Thèse soutenue

Image segmentation problems and contribution to mathematical morphology

FR  |  
EN
Auteur / Autrice : Robin Alais
Direction : Etienne DecencièrePetr Dokladal
Type : Thèse de doctorat
Discipline(s) : Morphologie mathématique
Date : Soutenance le 04/01/2021
Etablissement(s) : Université Paris sciences et lettres
Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique
Partenaire(s) de recherche : Laboratoire : Centre de morphologie mathématique (Fontainebleau, Seine et Marne)
établissement de préparation de la thèse : École nationale supérieure des mines (Paris ; 1783-....)
Jury : Président / Présidente : Antoine Manzanera
Examinateurs / Examinatrices : Etienne Decencière, Petr Dokladal, Bruno Figliuzzi
Rapporteurs / Rapporteuses : Valery Naranjo, Florence Rossant

Résumé

FR  |  
EN

Cette thèse traite de la détection et de la localisation d’objets, dans le contexte de deux projets : ATHENA et RetinOptic. Ces dernières années, les réseaux de neurones convolutionnels sont devenus l’approche prédominante pour ces tâches; cependant, ces techniques ont leurs inconvénients, et peuvent dans certains cas ne pas être appliquables. Lorsque peu d’exemples sont disponibles, ou que l’interprétabilité du modèle est essentielle, des méthodes de traitement d’image plus traditionnelles peuvent être plus adaptées. Dans ce manuscrit, plusieurs approches de détection sont décrites, selon la disponibilité des données et les contraintes spécifiques des problèmes. Dans la première partie, consacrée au projet ATHENA, le but est de détecter et caractériser des défauts sur des images thermiques de pièces métalliques. La solution proposée, reposant sur l’analyse de certains extrema, nous permet de fournir une segmentation des défauts, et des définitions rigoureuses des concepts de rapport signal/bruit ou de symétrie du signal, jusqu’ici mal définis et dépendants de l’utilisateur. Une analyse théorique plus détaillée des extrema est ensuite présentée, étendant la notion classique de valeurs d’extinctions. Nous introduisons et illustrons plusieurs nouvelles décompositions morphologiques, ainsi que de nouveaux opérateurs morphologiques, et de nouveaux attributs des extrema. Dans la seconde partie, consacrée au projet RetinOptic, l’objectif est de détecter et localiser la macula sur des images de fond d’œil, à l’aide d’une solution suffisamment rapide et légère pour être intégrée à un système embarqué. Nous avons constitué une base annotée de plus de 6000 images, et utilisé différents types de réseaux de convolution, correspondant à différentes formulations de notre problème : classification, régression ou segmentation. Via un post-traitement de la sortie de notre réseau de segmentation, nous fournissons un score de qualité de l’image reposant sur la visibilité de la macula. L’objectif d’un réseau de télémedecine est d’éviter les consultations médicales non nécessaires, dans un contexte où les ophtalmologistes sont peu nombreux par rapport au nombre croissant de personnes diabétiques; en cas d’acquisition ininterprétable, il s’agit d’un échec du réseau de télémédecine. Grâce à une vérification automatique de la qualité de l’image telle que nous le proposons, l’opérateur peut être prévenu si l’acquisition doit être refaite. En limitant le nombre d’examens ininterprétables, le nombre de consultations non nécessaires peut également être limité, améliorant l’efficacité du système de dépistage