Segmentation d'images : recherche d'une mise en œuvre automatique par coopération de méthodes

An automatic and cooperative system for image segmentation

• Auteur / Autrice : Chafik Djalal Kermad
• Direction : Kacem Chehdi
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et télécommunications
• Date : Soutenance en 1997
• Etablissement(s) : Rennes 1

Mots clés

Mots clés contrôlés

Traitement d'images -- Techniques numériques

Résumé

Dans le cadre de ce memoire, nous avons developpe un systeme de segmentation adapte a l'analyse de plusieurs types d'images, riches en details et dont les regions peuvent etre de nature uniforme et/ou texturee. Un interet tout particulier a ete accorde a l'aspect automatique et non-supervise du dispositif. Ceci implique, d'une part, la multiplication des traitements, et d'autre part, l'adoption d'une demarche progressive ou la formation des primitives s'opere de maniere cooperative et guidee. Le systeme mis au point entre dans le cadre des methodes cooperatives. L'architecture du systeme propose combine deux concepts. Le premier, fonde sur un procede d'integration d'informations issues de differentes methodes, permet de tirer parti des avantages de chacune d'elles. Le second concept s'inspire de la perception active par l'introduction d'une boucle de retour dans le systeme afin de corriger et d'ajuster les parametres de controle des differentes techniques de segmentation. Le principe de la cooperation proposee introduit un mecanisme de verification de la coherence par comparaison des resultats des methodes qui cooperent. Cet aspect fait defaut a un bon nombre d'approches cooperatives. Le systeme developpe est compose de deux modules. Le premier est dedie a l'extraction de regions uniformes ou faiblement texturees. Le principe est fonde sur une cooperation iterative entre une methode de detection de contours et une methode d'agregation de points. Ces deux methodes sont iterees avec des criteres de plus en plus tolerants jusqu'a la convergence vers des resultats coherents et stables. La coherence est realisee en minimisant une distance de similarite entre les contours et les regions. Le but est ainsi de fournir une solution optimale au sens de la compatibilite entre les deux segmentations. Le second module localise les primitives textures afin de reactualiser et corriger les primitives contours et regions extraites par le premier module. Cette localisation s'appuie sur une classification automatique par multi-seuillage exploitant certains mecanismes de la perception visuelle, et sur une fusion des regions multi-seuillees minimisant un critere de similarite. L'efficacite de notre approche s'est traduite, dans la plupart des cas examines, par une detection coherente des elements representatifs de l'image. Elle a ete particulierement constatee lors de la comparaison avec d'autres methodes. Mots-cles : segmentation d'images, cooperation de methodes, detection de contours, analyse de textures, perception du contraste, adaptativite, mesure de la coherence, distance entre images de contours, evaluation des resultats de segmentation.