Modèles de contours actifs pour la segmentation d'images et de vidéos

Active contours models for image and video segmentation

• Auteur / Autrice : Muriel Gastaud
• Direction : Michel Barlaud, Gilles Aubert
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et des images
• Date : Soutenance en 2005
• Etablissement(s) : Nice
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....)

Mots clés

Mots clés contrôlés

Gradient conjugué, Méthode du

Traitement d'images -- Techniques numériques

Résumé

La segmentation en objets d’une image consiste à extraire une ou des régions d’intérêt de l’image, suivant un critère défini. Nous segmentons l’image par un algorithme de contours actifs, dans le cadre d’une approche variationnelle. Partant, d’un contour initial quelconque, le contour actif évolue vers la région d’intérêt, dirigé par une équation aux dérivées partielles. L’équation d’évolution du contour actif est déduite de la dérivation du critère définissant la région. Au vu de la dépendance du critère à la région considérée, la dérivation du critère par rapport à la région n’est pas aisée. Nous utilisons des outils de dérivation empruntés à l’optimisation de domaine : les gradients de forme. La contribution de cette thèse réside dans l’élaboration et l’étude de différents descripteurs de régions. Pour chaque critère, nous calculons la dérivée du critère à l’aide des gradients de forme et en déduisons l’équation d’évolution du contour actif. Le premier descripteur définit un a priori géométrique sans contrainte paramétrique : il minimise la distance du contour actif à un contour de référence. Nous l’avons appliqué à la déformation de courbe (shape warping), la segmentation et le suivi de cible (tracking). Le deuxième descripteur définit conjointement une région et son mouvement sur plusieurs images consécutives. Le mouvement de la région est représenté par un modèle de mouvement. Nous avons appliqué ce critère à l’estimation et la segmentation conjointe du mouvement et au suivi d’objets en mouvement.

Image segmentation is the partition of an image in region of interest against a background. We performed image segmentation using an active contour algorithm in a variational framework. The active contour evolves from an initial contour towards the region of interest following an evolution equation. In a variational framework, the evolution equation is deduced from the derivation of a criterion. The criterion characterizes the region of interest according to, for example, its motion, its colour homogeneity or its texture. The derivation os provided using shape gradients, a tool coming from shape optimisation theory. We propose two criterions and provide for each criterion the derivation process and the associated evolution equation. The first criterion defines a free form a priori constraint on the contour by minimizing the distance between the active contour and a reference one. We applied this criterion to shape warping, image segmentation, and video tracking. The second criterion assumes that object motion can be described by a motion model. The evolution of the active contour according to the minimization of this criterion provides a joint motion segmentation and estimation on a group of pictures. We applied this criterion to image segmentation and motion estimation, and to video tracking.