Modeles statistiques pour la segmentation et le suivi de structures deformables bidimensionnelles dans une sequence d'images

Statistical models for segmentation and tracking of bidimensional deformable structures in image sequences

• Auteur / Autrice : Charles Kervrann
• Direction : Fabrice Heitz
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées
• Date : Soutenance en 1995
• Etablissement(s) : Rennes 1

Résumé

Dans cette these, nous presentons un cadre statistique general de modelisation d'objets bidimensionnels pour la segmentation et le suivi de structures en deformation dans des sequences d'images. La representation hierarchique adoptee repose sur la definition d'une forme prototype a laquelle sont appliquees des deformations globales et locales. Ces dernieres sont modelisees par un processus markovien gaussien (1#e#r ordre). L'adaptation du modele a une classe particuliere d'objets et de deformations est realisee par le biais d'une phase d'apprentissage, s'appuyant sur une decomposition modale des deformations observees sur une population representative. La segmentation de l'image est obtenue en estimant, a partir de donnees-image constituees de gradients spatio-temporels extraits prealablement de la sequence, les deformations optimales au sens d'un critere statistique (maximum a posteriori). Des algorithmes de relaxation deterministes ou stochastiques sont utilises a cette fin, evitant dans certains cas une initialisation manuelle du modele proche de la solution desiree. La procedure de segmentation est completee par un suivi temporel (par filtrage recursif) des parametres correspondant aux modes de deformation dominants deja identifies. L'estimation robuste d'un modele de mouvement deformable parametrique ameliore par ailleurs le suivi dans certaines circonstances. Cette approche contraint enfin les deformations observees pour une classe particuliere d'objets, assurant ainsi des resultats satisfaisants de segmentation et de suivi. L'apprentissage non supervise des modes de deformation de la structure en mouvement constitue la derniere partie du travail effectue. Cette procedure automatique evite une tache manuelle fastidieuse et ameliore la qualite de l'apprentissage en selectionnant avec pertinence les modes principaux de deformation. Des experimentations sur des etudes de cas reelles illustrent la souplesse et la robustesse des approches presentees pour l'extraction et le suivi de structures deformables variees sur des sequences longues