Thèse soutenue

Recalage d'image discrète : un paradigme hybride
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Aristeidis Sotiras
Direction : Nikos Paragios
Type : Thèse de doctorat
Discipline(s) : Mathématiques appliquées
Date : Soutenance le 04/11/2011
Etablissement(s) : Châtenay-Malabry, Ecole centrale de Paris
Ecole(s) doctorale(s) : École doctorale Sciences pour l'Ingénieur (Châtenay-Malabry, Hauts de Seine)
Partenaire(s) de recherche : Laboratoire : Mathématiques et informatique pour la complexité et les systèmes (Gif-sur-Yvette, Essonne ; 2006-....)
Jury : Président / Présidente : Charles-André Cuenod
Examinateurs / Examinatrices : Nikos Paragios, Daniel Rueckert, William D. Wells, Christos Davatzikos, Xavier Pennec, Bertrand Thirion
Rapporteurs / Rapporteuses : Daniel Rueckert, William D. Wells

Mots clés

FR  |  
EN

Mots clés contrôlés

Résumé

FR  |  
EN

La présente thèse est consacrée au recalage et à la fusion d’images de façon dense et déformable via des méthodes d’optimisation discrète. La contribution majeure consiste en un principe de couplage entre recalage géométrique et iconique via l’utilisation de méthodes dites graphiques. Une telle formulation peut être obtenue à partir d’un Champ de Markov Aléatoire binaire et permet de résoudre les deux problèmes simultanément tout en imposant une cohérence à leurs solutions respectives. La méthodologie s’applique à la fusion de paires d’images (dans ses versions symétrique et asymétrique), ainsi qu’au recalage simultané de groupes d’images nécessaire à l’étude de populations. Les qualités principales de notre approche résident dans sa faible complexité algorithmique et sa versatilité. L’utilisation d’une formulation discrète assure une grande modularité concernant tant la mesure de similarité iconique que l’extraction et l’association de points d’intérêt. Les résultats prometteurs obtenus sur les bases de données de référence en flot optique et sur des données médicales tridimensionnelles démontrent tout le potentiel de notre méthodologie