Segmentation d'images : étude comparative de différentes approches de contours déformables

par Xiaoping Wan

Thèse de doctorat en Technologies de l'information et des systèmes

Sous la direction de Jean-Pierre Cocquerez et de Djamal Boukerroui.

Soutenue en 2009

à Compiègne .


  • Résumé

    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.

  • Titre traduit

    Image segmentation : a comparative study of eight deformable contour approaches


  • Résumé

    Image segmentation is a primordial step in any image understanding process. Deformable models are currently very popular image segmentation approaches, and are still in constant evolution. They are widely applied in various applications of image segmentation. This thesis firstly deals with a qualitative and quantitative comparison performances of eight different representative deformable models. The comparison study is done on synthetic images and real images. A database of synthetic images has been built, each of which represents a typical segmentation diffculty by simulating one particular image degradation. This allows studying and analysing the strengths, weaknesses and limitations of the given approach. The comparison results can help users to choose a particular algorithm for a particular segmentation problem. Secondly, we have proposed improvements for two of the previously studied models in order to overcome some of their serious limitations. We proposed a modified edge detection function to allow Li's model to successfully segment objects with very sharp angles and also major changes on the contribution of the shape prior in the Tsai's model. Indeed, our approach has a tradeoff between the shape priori and the data term offering more flexibility, and on the other hand, uses the Kernel PCA in the training and the modeling of the shape prior, providing a significant increase in impact of the prior on the segmentation result.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (173 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. 94 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Université de Technologie de Compiègne. Service Commun de la Documentation.
  • Disponible pour le PEB
  • Cote : 2009 WAN 1825
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.