Techniques statistiques de segmentation par contour actif et mise en oeuvre rapide

par Christophe Chesnaud

Thèse de doctorat en Traitement des images

Sous la direction de Philippe Réfrégier.

Soutenue en 2000

à Aix-Marseille 3 .

mots clés

• Traitement d'images -- Techniques numériques
• Estimation, Théorie de l'
• Reconnaissance des formes (informatique)

Résumé

Cette these est consacree au developpement et a l'etude d'une technique originale de segmentation d'un objet dans une image. L'apport de cette technique est d'obtenir une segmentation acceptable meme en l'absence de contour net entre l'objet et le fond de l'image analysee. Les applications considerees concernent essentiellement la poursuite d'objet dans des sequences d'images, ce qui entraine une contrainte importante sur les temps de calcul admissibles pour les algorithmes developpes. La technique proposee repose sur des modelisations probabilistes simples de l'image analysee qui permettent de prendre en compte des informations relatives aux statistiques des niveaux de gris de l'objet et du fond. La segmentation est alors posee comme un probleme d'estimation de la forme d'un objet dans une image. Un modele parametrique polygonal a ete choisi et l'estimation de sa forme est obtenue a l'aide des techniques statistiques de l'estimation en presence de champs stochastiques decorreles mais de parametres inconnus. Dans ce document apres avoir presente les principes de base de cette nouvelle technique, nous en illustrons les performances sur differents types d'images. Pour les images optroniques, nous montrons que si elle s'avere le plus souvent peu efficace quand on l'applique directement, elle devient beaucoup plus pertinente quand elle est associee a un pretraitement simple de l'image. Une partie importante de notre travail a consiste a optimiser le temps de calcul qui est a priori important pour les applications considerees. Les developpements algorithmiques qui nous ont permis d'obtenir une acceleration de l'ordre d'un facteur 400 sont egalement presentes car ils tirent pleinement parti des proprietes statistiques des modeles d'images et des algorithmes consideres. Nous concluons ce document en presentant des resultats en poursuite d'objets dans des resultats en poursuite d'objets dans des sequences d'images.

Pas de résumé disponible.