Segmentation d'images par l'algorithme des flot maximum continu

On continuous maximum flow image segmentation algorithm

• Auteur / Autrice : Laszlo Marak
• Direction : Laurent Najman
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 28/03/2012
• Etablissement(s) : Paris Est
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2010-2015)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009)
• Jury : Président / Présidente : Dominique Bernard
• Jury : Examinateurs / Examinatrices : Laurent Najman, David Tschumperlé, Hugues Talbot
• Jury : Rapporteurs / Rapporteuses : Bernard Burgeth

Mots clés

Mots clés contrôlés

Microscopie électronique en transmission

Ordinateurs de réseau

Science des matériaux

NUMA (informatique)

Traitement d'images -- Techniques numériques

Mots clés libres

Variation totale

Analyse d\'image

Optimisation continue

Microscopie électronique à transmission

Calcul GPU

Segmentation

Total variation

Image analysis

Continuous optimization

Transmission electron tomography

General-purpose computing on graphics processing units

Image segmentation

Résumé

Ces dernières années avec les progrès matériels, les dimensions et le contenu des images acquises se sont complexifiés de manière notable. Egalement, le différentiel de performance entre les architectures classiques mono-processeur et parallèles est passé résolument en faveur de ces dernières. Pourtant, les manières de programmer sont restées largement les mêmes, instituant un manque criant de performance même sur ces architectures. Dans cette thèse, nous explorons en détails un algorithme particulier, les flots maximaux continus. Nous explicitons pourquoi cet algorithme est important et utile, et nous proposons plusieurs implémentations sur diverses architectures, du mono-processeur à l'architecture SMP et NUMA, ainsi que sur les architectures massivement parallèles des GPGPU. Nous explorons aussi des applications et nous évaluons ses performances sur des images de grande taille en science des matériaux et en biologie à l'échelle nano

In recent years, with the advance of computing equipment and image acquisition techniques, the sizes, dimensions and content of acquired images have increased considerably. Unfortunately as time passes there is a steadily increasing gap between the classical and parallel programming paradigms and their actual performance on modern computer hardware. In this thesis we consider in depth one particular algorithm, the continuous maximum flow computation. We review in detail why this algorithm is useful and interesting, and we propose efficient and portable implementations on various architectures. We also examine how it performs in the terms of segmentation quality on some recent problems of materials science and nano-scale biology