Segmentation D’images Bruitées Utilisant La Dérivée Topologique

Résumé: Le travail présenté dans cette thèse porte sur le développement de deux méthodes de segmentation d’images basées sur le modèle de Chan et Vese qui est le modèle parmi les contours actifs le plus performant. La première méthode consiste en la segmentation d’une image quel que soit le nombre de régions qu’elle comporte. Elle est basée sur les level sets et utilise la dérivée topologique pour optimiser une fonctionnelle énergie, ce qui la différencie des méthodes basées sur la résolution de l’équation d’Euler-Lagrange. Cette approche permet de réduire sensiblement la durée du traitement. La transposition au cas monodimensionnel a conduit à la mise en oeuvre de la deuxième méthode, qui permet le multiseuillage d’histogrammes d’images avec une hybridation avec les level sets pour déterminer automatiquement le nombre et les valeurs des seuils d’une image. La mise en oeuvre de cette dernière méthode se fait en deux temps. Dans la première étape, on procède à la segmentation de l’histogramme de l’image par level sets utilisant la dérivée topologique. Le résultat est un histogramme approximé par une somme pondérée de fonctions Heaviside où les vallées sont mises en valeur. Dans la deuxième étape, les vallées de l’histogramme approximé sont isolées pour en extraire les seuils. L’évaluation des ces deux méthodes a été réalisée en effectuant des tests sur des images de synthèse et des images réelles. L’apport de la méthode de segmentation multiphase généralisée est essentiellement dans sa capacité à segmenter des images comportant plusieurs régions et la méthode de multiseuillage fournit une segmentation efficace avec un temps de calcul très faible.

Publié dans la revue: