqu'à la convergence vers des résultats cohérents et stables. La cohérence est contrôlée et vérifiée en minimisant une mesure de dissimilarité entre les contours et les régions. Le but est ainsi de fournir une solution optimale au sens de la compatibilité entre les deux segmentations. Le second module localise les primitives « textures » afin de réactualiser et corriger les primitives « contours » et « régions » extraites par le premier module. Cette localisation s'appuie sur une classification automatique par multi-seuillage exploitant certains mécanismes de la perception visuelle, et sur une fusion des régions multi-seuillées basée sur la minimisation d'un critère de similarité. L'efficacité de l'approche mise au point s'est traduite, dans la plupart des cas examinés, par une détection cohérente des éléments représentatifs de l'image.

Extraits

[...] Il est constitue de deux methodes : detecteur optimal de contours et extracteur de regions par agregation de points. Ces deux methodes cooperent mutuellement de facon iterative. A chaque iteration, une mesure du degre de coherence entre les resultats issus de chacune de ces deux methodes est e ectuee. La coherence est realisee en minimisant une mesure de dissimilarite entre les resultats. Le but est ainsi de fournir une solution optimale au sens de la compatibilite entre les deux segmentations. [...]

[...] Il s'agit de la de nition des representations des donnees d'entree et de sortie d'un module de vision et les algorithmes de transformation de ces donnees. l'implantation. C'est l'etape nale consistant a implanter les algorithmes et les structures de donnees de la maniere la plus appropriee a une machine cible Vision active et vision animee Partant du principe que l'observateur humain est un observateur actif, la vision active se veut exploratoire, tentant d'imiter la perception humaine. Aloimonos et al. 14] percoivent la plupart des problemes fondamentaux de la vision comme etant des problemes reputes mal poses dans le cadre de l'approche de Marr. [...]

[...] Nous classerons les di erentes methodes suivant ce critere Approches non cooperatives Methodes dependant du point Pour des images composees d'un faible nombre de regions de luminances di erentes et bien contrastees, l'histogramme des niveaux de gris est multi-modal. La segmentation de l'image consiste alors a rechercher dans l'histogramme des luminosites la ou les vallees qui separent ses modes. Les classes sont alors de nies par les intervalles entre les vallees 272]. Methodes basees sur l'analyse des concavites de l'histogramme Lorsque les vallees sont mal de nies a partir de l'histogramme des niveaux de gris, ce qui est souvent le cas, il est preferable de choisir le seuil en analysant les concavites de l'histogramme 301]. [...]

[...] Celles-ci a peuvent ^tre exprimees par des contraintes ajustees en fonction des resultats obtenus par e un module ou en fonction de la t^che qu'on lui demande de realiser. De ce fait, un module a peut ^tre contr^le dans des phases de traitement dirige par les donnees ou par l'objectif a e o atteindre. Malgre cette diversite de points de vue, la majorite des chercheurs en vision 100] admettent les di cultes de l'approche traditionnelle et la necessite de chercher des alternatives sans pour autant remettre en cause la methodologie de Marr. [...]

[...] Cette methode a inspire celle de Kohler 195] qui en plus est basee sur l'idee suivante: le seuil optimal pour la segmentation de l'image est celui qui detecte le plus grand nombre de contours a fort contraste et le plus petit nombre de contours a faible contraste. On cherche alors a maximiser l'in uence des contours bien contrastes et a minimiser celle des contours peu contrastes en calculant le seuil s pour lequel la fonction suivante est maximale Chapitre 2. [...]