Literatura académica sobre el tema "Actif contours"

Cette thèse s'inscrit dans le cadre des modèles de contours actifs. Il s'agit de méthodes dynamiquesappliquées à la segmentation d'image, en image fixe et vidéo. L'image est représentée par desdescripteurs régions et/ou contours. La segmentation est traitée comme un problème deminimisationd'une fonctionnelle. La recherche du minimum se fait via la propagation d'un contour actif dit basérégions. L'efficacité de ces méthodes réside surtout dans leur robustesse et leur rapidité. L'objectifde cette thèse est triple : le développement (i) d'une représentation paramétrique de courbes respectantcertaines contraintes de régularités, (ii) les conditions nécessaires à une évolution stable de cescourbes et (iii) la réduction des coûts calcul afin de proposer une méthode adaptée aux applicationsnécessitant une réponse en temps réel.Nous nous intéressons principalement aux contraintes de rigidité autorisant une plus granderobustesse vis-à-vis du bruit. Concernant l'évolution des contours actifs, nous étudions les problèmesd'application de la force de propagation, de la gestion de la topologie et des conditionsde convergence. Nous avons fait le choix des courbes splines cubiques. Cette famille de courbesoffre d'intéressantes propriétés de régularité, autorise le calcul exact des grandeurs différentiellesqui interviennent dans la fonctionnelle et réduit considérablement le volume de données à traiter.En outre, nous avons étendu le modèle classique des splines d'interpolation à un modèle de splinesd'approximation, dites smoothing splines. Ce dernier met en balance la contrainte de régularité etl'erreur d'interpolation sur les points d'échantillonnage du contour. Cette flexibilité permet ainsi deprivilégier la précision ou la robustesse.L'implémentation de ces modèles de splines a prouvé son efficacité dans diverses applicationsde segmentation.

La segmentation et le suivi d'objets sont des domaines de recherche compétitifs dans la vision par ordinateur. Une de leurs applications importantes réside dans la robotique où la capacité à segmenter un objet d'intérêt du fond de l'image, d'une manière précise, est cruciale particulièrement dans des images acquises à bord durant le mouvement du robot. Segmenter un objet dans une image est une opération qui consiste à distinguer la région objet de celle du fond suivant un critère défini. Suivre un objet dans une séquence d'images est une opération qui consiste à localiser la région objet au fil du temps dans une vidéo. Plusieurs techniques peuvent être utilisées afin d'assurer ces opérations. Dans cette thèse, nous nous sommes intéressés à segmenter et suivre des objets en utilisant la méthode du contour actif en raison de sa robustesse et son efficacité à pouvoir segmenter et suivre des objets non rigides. Cette méthode consiste à faire évoluer une courbe à partir d'une position initiale, entourant l'objet à détecter, vers la position de convergence qui correspond aux bords de cet objet d'intérêt. Nous utilisons des critères qui dépendent des régions de l'image ce qui peut imposer certaines contraintes sur les caractéristiques de ces régions comme une hypothèse d'homogénéité. Cette hypothèse ne peut pas être toujours vérifiée du fait de l'hétérogénéité souvent présente dans les images. Dans le but de prendre en compte l'hétérogénéité qui peut apparaître soit sur l'objet d'intérêt soit sur le fond dans des images bruitées et avec une initialisation inadéquate du contour actif, nous proposons une technique qui combine des statistiques locales et globales pour définir le critère de segmentation. En utilisant un rayon de taille fixe, un demi-disque est superposé sur chaque point du contour actif afin de définir les régions d'extraction locale. Lorsque l'hétérogénéité se présente à la fois sur l'objet d'intérêt et sur le fond de l'image, nous développons une technique basée sur un rayon flexible déterminant deux demi-disques avec deux rayons de valeurs différentes pour extraire l'information locale. Le choix de la valeur des deux rayons est déterminé en prenant en considération la taille de l'objet à segmenter ainsi que de la distance séparant l'objet d'intérêt de ses voisins. Enfin, pour suivre un objet mobile dans une séquence vidéo en utilisant la méthode du contour actif, nous développons une approche hybride du suivi d'objet basée sur les caractéristiques de la région et sur le vecteur mouvement des points d'intérêt extraits dans la région objet. En utilisant notre approche, le contour actif initial à chaque image sera ajusté suffisamment d'une façon à ce qu'il soit le plus proche possible au bord réel de l'objet d'intérêt, ainsi l'évolution du contour actif basée sur les caractéristiques de la région ne sera pas piégée par de faux contours. Des résultats de simulations sur des images synthétiques et réelles valident l'efficacité des approches proposées<br>Object segmentation and tracking is a challenging area of ongoing research in computer vision. One important application lies in robotics where the ability to accurately segment an object of interest from its background is crucial and particularly on images acquired onboard during robot motion. Object segmentation technique consists in separating the object region from the image background according to a pre-defined criterion. Object tracking is a process of determining the positions of moving objects in image sequences. Several techniques can be applied to ensure these operations. In this thesis, we are interested to segment and track objects in video sequences using active contour method due to its robustness and efficiency to segment and track non-rigid objects. Active contour method consists in making a curve converge from an initial position around the object to be detected towards this object boundary according to a pre-defined criterion. We employ criteria which depend on the image regions what may impose certain constraints on the characteristics of these regions as a homogeneity assumption. This assumption may not always be verified due to the heterogeneity often present in images. In order to cope with the heterogeneity that may appear either in the object of interest or in the image background in noisy images using an inadequate active contour initialization, we propose a technique that combines local and global statistics in order to compute the segmentation criterion. By using a radius with a fixed size, a half-disk is superposed on each point of the active contour to define the local extraction regions. However, when the heterogeneity appears on both the object of interest and the image background, we develop a new technique based on a flexible radius that defines two half-disks with two different radius values to extract the local information. The choice of the value of these two radii is determined by taking into consideration the object size as well as the distance separating the object of interest from its neighbors. Finally, to track a mobile object within a video sequence using the active contour method, we develop a hybrid object tracking approach based on region characteristics and on motion vector of interest points extracted on the object region. Using our approach, the initial active contour for each image will be adequately adjusted in a way that it will be as close as possible to the actual boundary of the object of interest so that the evolution of active contour based on characteristics of the region will not be trapped by false contours. Simulation results on synthetic and real images validate the effectiveness of the proposed approaches

Nous proposons de mettre en œuvre un prototype de processeur<br />optoélectronique destiné à segmenter par contour actif des images<br />réelles. Le processus de segmentation est fondé sur des algorithmes<br />statistiques itératifs qui contiennent des opérations de corrélation.<br />Notre première contribution a été de les adapter pour bénéficier de la<br />rapidité de la rapidité des corrélations optiques.<br /><br />Nous avons conçu et mis en œuvre un corrélateur incohérent ombroscopique<br />dont les résultats ont pu valider cette approche optoélectronique de la<br />segmentation par contour actif.<br /><br />Afin d'accélérer le processus, nous avons ensuite exploité les capacités<br />de traitement parallèle de l'optique. La configuration multicanal permet<br />alors d'accélérer sensiblement la segmentation.<br /><br />Cette thèse ouvre de nouvelles perpectives pour les processeurs optiques<br />vers des applications de description et met en lumière les grandes<br />capacités de traitement des corrélateurs incohérents utilisés comme<br />calculateurs parallèles.

La vélocimétrie par IRM est une modalité intéressante pour explorer des pathologies cardiovasculaires. La séquence d'IRM en contraste de phase a la particularité de fournir à la fois des informations anatomiques et des informations physiologiques, permettant ainsi de mesurer les propriétés géométriques des vaisseaux ainsi que leurs propriétés hémodynamiques. Le but de cette thèse est d'automatiser la segmentation des vaisseaux et les mesures de vélocimétrie, un traitement manuel étant inadapté à une exploitation de la vélocimétrie IRM à des fins diagnostiques en routine clinique. Les travaux menés ont conduit à proposer une méthode de segmentation basée sur les contours actifs guidés par une information région (approche " région "), contrairement aux approches classiques se focalisant uniquement sur les frontières inter-régions (approche " contour "). Cette approche " région " a été évaluée sur des données provenant d'un fantôme réalisé afin de disposer d'une référence objective. Une seconde évaluation a été réalisée sur une base de 28 carotides (14 patients) segmentées manuellement par un radiologue expert. Les résultats obtenus sur les données " fantôme " montrent que l'approche " contour " conduit à une erreur de mesure de l'aire de la lumière de la carotide segmentée et de la mesure du flux de respectivement 18.4 % et 3.6 %. Ces erreurs sont plus importantes que celles obtenues en utilisant l'approche proposée (respectivement 2.3 % et 0.7 %). Ce bénéfice apparaît encore bien supérieur sur la base de patients avec une sous-estimation des aires et débits sanguins de respectivement 40.5 % et 26.5 % pour l'approche " contour ", contre 14,7 et 6.4 % pour l'approche proposée.

Les images d'ophtalmoscopie optique adaptative (AOO) du fond de l'œil permettent de visualiser les vaisseaux rétiniens avec une haute résolution, en particulier les bifurcations et les parois artérielles, adaptées aux mesures de biomarqueurs morphométriques. L’objectif de cette thèse est d’étudier la morphométrie des vaisseaux rétiniens dans les images d’AOO, en déterminant les différents biomarqueurs caractérisant le flux sanguin et qui sont extraits de l’estimation des diamètres et de l’épaisseur de paroi des branches aux bifurcations. Nous proposons deux méthodes pour la segmentation des vaisseaux rétiniens dans ces images. La première est semi-automatique, elle étend une approche précédente de traitement des branches des vaisseaux rétiniens, à la segmentation des bifurcations. La deuxième est une approche hybride entièrement automatique, basée sur un réseau de neurones convolutionnel U-Net modifié et des contours actifs, pour segmenter les branches et les bifurcations des vaisseaux rétiniens avec une grande précision. Nous proposons ainsi une technique de mesure automatique et reproductible pour extraire les diamètres des branches des bifurcations et calculer les biomarqueurs pour trois populations : sujets contrôle, sujets diabétiques et sujets Cadasil. Les résultats expérimentaux montrent que la précision de nos approches semi-automatique et entièrement automatique se situe dans la plage de variabilité intra et inter-utilisateurs, ce qui nous a permis de réaliser une étude statistique robuste sur les biomarqueurs extraits dans le but de différentier les sujets contrôle des sujets pathologiques<br>Adaptive Optical Ophthalmoscopy (AOO) images of the eye fundus allow visualization of retinal vessels with high resolution, in particular arterial bifurcations and their wall thickness, suitable for morphometric biomarker measurements.The objective of this thesis is to study the morphometry of retinal vessels in AOO images, by determining the different biomarkers characterizing blood flow and which are extracted from the estimation of the diameters and the wall thickness of the branches at the bifurcations.We propose two methods for segmentation of retinal vessels in these images. The first is semi-automatic, it extends a previous approach, treating branches of retinal vessels, to the segmentation of bifurcations. The second is a fully automatic hybrid approach, based on a modified U-Net convolutional neural network and active contours, to segment the branches and bifurcations of retinal vessels with high precision.We thus propose a reproducible and automatic measurement technique to extract the diajavascript:nouvelleZone('contenuS-2');meters of the branches of the bifurcations and calculate the biomarkers for three populations: control subjects, diabetic subjects and Cadasil subjects. The experimental results show that the precision of our semi-automatic and fully automatic approaches lies within the range of intra- and inter-user variability, which allowed us to perform a robust statistical study on the extracted biomarkers in order to differentiate the control subjects and pathological subjects

La segmentation d'image constitue une étape importante dans le traitement d'image et de nombreuses questions restent ouvertes. Il a été montré récemment, dans le cas d'une segmentation à deux régions homogènes, que l'utilisation de contours actifs polygonaux fondés sur la minimisation d'un critère issu de la théorie de l'information permet d'aboutir à un algorithme ultra-rapide qui ne nécessite ni paramètre à régler dans le critère d'optimisation, ni connaissance a priori sur les fluctuations des niveaux de gris. Cette technique de segmentation rapide et non supervisée devient alors un outil élémentaire de traitement.L'objectif de cette thèse est de montrer les apports de cette brique élémentaire pour la conception de nouvelles techniques de segmentation plus complexes, permettant de dépasser un certain nombre de limites et en particulier :- d'être robuste à la présence dans les images de fortes inhomogénéités ;- de segmenter des objets non connexes par contour actif polygonal sans complexifier les stratégies d'optimisation ;- de segmenter des images multi-régions tout en estimant de façon non supervisée le nombre de régions homogènes présentes dans l'image.Nous avons pu aboutir à des techniques de segmentation non supervisées fondées sur l'optimisation de critères sans paramètre à régler et ne nécessitant aucune information sur le type de bruit présent dans l'image. De plus, nous avons montré qu'il était possible de concevoir des algorithmes basés sur l'utilisation de cette brique élémentaire, permettant d'aboutir à des techniques de segmentation rapides et dont la complexité de réalisation est faible dès lors que l'on possède une telle brique élémentaire<br>Image segmentation is an important step in many image processing systems and many problems remain unsolved. It has recently been shown that when the image is composed of two homogeneous regions, polygonal active contour techniques based on the minimization of a criterion derived from information theory allow achieving an ultra-fast algorithm which requires neither parameter to tune in the optimized criterion, nor a priori knowledge on the gray level fluctuations. This algorithm can then be used as a fast and unsupervised processing module. The objective of this thesis is therefore to show how this ultra-fast and unsupervised algorithm can be used as a module in the conception of more complex segmentation techniques, allowing to overcome several limits and particularly:- to be robust to the presence of strong inhomogeneity in the image which is often inherent in the acquisition process, such as non-uniform illumination, attenuation, etc.;- to be able to segment disconnected objects by polygonal active contour without complicating the optimization strategy;- to segment multi-region images while estimating in an unsupervised way the number of homogeneous regions in the image.For each of these three problems, unsupervised segmentation techniques based on the optimization of Minimum Description Length criteria have been obtained, which do not require the tuning of parameter by user or a priori information on the kind of noise in the image. Moreover, it has been shown that fast segmentation techniques can be achieved using this segmentation module, while keeping reduced implementation complexity

L'objectif de cette thèse est de développer et de valider des approches robustes d'extraction semi-automatique de réseaux routiers en zone urbaine dense à partir d'images satellitaires optiques à très haute résolution (THR). Nos modèles sont fondés sur une modélisation par champs de phase des contours actifs d'ordre supérieur (CAOS). Le probléme est difficile pour deux raisons principales : les images THR sont intrinsèquement complexes, et certaines zones des réseaux peuvent prendre une topologie arbitraire. Pour remédier à la complexité de l'information contenue dans les images THR, nous proposons une modélisation statistique multi-résolution des données ainsi qu'un modèle multi-résolution contraint a priori. Ces derniers permettent l'intégration des résultats de segmentation de résolution brute et de résolution fine. De plus, dans le cadre particulier de la mise à jour de réseaux routiers, nous présentons un modèle de forme a priori spécifique, dérivé d'une ancienne carte numérique issue d'un SIG. Ce terme spécifique a priori équilibre l'effet de la connaissance a priori générique apportée par le modèle de CAOS, qui décrit la forme géométrique générale des réseaux routiers. Cependant, le modèle classique de CAOS souffre d'une limitation importante : la largeur des branches du réseau est contrainte à d'être similaire au maximum du rayon de courbure des branches du réseau, fournissant ainsi un modèle non satisfaisant dans le cas de réseaux aux branches droites et étroites ou aux branches fortement incurvées et larges. Nous résolvons ce problème en proposant deux nouveaux modèles : l'un contenant un terme additionnel, nonlocal, non-linéaire de CAOS, et l'autre contenant un terme additionnel, nonlocal, linéaire de CAOS. Ces deux termes permettent le contrôle séparé de la largeur et de la courbure des branches, et fournissent une meilleure prolongation pour une même largeur. Le terme linéaire a plusieurs avantages : d'une part il se calcule plus efficacement, d'autre part il peut modéliser plusieurs largeurs de branche simultanément. Afin de remédier à la difficulté du choix des paramètres de ces modèles, nous analysons les conditions de stabilité pour une longue barre d'une largeur donnée décrite par ces énergies, et montrons ainsi comment choisir rigoureusement les paramètres des fonctions d'énergie. Des expériences sur des images satellitaires THR et la comparaison avec d'autres modèles démontrent la supériorité de nos modèles.

Les modèles actifs de contour, encore appelés SNAKE et introduits initialement par Kass, Witkin et Terzopoulos, proposent un cadre unifié, basé sur l'utilisation d'énergies potentielles, permettent de résoudre globalement de nombreux problèmes de vision. Cependant des problèmes de choix de coefficients du modèle de potentiel, une grande dépendance de l'initialisation et des instabilités numériques entravent encore le bon fonctionnement de cette méthode. Apres une étude de ces problèmes, nous proposons une méthode, dite de croissance du SNAKE, fonctionnant par allongements successifs du SNAKE et dont les principaux avantages concernent l'amélioration de la convergence du processus et une plus grande indépendance des conditions d'initialisation. Nous avons ensuite développé un modèle étendu de SNAKE rendant possible des rétractions ou des expansions. Nous envisageons une méthode dynamique d'utilisation de telles déformations pour permettre une détection de meilleure qualité

Dans ce mémoire, nous proposons l'automatisation d'une portion du travail d'actualisation de données topographiques. Les modèles déformables, couramment appelés snakes , s'avèrent une solution bien adaptée à cette problématique. Un premier modèle de snake destiné à la correction d'éléments linéaires telles les routes est utilisé avec l'image radar. Nous introduisons dans ce travail une mesure automatique pour l'établissement de certains paramètres du snake . Ces derniers sont délicats à fixer et contribuent grandement à la variation de la forme du contour final. Un deuxième modèle de snake défini pour les éléments de surface tels les lacs et les forêts est employé avec l'image multi-spectrale. Nous tirons profit de la théorie de l'information pour automatiser la définition des paramètres de mixture associée aux différents types de régions d'intérêt. L'utilisation de cette information en combinaison avec les propriétés différentielles du contour nous permettent de proposer une nouvelle formulation de la déformation du contour. Ce snake définit des régions pouvant contenir plusieurs textures compte tenu de la nature de la zone d'intérêt. De plus, la déformation obéit localement à la dilatation ou à la contraction selon l'information de la scène observée sur l'image. Dans l'objectif de réduire les effets de mauvaises définitions sur l'image dans lesquelles le contour actif évolue et de permettre une flexibilité quant au niveau de détail des éléments actualisés, les deux modèles de snake que nous proposons sont formulés à l'aide des éléments finis. Enfin, les résultats expérimentaux effectués montrent la validité de l'approche proposée.