Imagerie mathématique : segmentation sous contraintes géométriques : théorie et applications

• Auteur / Autrice : Carole Le Guyader
• Direction : Christian Gout, Witold Respondek
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques appliquées
• Date : Soutenance en 2004
• Etablissement(s) : Rouen, INSA
• Partenaire(s) de recherche : Laboratoire : Laboratoire de mathématiques de l'INSA Rouen Normandie (Saint Etienne du Rouvray, Seine-Maritime1987-....)

Mots clés

Mots clés contrôlés

Reconstruction d'image

Imagerie tridimensionnelle

Traitement d'images -- Techniques numériques

Résumé

Dans cette thèse, nous nous sommes intéressés à des problèmes de segmentation d'images sous contraintes géométriques. Cette problématique a émergé suite à l'analyse de plusieurs méthodes classiques de détection de contours qui a été faite. En effet, ces méthodes classiques (Modèles déformables, contours actifs géodésiques, "fast marching", etc. . . ) se révèlent caduques quand des données de l'image sont manquantes ou de mauvaise qualité. En imagerie médicale par exemple, des phénomènes d'occlusion peuvent se produire : des organes peuvent se masquer en partie l'un l'autre (ex. Du foie). Par ailleurs, deux objets qui se jouxtent peuvent posséder des textures intrinsèques homogènes si bien qu'il est difficile d'identifier clairement l'interface entre ces deux objets. La définition classique d'un contour qui est caractérisé comme étant le lieu des points connexes présentant une forte transition de luminosité ne s'applique donc plus. Enfin, dans certains contextes d'étude, comme en géophysique, on peut disposer en plus des données d'imagerie, de données géométriques à intégrer au processus de segmentation. Pour pallier ces difficultés, nous avons développé des modèles de segmentation intégrant des contraintes géométriques et satisfaisant les critères classiques de détection avec en particulier la régularité sur le contour que cela implique. Deux méthodes ont été développées. Dans la première (qui permet d'établir un problème d'interpolation), on s'attache à définir un problème de minimisation de fonctionnelle sur un espace de Hilbert. L'introduction des contraintes géométriques conduit à résoudre ce problème sur un sous-espace vectoriel fermé d'un espace de Hilbert. L'utilisation des multiplicateurs de Lagrange nous permet d'établir la formulation variationnelle du problème qui est ensuite discrétisé à l'aide d'une méthode différences finies pour la discrétisation temporelle et via une méthode éléments finis pour la discrétisation spatiale. Des applications numériques viennent se greffer sur cette première partie. Un second modèle a été élaboré et s'appuie sur la recherche d'une courbe géodésique dans un espace de Riemann dont la métrique est liée à la fois au contenu de l'image et aux contraintes géométriques. Il s'agit ici d'un problème d'approximation et non plus d'interpolation. Un problème parabolique avec conditions au bord de type Neumann homogènes est établi. L'existence et l'unicité de la solution au sens de la viscosité est démontrée. La discrétisation est réalisée via un schéma AOS qui présente l'intérêt d'être inconditionnellement stable. Des applications sur des données réelles attestent de la bonne efficacité de l'algorithme.