Les contours actifs, une méthode de ségmentation : application à l'imagerie médicale

• Auteur / Autrice : Jean-Jacques Rousselle
• Direction : Nicole Vincent
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2003
• Etablissement(s) : Tours

Mots clés

Mots clés contrôlés

Algorithmes génétiques

Plan d'expérience

Algorithmes

Traitement d'images -- Techniques numériques

Perception des images

Traitement d'images

Résumé

Les méthodes de segmentation d'images sont nombreuses ; toutes présentent des avantages mais ne donnent pas entière satisfaction. Toutes doivent être adaptées en fonction des appplications que l'on se propose de réaliser. Les contours actifs ou modèles déformables ont permis de s'affranchir du chaînage des points du contour mais nécessitent le réglage de nombreux paramètres. Les contours actifs que nous avons étudiés sont implémentés par un algorithme ''greedy''. D'abord, nous proposons une variante basée sur une minimisation par algorithme génétique. Puis nous présentons trois approches pour régler les paramètres qui contrôlent l'évolution du contour. Les plans d'expériences permettent, sur un jeu d'images, de choisir très rapidement un jeu de paramètres performants. Les algorithmes génétiques peuvent être utilisés pour optimiser les paramètres. Enfin, nous décrivons une approche originale où les paramètres sont locaux et tirés aléatoirement. Ces contours actifs autonomes permettent uné évolution des contours sans aucun réglage. Les applications développés trouvent leur intérêt dans le domaine médical.

The segmentation methods of images are numerous ; all have advantages but do not give full satisfaction. All must be adapted according to the application which has to be carried out. Active contours or deformable models made it possible to avoid to chain the contour points but require the adjustment of many parameters. Active contours that we have studied are implemented using a greedy algorithm. First, we propose an alternative based on a minimization by genetic algorithm. Then we propose three approaches to regulate the parameters which control the evolution of contour. Design of experiments makes it possible from a set of images to very quickly choose a set of powerful parameters. The genetic algorithms can be used to optimize the parameters. Finally we propose an original approach where the parameters are local and randomly defined. These autonomous snake allow an evolution of contours without any adjustment. The applications use various images, but in particular medical images.