Compensation de mouvement par réseaux neuronaux cellulaires : application en imagerie médicale

par Cristian Grava

Thèse de doctorat en Images et sytèmes

Sous la direction de Isabelle Magnin et de Vasile Buzuloiu.

Soutenue en 2003

à Lyon, INSA .


  • Résumé

    Ce travail concerne l'estimation et la compensation de mouvement à partir de séquences d'images. L'originalité de cette thèse consiste dans les solutions proposées pour l'implantation rapide de l'interpolation et de la compensation du mouvement sur un support physique existant de réseaux neuronaux céllulaires (RNC). Pour améliorer la précision des méthodes classiques d'estimation du mouvement, on a développé des approches avec prise en compte des discontinuités. Les algorithmes déterministes de minimisation de l'énergie par Maximum a Posteriori implantés sont l'ICM et le recuit en champ moyen. La compensation du mouvement implantée sur le RNC s'appuie sur le champ de mouvement estimé précédent. Ceci est facilité par la similitude entre le voisinage au sens de Markov et la structure physique des RNC. Les performances de algorithmes proposés, ont été testées sur des imageries medicales échographiques et tomographiques X. Les gains de temps obtenus sont de plusieurs ordres de grandeur (jusqu'à 10 puissance 3) et constituent une alternative extrêment intéréssante aux solutions conventionnelles.


  • Résumé

    This work concern motion estimation and compensation in image sequences. The originality of this thesis consist in the proposed solutions for a fast implementation of the interpolation and motion compensation on an existing hardware structure based on Cellular Neural Networks (CNN). To improve the precision of classical motion estimation methods, we developed markovian approaches, taking into account the discontinuities in the motion field. The deterministic algorithms implemented for the minimization of the maximum a Posteriori energy are ICM and mean-field annealing. The motion compensation implemented on CNN is based on the motion field, already estimated. This is facilitated by the similitude between the neighbourhood in the Markov sense and the physical structure of the CNN. The performances of the proposed algorithms were studied on images from echography and X-ray tomography. The time-gain is several orders (until 10~) greater and they are an alternative to conventional solutions.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (206 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p.195-206

Où se trouve cette thèse ?

  • Bibliothèque : Institut national des sciences appliquées (Villeurbanne, Rhône). Service Commun de la Documentation Doc'INSA.
  • Disponible pour le PEB
  • Cote : C.83(3068)
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.