Académique Documents
Professionnel Documents
Culture Documents
Segmentation SB Print PDF
Segmentation SB Print PDF
1
Serge BEUCHER
Serge BEUCHER
CMM CMM
Mines Mines ParisTech ParisTech
J anvier J anvier 2010 2010
SEGMENTATION D
SEGMENTATION D
IMAGE
IMAGE
&
&
MORPHOLOGIE
MORPHOLOGIE
MARTHEMATIQUE
MARTHEMATIQUE
Cours du Master OIV, St Etienne
Cours du Master OIV, St Etienne
Serge BEUCHER / Mines ParisTech
2
REMARQUES PRELIMINAIRES
REMARQUES PRELIMINAIRES
Il n
Il n
y a pas de d
y a pas de d
finition g
finition g
n
n
rale de la
rale de la
segmentation d
segmentation d
image
image
L
L
approche morphologique de la
approche morphologique de la
segmentation est pragmatique
segmentation est pragmatique
N
N
thodologie de la segmentation, un
thodologie de la segmentation, un
guide d
guide d
utilisation
utilisation
des outils de la
des outils de la
segmentation
segmentation
l
l
esprit les
esprit les
diverses propri
diverses propri
t
t
viter quelques pi
viter quelques pi
ges. Leur
ges. Leur
implan
implan
-
-
tation
tation
doit tre aussi pr
doit tre aussi pr
sultats de qualit
sultats de qualit
La
La
ligne
ligne
de
de
partage
partage
des
des
eaux
eaux
,
,
l
l
outil
outil
de segmentation en MM
de segmentation en MM
- - Definition, description Definition, description
- - Comment la Comment la construire construire
- - Biais Biais, , probl probl mes mes, , inexactitudes inexactitudes
Segmentation
Segmentation
hi
hi
rarchique
rarchique
- Lalgorithme des cascades
- Lalgorithme P
DE QUOI SERA
DE QUOI SERA
-
-
T
T
-
-
IL QUESTION?
IL QUESTION?
APPLICATIONS
APPLICATIONS
Mais avant cela, rappel de morphologie math
Mais avant cela, rappel de morphologie math
matique
matique
Une m
Une m
thodologie de traitement d
thodologie de traitement d
images bas
images bas
e sur des
e sur des
concepts ensemblistes
concepts ensemblistes
rateurs
rateurs
l
l
mentaires)
mentaires)
Un assemblage des op
Un assemblage des op
rateurs de
rateurs de
plus en plus complexes
plus en plus complexes
Un contexte math
Un contexte math
matique vari
matique vari
Un ensemble d
Un ensemble d
outils d
outils d
analyse d
analyse d
images r
images r
s (bo
s (bo
te
te
outils et mode d
outils et mode d
emploi) de la MM
emploi) de la MM
La morphologie math
La morphologie math
matique, c
matique, c
est :
est :
Serge BEUCHER / Mines ParisTech
5
LES BRIQUES ELEMENTAIRES
LES BRIQUES ELEMENTAIRES
Les objets d'
Les objets d'
E. La morphologie
E. La morphologie
math
math
matique les d
matique les d
crit en associant
crit en associant
tout
tout
x
x
E
E
un ensemble
un ensemble
test B muni d
test B muni d
l
l
ment structurant.
ment structurant.
Deux types d
Deux types d
v
v
s lorsque
s lorsque
l
l
l
l
espace E :
espace E :
L
L
l
l
ensemble X?
ensemble X?
DILATATION
DILATATION
L
L
l
l
ensemble X?
ensemble X?
EROSION
EROSION
Serge BEUCHER / Mines ParisTech
6
LA DILATATION
LA DILATATION
Le dilat
Le dilat
de X par B est le
de X par B est le
lieu des implantations de
lieu des implantations de
l
l
origine z de l'
origine z de l'
l
l
ment
ment
structurant
structurant
B
B
z z
quand celui
quand celui
-
-
ci
ci
rencontre X :
rencontre X :
Elment
structurant
Dilatation
v
v
B B
(X) = { z:
(X) = { z:
B
B
z z
X
X
}
}
Le dilat
Le dilat
de X par B est
de X par B est
galement not
galement not
X
X
/
/
B
B
(addition de Minkowski de
(addition de Minkowski de
X par le transpos
X par le transpos
de B)
de B)
v
Serge BEUCHER / Mines ParisTech
7
L
L
EROSION
EROSION
Elment structurant
Erosion
L
L
origine z de
origine z de
l'
l'
l
l
ment structurant
ment structurant
B
B
z z
quand
quand
celui
celui
-
-
ci est inclus dans X :
ci est inclus dans X :
B B
(X) = { z :
(X) = { z :
B
B
z z
X }
X }
On
On
crit parfois l
crit parfois l
rosion
rosion
sous la forme X
sous la forme X
0
0
B,
B,
soustraction
soustraction
de
de
Minkowski
Minkowski
de
de
X par le
X par le
transpos
transpos
de B
de B
v
Erosion et dilatation sont
Erosion et dilatation sont
deux transformations duales.
deux transformations duales.
Serge BEUCHER / Mines ParisTech
8
EXTENSION AUX FONCTIONS
EXTENSION AUX FONCTIONS
Toute fonction num
Toute fonction num
r
r
e de mani
e de mani
re
re
) = {
) = {
x
x
E
E
, f(x)
, f(x)
}
}
f(x) = sup {
f(x) = sup {
:
:
x
x
X
X
f f
(
(
) }
) }
Pour toute fonction f , on a :
Pour toute fonction f , on a :
X
X
f f
(
(
)
)
X
X
f f
(
(
)
)
Fonction
Fonction
Ensembles
Fonction => Ensembles Ensembles => Fonction
Empilement
d'ensembles
Serge BEUCHER / Mines ParisTech
9
EROSION & DILATATION NUMERIQUES
EROSION & DILATATION NUMERIQUES
En dilatant ou en
En dilatant ou en
rodant
rodant
chaque section
chaque section
X
X
f f
(
(
)
)
d'une fonction f par un
d'une fonction f par un
mme
mme
l
l
ment structurant
ment structurant
B, on engendre sur f une
B, on engendre sur f une
dilatation ou une
dilatation ou une
rosion,
rosion,
dite planaire.
dite planaire.
Leurs expressions sont
Leurs expressions sont
donn
donn
B B
(f) = (f
(f) = (f
/
/
B)(x) = sup { f(y),
B)(x) = sup { f(y),
y
y
B
B
x x
}
}
B B
(f) = (f
(f) = (f
0
0
B)(x) =
B)(x) =
inf
inf
{ f(y),
{ f(y),
y
y
B
B
x x
}
}
v
v
Serge BEUCHER / Mines ParisTech
10
ELABORATION D
ELABORATION D
OPERATEURS COMPLEXES
OPERATEURS COMPLEXES
De nombreux op
De nombreux op
op
op
Transformations en
Transformations en
Tout
Tout
-
-
ou
ou
-
-
Rien
Rien
(HMT),
(HMT),
paississements,
paississements,
amincissements, squelettes
amincissements, squelettes
Op
Op
rateurs de contraste
rateurs de contraste
Op
Op
rateurs r
rateurs r
siduels
siduels
Op
Op
rateurs de segmentation
rateurs de segmentation
Etc.
Etc.
Serge BEUCHER / Mines ParisTech
11
PROPRIETES DES TRANSFORMATIONS
PROPRIETES DES TRANSFORMATIONS
Croissance
Croissance
Extensivit
Extensivit
/anti
/anti
-
-
extensivit
extensivit
Idempotence
Idempotence
( ) ( ) Y X Y X
( )
( ) X X
X X
( ) ( ) ( ) ( ) X X X = = o
Serge BEUCHER / Mines ParisTech
12
Ensemble connexe
Ensemble connexe
Un
Un
espace topologique
espace topologique
X est connexe s
X est connexe s
il n'est
il n'est
pas la r
pas la r
un ensemble X
un ensemble X
contenant un point x s'appelle composante
contenant un point x s'appelle composante
connexe C
connexe C
x x
de x dans X.
de x dans X.
tre connect
tre connect
d
d
finit une
finit une
relation
relation
d'
d'
quivalence
quivalence
.
.
CONNEXITE, COMPOSANTES CONNEXES
CONNEXITE, COMPOSANTES CONNEXES
CC
1
(X)
CC
2
(X)
X
Serge BEUCHER / Mines ParisTech
13
HOMOTOPIE, TRANSFORMATIONS
HOMOTOPIE, TRANSFORMATIONS
HOMOTOPIQUES
HOMOTOPIQUES
Une transformation
Une transformation
est
est
homotopique
homotopique
si l
si l
ensemble de d
ensemble de d
part X
part X
et d
et d
arriv
arriv
e Y=
e Y=
(X) sont
(X) sont
homotopes
homotopes
c
c
est
est
-
-
-
-
dire s
dire s
il
il
existe
existe
une
une
transformation
transformation
bicontinue
bicontinue
pour passer de
pour passer de
l'un
l'un
l'autre
l'autre
,
,
telle
telle
que
que
:
:
-
-
chaque
chaque
composante
composante
connexe
connexe
de X
de X
contient
contient
le
le
mme
mme
nombre
nombre
de
de
trous
trous
que
que
son
son
transform
transform
Y,
Y,
-
-
chaque
chaque
trou
trou
de X
de X
contient
contient
le
le
mme
mme
nombre
nombre
de
de
composantes
composantes
connexes
connexes
que
que
son
son
transform
transform
Y.
Y.
L'homotopie
L'homotopie
d
d
crit
crit
l'organisation
l'organisation
des
des
composantes
composantes
connexes
connexes
et
et
des
des
trous
trous
entre
entre
eux
eux
.
.
Serge BEUCHER / Mines ParisTech
14
ZONES D
ZONES D
INFLUENCE (SKIZ)
INFLUENCE (SKIZ)
X, ensemble form
X, ensemble form
de n composantes connexes {X
de n composantes connexes {X
i i
}
}
Zone d
Zone d
influence Z(X
influence Z(X
i i
) de X
) de X
i i
: ensemble des points plus
: ensemble des points plus
proches de X
proches de X
i i
que de toute autre composante connexe de
que de toute autre composante connexe de
X:
X:
( ) ( ) ( ) { }
j i i
X x d X x d i j x X z , , , : < =
Le SKIZ peut tre construit
Le SKIZ peut tre construit
l
l
aide d
aide d
paississements
paississements
Serge BEUCHER / Mines ParisTech
15
LES OPERATEURS GEODESIQUES
En MM, les lments structurants peuvent tre dfinis de
diffrentes manires:
Par leur gomtrie
De faon explicite (liste de points)
A laide dune distance :
B
mit
mit
y toute
y toute
application continue
application continue
(0)=x et
(0)=x et
(1)=y.
(1)=y.
La distance
La distance
g
g
od
od
sique
sique
d
d
X X
:
:
E
E
x
x
E
E
R+,
R+,
est
est
d
d
finie
finie
dans
dans
l
l
espace
espace
g
g
od
od
sique
sique
X par:
X par:
d
d
X X
(x,y
(x,y
) = Inf. des
) = Inf. des
longueurs
longueurs
des
des
chemins
chemins
d
d
extr
extr
mit
mit
s
s
x et y
x et y
inclus
inclus
dans
dans
X
X
d
d
X X
(x,y
(x,y
) = +
) = +
,
,
si
si
aucun
aucun
chemin
chemin
n
n
existe
existe
Serge BEUCHER / Mines ParisTech
17
Lintroduction dune distance
godsique permet de dfinir la
notion de boule godsique:
B
X,
(z) = {y, d
X
(z,y) }
Quand le rayon r augmente, la
frontire des boules dessine un front
de propagation dans le mdium X.
Pour un rayon donn, les boules
B
X,
peuvent sinterprter comme
des lments structurants dont la
forme varie de place en place.
z
X
B
X,
(z)
BOULES GEODESIQUES
Serge BEUCHER / Mines ParisTech
18
X
Y
DILATATION GEODESIQUE ENSEMBLISTE
La dilatation godsique de taille de
Y dans lespace godsique X est
dfinie par:
X,
(Y) = {B
X,
(y) , yY }
est croissante et extensive
( ) ( ) { } =
Y y B : Y y Y
, X , X
Serge BEUCHER / Mines ParisTech
19
Lrosion godsique est dfinie
par:
Elle peut se dfinir par dualit
(par adjonction ou par
complmentation).
Le complment est dfini par
rapport lespace godsique X
(YX \ Y = X Y
C
) :
X
(Y) = X \
X
(X \ Y)
X
Y
(Y)X
Y
(Y)
X
EROSION GEODESIQUE
( ) ( ) { } Y y B : Y y Y
, X , X
=
X
(Y)
Serge BEUCHER / Mines ParisTech
20
Y
RECONSTRUCTION GEODESIQUE
Itration de dilatations godsiques jusqu idempotence
Cet oprateur permet la reconstruction de toutes les
composantes connexes de X marques par Y (reconstruction
de X par Y).
( ) ( ) ( ) Y lim Y Y R
, X X X
+
+
= =
X Y
X,
(Y) R
X
(Y)
Serge BEUCHER / Mines ParisTech
21
SKIZ GEODESIQUE
SKIZ GEODESIQUE
Zone d
Zone d
influence d
influence d
une distance g
une distance g
od
od
<
+ <
=
j X i X
i X
i X
Y x d Y x d i j
et
Y x d X x
Y Z
, , ,
, :
Ensemble Y form
Ensemble Y form
de
de
composantes connexes et
composantes connexes et
inclus dans un espace
inclus dans un espace
g
g
od
od
sique X
sique X
Serge BEUCHER / Mines ParisTech
22
GEODESIE NUMERIQUE
Les transformations godsiques ensemblistes peuvent tre
tendues aux fonctions numriques par le biais des sections
des fonctions en appliquant ces sections des oprateurs
godsiques ensemblistes et en construisant de nouvelles
fonctions partir des nouveaux ensembles obtenus
( ) ( ) { } i x f : x f X
i
=
( ) ( ) { } i x g : x g X
i
=
Serge BEUCHER / Mines ParisTech
23
f
f,
(g)
g
DILATATIONS GEODESIQUES NUMERIQUES
Soit f et g deux fonctions (images
teintes de gris), avec g f.
Considrons les sections au niveau
h de f et de g
La dilatation godsique
ensembliste de taille de chaque
section au niveau h de g
lintrieur de la section
correspondante de f gnre sur g
une dilatation
f,
(g).
Le sous-graphe de
f,
(g) est
lensemble des points du sous-
graphe de f qui sont relis g par
un chemin horizontal de longueur
.
Serge BEUCHER / Mines ParisTech
24
g
f
f,
(g)
EROSIONS GEODESIQUES NUMERIQUES
Lrosion godsique numrique
de f par g, avec g f se dduit de
la dilatation godsique par la
dualit engendre par linversion
autour dune valeur pivot m :
f,
(g) = m
m-f,
(m - g)
Le rsultat est indpendant de la
valeur pivot m
Serge BEUCHER / Mines ParisTech
25
g
R
g
(f)
f
RECONSTRUCTION GEODESIQUE NUMERIQUE
La reconstruction godsique de g
partir de f est le supremumdes
dilatations godsiques de f
lintrieur de g. On la note R
g
(f):
R
g
(f) = - {
g,
(f) , >0 }
Cette transformation et sa duale sont
de trs importantes machines-outils
en morphologie mathmatique.
g
Chaque section au niveau i de la
reconstruction est gale la
reconstruction binaire des sections
au mme niveau de g par les
sections correspondantes de f.
Serge BEUCHER / Mines ParisTech
26
UNE MACHINE
UNE MACHINE
-
-
OUTIL, LA LIGNE DE PARTAGE
OUTIL, LA LIGNE DE PARTAGE
DES EAUX (LPE)
DES EAUX (LPE)
En MM, la segmentation d
En MM, la segmentation d
image s
image s
articule autour d
articule autour d
une
une
transformation, la ligne de partage des eaux (1979)
transformation, la ligne de partage des eaux (1979)
L
L
spectaculairement
spectaculairement
l
l
efficacit
efficacit
de la LPE (1982)
de la LPE (1982)
famille
famille
des op
des op
rateurs
rateurs
morphologiques et en particulier de la classe des transformation
morphologiques et en particulier de la classe des transformation
s
s
g
g
od
od
siques
siques
alis
alis
sentations d
sentations d
a g
a g
n
n
r
r
rarchique (1990)
rarchique (1990)
D
D
veloppements r
veloppements r
rarchiques, nouveaux
rarchiques, nouveaux
crit
crit
C
C
est
est
un
un
processus
processus
d
d
inondation
inondation
Les sources
Les sources
d
d
inondation
inondation
sont
sont
les minima de la
les minima de la
fonction
fonction
Deux
Deux
hi
hi
rarchies
rarchies
apparaissent
apparaissent
:
:
progression de
progression de
l
l
inondation
inondation
avec
avec
l
l
altitude
altitude
(
(
processus
processus
s
s
quenciel
quenciel
)
)
inondation
inondation
des
des
plateaux
plateaux
ou
ou
zones
zones
plates (
plates (
processus
processus
parall
parall
le
le
)
)
Le
Le
r
r
sultat
sultat
est
est
une
une
partition de
partition de
l
l
image
image
en
en
bassins
bassins
versants et
versants et
en
en
lignes
lignes
de
de
partage
partage
des
des
eaux
eaux
(barrages)
(barrages)
L
L
l
l
aide
aide
des
des
niveaux
niveaux
successifs
successifs
Z de la
Z de la
fonction
fonction
f:
f:
Le SKIZ
Le SKIZ
g
g
od
od
sique
sique
simule
simule
la
la
propagation de
propagation de
l
l
inondation
inondation
sans m
sans m
lange des
lange des
eaux
eaux
i i
W = m (f)
W = m (f)
0 0 0 0
Les bassinsversants au niveau0 sont
les minima ceniveau
W =
W =
[
[
SKIZ (W )
SKIZ (W )
]
]
4
4
m (f)
m (f)
i+1 i+1 i+1 i+1
Z (f) Z (f)
i+1 i+1
i i
avec:
m (f) = Z (f) / R (Z (f))
m (f) = Z (f) / R (Z (f))
R est la reconstruction godsique
i+1 i+1 i+1 i+1
Z (f) Z (f)
i
i
i+1 i+1
L
L
l
l
algorithme
algorithme
classique
classique
(SKIZ avec des
(SKIZ avec des
paississements
paississements
en rotation)
en rotation)
files
files
d
d
attente
attente
hi
hi
rarchiques
rarchiques
(
(
ordre
ordre
a priori
a priori
d
d
fini
fini
dans
dans
la file)
la file)
Lusagedlmentsstructurantsen
rotation dansle SKIZ gnreune
inondationdes plateaux non isotrope
Les jetonsappartenant la
mmepile devraient tre
traitsen mmetemps
ALGORITHMES DE L.P.E
ALGORITHMES DE L.P.E
La
La
plupart
plupart
des
des
algorithmes
algorithmes
de LPE
de LPE
sont
sont
biais
biais
s
s
LPE bas
LPE bas
,
,
vitesse
vitesse
de
de
traitement
traitement
,
,
paresse
paresse
),
),
les
les
algorithmes
algorithmes
de LPE sans
de LPE sans
biais
biais
sont
sont
rarement
rarement
utilis
utilis
s
s
.
.
Comparaisonentre uneLPE exacte(gauche) et le rsultat dun algorithmeclassique.
A cause de
A cause de
ces
ces
biais
biais
, la LPE
, la LPE
n
n
est
est
pas UNIQUE (
pas UNIQUE (
elle
elle
devrait
devrait
l
l
tre
tre
).
).
Ces
Ces
biais
biais
peuvent
peuvent
avoir
avoir
de
de
spectaculaires
spectaculaires
cons
cons
quences
quences
pour les
pour les
approches
approches
hi
hi
rarchiques
rarchiques
bas
bas
es
es
sur
sur
la
la
comparaison
comparaison
de
de
bassins
bassins
versants
versants
adjacents
adjacents
.
.
BIAIS ET INEXACTITUDES AU SUJET DE LA LPE
BIAIS ET INEXACTITUDES AU SUJET DE LA LPE
Serge BEUCHER / Mines ParisTech
31
La
La
ligne
ligne
de
de
partage
partage
des
des
eaux
eaux
ne
ne
peut
peut
pas
pas
tre
tre
construite
construite
en
en
simulant
simulant
l
l
coulement
coulement
de
de
gouttes
gouttes
de
de
pluie
pluie
ruisselant
ruisselant
sur
sur
la
la
surface
surface
topographique
topographique
(
(
ruisselement
ruisselement
).
).
A OUBLIER!
A OUBLIER!
En aucuncas, les rsulatsne pourraient treidentiques(cause de la propagation sur les plateaux).
Linondationsur les
plateauxest basesur un
MODELE (vitesse
constante). Il a
principalement deux
avantages: il est simple
et il a un sensphysique.
BIAIS ET INEXACTITUDES AU SUJET DE LA LPE (1)
BIAIS ET INEXACTITUDES AU SUJET DE LA LPE (1)
Serge BEUCHER / Mines ParisTech
32
La
La
ligne
ligne
de
de
partage
partage
des
des
eaux
eaux
n
n
est
est
pas locale. En
pas locale. En
particulier
particulier
,
,
elle
elle
n
n
est
est
pas
pas
li
li
e
e
). La LPE
). La LPE
n
n
est
est
pas un concept LOCAL.
pas un concept LOCAL.
Vous
Vous
ne
ne
pouvez
pouvez
pas, avec la
pas, avec la
seule
seule
connaissance
connaissance
locale du
locale du
voisinage
voisinage
d
d
un point,
un point,
r
r
pondre
pondre
la question:
la question:
Ce
Ce
point
point
appartient
appartient
-
-
il
il
une
une
ligne
ligne
de
de
partage
partage
des
des
eaux
eaux
?
?
BIAIS ET INEXACTITUDES AU SUJET DE LA LPE (2)
BIAIS ET INEXACTITUDES AU SUJET DE LA LPE (2)
Serge BEUCHER / Mines ParisTech
33
L
L
inondation
inondation
est
est
-
-
elle
elle
toujours
toujours
un
un
ph
ph
nom
nom
ne
ne
ascendant?
ascendant?
En
En
d
d
autres
autres
termes
termes
,
,
quand
quand
l
l
inondation
inondation
est
est
la hauteur h,
la hauteur h,
est
est
-
-
il
il
vrai
vrai
que
que
TOUS
TOUS
les points
les points
une
une
altitude
altitude
inf
inf
rieure
rieure
ont
ont
t
t
inond
inond
s
s
?
?
La
La
r
r
ponse
ponse
est
est
NON!
NON!
Contre
Contre
-
-
exemple
exemple
: la boutonni
: la boutonni
re
re
BIAIS ET INEXACTITUDES AU SUJET DE LA LPE (3)
BIAIS ET INEXACTITUDES AU SUJET DE LA LPE (3)
(Boutonni (Boutonni re dans le Gr re dans le Gr sivaudan) sivaudan)
Serge BEUCHER / Mines ParisTech
34
L L
e e
a a
u u
s s
e e
LA BOUTONNIERE
LA BOUTONNIERE
Serge BEUCHER / Mines ParisTech
35
La
La
ligne
ligne
de
de
partage
partage
des
des
eaux
eaux
est
est
utilis
utilis
e
e
en segmentation
en segmentation
Segmentation
Segmentation
d
d
images
images
Segmentation
Segmentation
d
d
ensembles
ensembles
D D coupage coupaged d objets objets en en une une
union union d d objets objets convexes convexes
l l aide aidede la LPE de la de la LPE de la
fonction fonctiondistance distance
La LPE du module du
gradient correspond aux
contours des objets
USAGE DE LA LIGNE DE PARTAGE DES EAUX
USAGE DE LA LIGNE DE PARTAGE DES EAUX
Serge BEUCHER / Mines ParisTech
36
Gradient
Gradient
morphologique
morphologique
g(f
g(f
) = (f
) = (f
/
/
B)
B)
-
-
(f
(f
0
0
B)
B)
D D autres autres gradients gradients morphologiques morphologiques ( (demi demi- -
gradients) gradients) peuvent peuvent galement galement tre tre d d finis finis: :
g g- -(f (f) = f ) = f - - (f (f 0 0 B) B)
g+(f g+(f) = (f ) = (f / / B) B) f f
Gradients Gradients pais pais: :
g g
i i
(f) =(f (f) =(f
/
/ B B
i i
) ) - - (f (f 0 0 B B
i i
) )
Gradients Gradients r r gularis gularis s s
LE GRADIENT: RAPPEL
LE GRADIENT: RAPPEL
Serge BEUCHER / Mines ParisTech
37
La LPE du gradient
La LPE du gradient
est
est
sur
sur
-
-
segment
segment
e
e
.
.
Pour
Pour
viter
viter
cette
cette
sur
sur
-
-
segmentation
segmentation
d
d
e
e
de
de
nombreuses
nombreuses
sources
sources
d
d
inondation
inondation
,
,
seules
seules
certaines
certaines
d
d
entre
entre
elles
elles
peuvent
peuvent
tre
tre
s
s
lectionn
lectionn
es
es
(les
(les
marqueurs
marqueurs
) et
) et
une
une
LPE
LPE
contrl
contrl
e
e
par
par
ces
ces
marqueurs
marqueurs
peut
peut
tre
tre
r
r
alis
alis
e
e
.
.
Les images gradient sont souvent
bruiteset contiennent un grand
nombrede minima. Chaque
minimum gnreun bassinversant
dansla LPE.
LPE CONTROLEE PAR MARQUEURS
LPE CONTROLEE PAR MARQUEURS
Serge BEUCHER / Mines ParisTech
38
Segmentation de route
Segmentation de route
Image originale
gradient
marqueurs
LPE contrlepar marqueursdu
gradient
EXEMPLE DE LIGNE DE PARTAGE DES EAUX
EXEMPLE DE LIGNE DE PARTAGE DES EAUX
CONTROLEE PAR MARQUEURS
CONTROLEE PAR MARQUEURS
Serge BEUCHER / Mines ParisTech
39
Inondation
Inondation
niveau
niveau
par
par
niveau
niveau
Files
Files
d
d
attentes
attentes
hi
hi
rarchiques
rarchiques
W = M, ensemble
W = M, ensemble
marqueur
marqueur
0 0
W = SKIZ (W )
W = SKIZ (W )
i i
i i- -1 1
Z (f) Z (f) 4 4 M M
i i
Cet algorithmeest plus simple
quelalgorithmeclassique: il ny
a pas de dtectionde minima
Avec la LPE contrlepar
marqueurs, le dbordement
est la rgleet non plus
lexception
LPE CONTROLEE PAR MARQUEURS
LPE CONTROLEE PAR MARQUEURS
ALGORITHMES
ALGORITHMES
Un jetonau niveaui<j (niveau
courant) peut apparatre. Dansce
cas, il est traitcommeun jeton
au niveauj (la file de niveauI
nexistant plus)
Serge BEUCHER / Mines ParisTech
40
La reconstruction
La reconstruction
g
g
od
od
sique
sique
est
est
largement
largement
utilis
utilis
e
e
en
en
morphologie
morphologie
math
math
matique
matique
:
:
d
d
tection
tection
d
d
extrema
extrema
(minima, maxima)
(minima, maxima)
filtrage
filtrage
(
(
ouvertures
ouvertures
et
et
fermetures
fermetures
par reconstruction)
par reconstruction)
ligne
ligne
de
de
partage
partage
des
des
eaux
eaux
(modification
(modification
d
d
homotopie
homotopie
)
)
cascades
cascades
g
g
f
f
R*(f)
R*(f)
g g
RECONSTRUCTION GEODESIQUE
RECONSTRUCTION GEODESIQUE
Serge BEUCHER / Mines ParisTech
41
La reconstruction
La reconstruction
g
g
od
od
sique
sique
est
est
capitale
capitale
pour
pour
r
r
aliser
aliser
et
et
comprendre
comprendre
la
la
ligne
ligne
de
de
partage
partage
des
des
eaux
eaux
.
.
Une
Une
reconstruction
reconstruction
duale
duale
peut
peut
galement
galement
tre
tre
d
d
finie
finie
(
(
elle
elle
utilise les
utilise les
rosions
rosions
g
g
od
od
siques
siques
).
).
RECONSTRUCTION GEODESIQUE (2)
RECONSTRUCTION GEODESIQUE (2)
Serge BEUCHER / Mines ParisTech
42
Bas
Bas
sur
sur
la reconstruction, la modification
la reconstruction, la modification
d
d
homotopie
homotopie
permet
permet
de
de
construire
construire
une
une
nouvelle
nouvelle
fonction
fonction
dont
dont
les minima correspondent
les minima correspondent
aux
aux
marqueurs
marqueurs
.
.
1)
1)
Une
Une
fonction
fonction
marqueur
marqueur
est
est
d
d
finie
finie
:
:
h(x
h(x
) =
) =
-
-
1
1
ssi
ssi
x
x
M
M
h(x
h(x
) = g ,
) = g ,
sinon
sinon
max max
2) La reconstruction de h au
2) La reconstruction de h au
-
-
dessus
dessus
de g
de g
=
=
inf(g,h
inf(g,h
)
)
est
est
r
r
alis
alis
e
e
:
:
R* (h)
R* (h)
fonction
fonction
modifi
modifi
e
e
g g
MODIFICATION D
MODIFICATION D
HOMOTOPIE (
HOMOTOPIE (
Swamping
Swamping
)
)
Serge BEUCHER / Mines ParisTech
43
Quand
Quand
les minima
les minima
sont
sont
remplac
remplac
s
s
par des
par des
marqueurs
marqueurs
,
,
il
il
est
est
crucial de
crucial de
contrler
contrler
la position de
la position de
ces
ces
marqueurs
marqueurs
Segmentation obtenue(image de
droite) avec uneLPE du gradient
contrlepar marqueurs
(marqueursgauche)
POSITION DES MARQUEURS
POSITION DES MARQUEURS
Serge BEUCHER / Mines ParisTech
44
Question:
Question:
Si on
Si on
remplace
remplace
les minima
les minima
originaux
originaux
par des
par des
marqueurs
marqueurs
,
,
o
o
placer les
placer les
marqueurs
marqueurs
pour
pour
s
s
assurer
assurer
que
que
la LPE
la LPE
finale sera
finale sera
identique
identique
?
?
Notion de
Notion de
sous
sous
-
-
bassin
bassin
versant
versant
Cest la partiedu bassinversant inonde
avant le premier dbordement (par la zone
sellela moinsleve)
Zone selle
Solution: les
Solution: les
marqueurs
marqueurs
doivent
doivent
tre
tre
inclus
inclus
dans
dans
les
les
sous
sous
-
-
bassins
bassins
versants.
versants.
Unecorrespondancebiunivoquenest pas indispensable pourvuqueles marqueursinclus
dansle mmebassinversant aient la mmetiquette.
POSITION DES MARQUEURS (2
POSITION DES MARQUEURS (2
)
)
Serge BEUCHER / Mines ParisTech
45
LE PARADIGME DE LA SEGMENTATION
LE PARADIGME DE LA SEGMENTATION
Serge BEUCHER / Mines ParisTech
46
QUELS CRITERES?
QUELS CRITERES?
Crit
Crit
res de contraste
res de contraste
Gradient
Gradient
Transformation chapeau haut
Transformation chapeau haut
-
-
de
de
-
-
forme
forme
Crit
Crit
trique
trique
Quasi
Quasi
-
-
distance
distance
res
res
Serge BEUCHER / Mines ParisTech
47
FONCTION DISTANCE & EROSION ULTIME
FONCTION DISTANCE & EROSION ULTIME
La fonction distance est construite par empilement des
La fonction distance est construite par empilement des
rod
rod
s
s
successifs de X
successifs de X
L
L
rod
rod
rod
rod
ultime est un op
ultime est un op
rateur r
rateur r
siduel.
siduel.
Serge BEUCHER / Mines ParisTech
48
Grains de caf
Grains de caf
argent
argent
sur
sur
un film
un film
Problme:
segmentation des grains,
mmesuperposs
Image originale
Masque des grains
1ers marqueurs, maxima
de la fonctiondistance
LPE de la fonction
distance
2me marqueurs
Le marqueur du
fond est ajout.
Ensemble marqueur
final
APPLICATIONS (2)
APPLICATIONS (2)
Serge BEUCHER / Mines ParisTech
50
Original Image filtre
Lignede partagedes eaux
Rsultat final
Gradient
Marqueurs
APPLICATIONS (3)
APPLICATIONS (3)
Serge BEUCHER / Mines ParisTech
51
Restitution 3D de
Restitution 3D de
gouttes
gouttes
d
d
eau
eau
partir
partir
d
d
un
un
hologramme
hologramme
n sections s
n sections s
trouver
trouver
le
le
meilleur
meilleur
contour
contour
position x, y, z de
position x, y, z de
chaque
chaque
goutte
goutte
volume
volume
i i
Une image 3D dun arosol
(brouillard artificiel) est gnre
partir dun hologramme. Les diverses
sections de limage 3D sont obtenues
avec une camra faible profondeur
de champ.
APPLICATIONS (4)
APPLICATIONS (4)
Serge BEUCHER / Mines ParisTech
52
Crit
Crit
re
re
:
:
Sup des gradients
Sup des gradients
APPLICATIONS (5)
APPLICATIONS (5)
Serge BEUCHER / Mines ParisTech
53
Marqueurs
Marqueurs
:
:
Gouttes
Gouttes
maxima
maxima
significatifs
significatifs
du sup
du sup
filtr
filtr
de
de
toutes
toutes
les
les
sections
sections
)
)
CetteLPE est uneLPE contrlepar
marqueurs(les marqueursde la LPE sont
les marqueursdes gouttes
)
)
APPLICATIONS (6)
APPLICATIONS (6)
Serge BEUCHER / Mines ParisTech
54
LPE finale (gauche). La
mmeLPE superposeaux
diffrentessections (
droite).
Pour trouver la meilleuresection, uneLPE du
gradient contrlepar marqueursest ralisesur
chaquesection avec le mmeensemble marqueur
(rsultat en bleu) et le meilleur ajustement avec le
contour prcdent est dtermin. La section
correspondantedonnela coordonnez de la goutte.
APPLICATIONS (7)
APPLICATIONS (7)
Serge BEUCHER / Mines ParisTech
55
Segmentation de
Segmentation de
voies
voies
de circulation
de circulation
A partir dunesquencede n
images f , deuximages sont
gnres:
La moyenne,
f /n
La moyennedes diffrences
absolues,
|f -f |/n
i
j i
i
Les marqueursdes voiessont
obtenusgrceun seuillage
automatique. Le marqueur du
fond est le complmentaire
dunedilatation.
APPLICATIONS (8)
APPLICATIONS (8)
Serge BEUCHER / Mines ParisTech
56
Extraction du marquage
au sol par une
transformation chapeau
haut-de-forme
Calcul de la fonction
distance du marquage au
sol entre les marqueurs des
voies
LPE de la fonction
distance
APPLICATIONS (9)
APPLICATIONS (9)
Serge BEUCHER / Mines ParisTech
57
Segmentations 3D
Segmentations 3D
bas
bas
es
es
sur
sur
les
les
fonctions
fonctions
distance
distance
Mousse de polyester
Mousse de polyester
Fonction
Fonction
distance
distance
LPE 3D
LPE 3D
APPLICATIONS (10)
APPLICATIONS (10)
Serge BEUCHER / Mines ParisTech
58
Segmentations 3D
Segmentations 3D
bas
bas
es
es
sur
sur
les gradients
les gradients
Image IRM 3D du
Image IRM 3D du
cerveau
cerveau
APPLICATIONS (11)
APPLICATIONS (11)
Serge BEUCHER / Mines ParisTech
59
CRITERES BASES SUR DES RESIDUS
CRITERES BASES SUR DES RESIDUS
NUMERIQUES
NUMERIQUES
Partant de deux suites de transformations
Partant de deux suites de transformations
( )
i i
I i
Sup =
( ) 1 max arg + =
i i
q
i i
i
et
et
avec
avec
, on d
, on d
finit deux op
finit deux op
rateurs:
rateurs:
La transformation r
La transformation r
siduelle
siduelle
Sa fonction associ
Sa fonction associ
e
e
i
1 +
=
=
i i
i i
1 +
=
=
i i
i i
q est appel
q est appel
e quasi
e quasi
-
-
distance
distance.
est appel
est appel
ouvert ultime
ouvert ultime
q est la fonction
q est la fonction
granulometrique
granulometrique
}
}
Serge BEUCHER / Mines ParisTech
60
OUVERT ULTIME ENSEMBLISTE
OUVERT ULTIME ENSEMBLISTE
q
q
q
q
Fonction associ
Fonction associ
e
e
l
l
ouvert ultime d
ouvert ultime d
un ensemble
un ensemble
Ouvert ultime num
Ouvert ultime num
e
e
Serge BEUCHER / Mines ParisTech
61
En tout point x, q(x) est
En tout point x, q(x) est
gal (
gal (
l
l
unit
unit
pr
pr
s) au rayon du plus
s) au rayon du plus
grand cylindre significatif
grand cylindre significatif
couvant x
couvant x
Rochers en tas Rochers en tas Ouvert ultime Ouvert ultime
Fonction Fonction granulometrique granulometrique
OUVERT ULTIME
OUVERT ULTIME
FONCTION GRANULOMETRIQUE
FONCTION GRANULOMETRIQUE
Serge BEUCHER / Mines ParisTech
62
Chaque seuil
Chaque seuil
de la fonction
de la fonction
granulometrique
granulometrique
q est
q est
rod
rod
ration g
ration g
n
n
re des
re des
marqueurs des blocs dont la
marqueurs des blocs dont la
taille est proportionnelle
taille est proportionnelle
la
la
taille du bloc
taille du bloc
GENERATION DES MARQUEURS
GENERATION DES MARQUEURS
Serge BEUCHER / Mines ParisTech
63
SEGMENTATION DES BLOCS
SEGMENTATION DES BLOCS
Les marqueurs extraits de la fonction
Les marqueurs extraits de la fonction
granulometrique
granulometrique
fournissent des germes pr
fournissent des germes pr
res de taille et de
res de taille et de
contraste peuvent tre m
contraste peuvent tre m
lang
lang
s).
s).
Serge BEUCHER / Mines ParisTech
64
QUASI
QUASI
-
-
DISTANCE
DISTANCE
Des distances
Des distances
perch
perch
es
es
apparaissent.
apparaissent.
f
q
La quasi
La quasi
-
-
distance n
distance n
est pas 1
est pas 1
-
-
Lipschitzienne.
Lipschitzienne.
On peut rendre la quasi
On peut rendre la quasi
-
-
distance 1
distance 1
-
-
Lipschitzienne par un
Lipschitzienne par un
op
op
rateur it
rateur it
ratif de
ratif de
descente
descente
es.
es.
En tout point x o
En tout point x o
( ) [ ]( ) 1 > x q q , faire
, faire
R
R
it
it
rer jusqu
rer jusqu
idempotence.
idempotence.
( ) ( )( ) 1 + = x q x q
Serge BEUCHER / Mines ParisTech
65
CORRECTION DE LA QUASI
CORRECTION DE LA QUASI
-
-
DISTANCE
DISTANCE
Quasi
Quasi
-
-
distances brute et corrig
distances brute et corrig
e
e
Image initiale
Image initiale
Quasi
Quasi
-
-
distance
distance
brute
brute
Quasi
Quasi
-
-
distance corrig
distance corrig
e
e
Serge BEUCHER / Mines ParisTech
66
QUASI
QUASI
-
-
DISTANCES
DISTANCES
La quasi
La quasi
-
-
distance (corrig
distance (corrig
teintes de gris
teintes de gris
indique la taille des r
indique la taille des r
nes)
nes)
Marqueurs d
Marqueurs d
Les quasi
Les quasi
-
-
distances sont calcul
distances sont calcul
es
es
la fois sur l
la fois sur l
ment
ment
d, d
d, d
Sup des r
Sup des r
sultats h=sup(d,d
sultats h=sup(d,d
)
)
LPE de h
LPE de h
Serge BEUCHER / Mines ParisTech
67
SEGMENTATION AVEC DES QUASI
SEGMENTATION AVEC DES QUASI
-
-
DISTANCES
DISTANCES
WS
Serge BEUCHER / Mines ParisTech
68
Sc
Sc
ne de
ne de
video
video
surveillance
surveillance
Quasi
Quasi
-
-
distance
distance
Quasi
Quasi
-
-
distance de l
distance de l
image
image
invers
invers
e
e
AUTRE EXEMPLE
AUTRE EXEMPLE
Serge BEUCHER / Mines ParisTech
69
Marqueurs des r
Marqueurs des r
gions (gauche)
gions (gauche)
droite)
droite)
Les r
Les r
tect
tect
es (en bas
es (en bas
droite)
droite)
AUTRE EXEMPLE (2)
AUTRE EXEMPLE (2)
Serge BEUCHER / Mines ParisTech
70
GRADIENT ET QUASI
GRADIENT ET QUASI
-
-
DISTANCE
DISTANCE
La quasi
La quasi
-
-
distance peut tre calcul
distance peut tre calcul
Une seule quasi Une seule quasi- -distance est calcul distance est calcul e e
Hi Hi rarchie des r rarchie des r gions bas gions bas e sur leur contraste e sur leur contraste realatif realatif (comme dans (comme dans
l l algorithme des cascades) algorithme des cascades)
La forme des r La forme des r gions est prise en compte (fermeture des r gions est prise en compte (fermeture des r gions pas totalement gions pas totalement
ferm ferm es) es)
Serge BEUCHER / Mines ParisTech
71
Fractures de
Fractures de
clivage
clivage
dans
dans
des images MEB
des images MEB
d
d
acier
acier
Fonctiondistance
Fonctioncontraste
Premire LPE
SecondeLPE
Barrages communs
aux deuxLPE
APPLICATIONS DETAILLEES
APPLICATIONS DETAILLEES
Serge BEUCHER / Mines ParisTech
72
Pairestroscopique
Marqueursde la
premire image
Azimutsde la
fonctiondistance
Azimuts(2me image)
Les marqueursde la
premire image sont
jetssur la seconde
et migrent selonla plus
grandepentepour
donner les nouveaux
marqueurs(en vert).
APPLICATIONS DETAILLES (2)
APPLICATIONS DETAILLES (2)
Serge BEUCHER / Mines ParisTech
73
A
A
droite
droite
, contours de
, contours de
facettes
facettes
sur
sur
la
la
premi
premi
re image et
re image et
leurs
leurs
homologues
homologues
sur
sur
la
la
seconde
seconde
image.
image.
Ci
Ci
-
-
dessous
dessous
, le
, le
d
d
placement
placement
d
d
une
une
facette
facette
qui
qui
peut
peut
tre
tre
mesur
mesur
,
,
permettant
permettant
ainsi
ainsi
le
le
calcul
calcul
de son
de son
l
l
vation
vation
.
.
APPLICATIONS DETAILLEES (3)
APPLICATIONS DETAILLEES (3)
Serge BEUCHER / Mines ParisTech
74
Le
Le
projet
projet
PROMETHEUS
PROMETHEUS
Segmentation de route
Segmentation de route
et
et
d
d
tection
tection
d
d
obstacle
obstacle
Deuxphases:
segmentation primairede la
route oude la voie(LPE
hirarchique). Aucune
information nest partageentre
les images de la squence
Dfinitiondun modlede
route/voie(parfoistrs
lmentaire) et utilisation de ce
modlepour construiredes
marqueursutilissdansla
segmentation de limage
suivante.
APPLICATIONS DETAILLEES (4)
APPLICATIONS DETAILLEES (4)
Serge BEUCHER / Mines ParisTech
75
Image i
Image i
Segmentation de la
Segmentation de la
voie
voie
(
(
hi
hi
rarchie
rarchie
)
)
i = i+1
i = i+1
Image
Image
initiale
initiale
Premi
Premi
re Phase
re Phase
APPLICATIONS DETAILLEES (5)
APPLICATIONS DETAILLEES (5)
Serge BEUCHER / Mines ParisTech
76
Image i
Image i
Segmentation de la
Segmentation de la
voie
voie
(
(
hi
hi
rarchie
rarchie
)
)
i = i+1
i = i+1
Premi
Premi
re segmentation
re segmentation
Premi
Premi
re Phase
re Phase
APPLICATIONS DETAILLEES (5)
APPLICATIONS DETAILLEES (5)
Serge BEUCHER / Mines ParisTech
77
Image i
Image i
Segmentation de la
Segmentation de la
voie
voie
(
(
hi
hi
rarchie
rarchie
)
)
i = i+1
i = i+1
Second
Second
niveau
niveau
de
de
hi
hi
rarchie
rarchie
et extraction du
et extraction du
marqueur
marqueur
Premi
Premi
re Phase
re Phase
APPLICATIONS DETAILLEES (5)
APPLICATIONS DETAILLEES (5)
Serge BEUCHER / Mines ParisTech
78
Image i
Image i
Segmentation de la
Segmentation de la
voie
voie
(
(
hi
hi
rarchie
rarchie
)
)
i = i+1
i = i+1
Image
Image
initiale
initiale
Premi
Premi
re segmentation
re segmentation
Second
Second
niveau
niveau
de
de
hi
hi
rarchie
rarchie
et extraction du
et extraction du
marqueur
marqueur
Segmentation finale
Segmentation finale
Exemple
Exemple
de
de
d
d
tection
tection
sur
sur
une
une
s
s
quence
quence
compl
compl
te
te
Premi
Premi
re Phase
re Phase
APPLICATIONS DETAILLEES (5)
APPLICATIONS DETAILLEES (5)
Serge BEUCHER / Mines ParisTech
79
Image i
Image i
Segmentation de la
Segmentation de la
voie
voie
(
(
hi
hi
rarchie
rarchie
)
)
i = i+1
i = i+1
Segmentation finale
Segmentation finale
Premi
Premi
re Phase
re Phase
APPLICATIONS DETAILLEES (5)
APPLICATIONS DETAILLEES (5)
Serge BEUCHER / Mines ParisTech
80
Phase II
Phase II
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Image de la
Image de la
s
s
quence
quence
l
l
instant
instant
i
i
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
OK?
OK?
i = i+1
i = i+1
Image i
Image i
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
APPLICATIONS DETAILLEES (6)
APPLICATIONS DETAILLEES (6)
Serge BEUCHER / Mines ParisTech
81
Phase II
Phase II
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Segmentation de la
Segmentation de la
voie
voie
par LPE (
par LPE (
marqueur
marqueur
g
g
n
n
r
r
par
par
l
l
image
image
pr
pr
c
c
dente
dente
)
)
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
OK?
OK?
i = i+1
i = i+1
Image i
Image i
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
APPLICATIONS DETAILLEES (6)
APPLICATIONS DETAILLEES (6)
Serge BEUCHER / Mines ParisTech
82
Phase II
Phase II
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Les pixels
Les pixels
appartenant
appartenant
au contours de la
au contours de la
voie
voie
sont
sont
s
s
lectionn
lectionn
s
s
...
...
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
OK?
OK?
i = i+1
i = i+1
Image i
Image i
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
APPLICATIONS DETAILLEES (6)
APPLICATIONS DETAILLEES (6)
Serge BEUCHER / Mines ParisTech
83
Phase II
Phase II
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
et
et
utilis
utilis
s
s
pour
pour
ajuster
ajuster
un
un
mod
mod
le
le
de
de
voie
voie
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
OK?
OK?
i = i+1
i = i+1
Image i
Image i
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
APPLICATIONS DETAILLEES (6)
APPLICATIONS DETAILLEES (6)
Serge BEUCHER / Mines ParisTech
84
Phase II
Phase II
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Le
Le
mod
mod
le
le
de
de
voie
voie
permet
permet
de
de
g
g
n
n
rer
rer
un
un
nouveau
nouveau
marqueur
marqueur
OK?
OK?
i = i+1
i = i+1
Image i
Image i
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
APPLICATIONS DETAILLEES (6)
APPLICATIONS DETAILLEES (6)
Serge BEUCHER / Mines ParisTech
85
Phase II
Phase II
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Si
Si
aucune
aucune
erreur
erreur
n
n
est
est
d
d
tect
tect
e
e
,
,
traitement
traitement
de
de
l
l
image
image
suivante
suivante
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
APPLICATIONS DETAILLEES (6)
APPLICATIONS DETAILLEES (6)
Serge BEUCHER / Mines ParisTech
86
Phase II
Phase II
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
OK?
OK?
i = i+1
i = i+1
Image i
Image i
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Le
Le
marqueur
marqueur
pr
pr
c
c
dent
dent
est
est
utilis
utilis
pour
pour
segmenter
segmenter
l
l
image
image
courante
courante
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
APPLICATIONS DETAILLEES (6)
APPLICATIONS DETAILLEES (6)
Serge BEUCHER / Mines ParisTech
87
Phase II
Phase II
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
OK?
OK?
i = i+1
i = i+1
Image i
Image i
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Le
Le
marqueur
marqueur
pr
pr
c
c
dent
dent
est
est
utilis
utilis
pour
pour
segmenter
segmenter
l
l
image
image
courante
courante
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
APPLICATIONS DETAILLEES (6)
APPLICATIONS DETAILLEES (6)
Serge BEUCHER / Mines ParisTech
88
Phase II
Phase II
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
OK?
OK?
i = i+1
i = i+1
Image i
Image i
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Et un
Et un
nouvel
nouvel
ajustement
ajustement
du
du
mod
mod
le
le
de
de
voie
voie
est
est
r
r
alis
alis
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
i = i+1
i = i+1
Phase I
Phase I
OK?
OK?
Phase I
Phase I
oui oui
non non
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image i
Image i
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Image
Image
marqueur
marqueur
i
i
-
-
1
1
OK?
OK?
i = i+1
i = i+1
Image i
Image i
OK?
OK?
i = i+1
i = i+1
Image i
Image i
Segmentation (
Segmentation (
voie
voie
)
)
avec
avec
marqueur
marqueur
Image
Image
marqueur
marqueur
i
i
-
-
1
1
Calcul
Calcul
d
d
un
un
mod
mod
le
le
de
de
voie
voie
Illustration du
Illustration du
processus
processus
sur
sur
une
une
s
s
quence
quence
compl
compl
te
te
(
(
mod
mod
le
le
de
de
chauss
chauss
e
e
trois
trois
voies
voies
)
)
APPLICATIONS DETAILLEES (6)
APPLICATIONS DETAILLEES (6)
Serge BEUCHER / Mines ParisTech
90
Probl
Probl
mes
mes
non
non
r
r
solus
solus
D
D
es
es
sur une s
sur une s
finir une hi
finir une hi
rarchie de segmentations:
rarchie de segmentations:
Hi
Hi
rarchie bas
rarchie bas
extinction
extinction
Hi
Hi
rarchie bas
rarchie bas
rarchie bas
rarchie bas
est
est
pas
pas
toujours
toujours
possible
possible
d
d
viter
viter
la
la
sur
sur
-
-
segmentation
segmentation
l
l
aide
aide
d
d
une
une
LPE
LPE
contrl
contrl
e
e
par
par
marqueurs
marqueurs
car
car
il
il
n
n
est
est
pas
pas
toujours
toujours
possible de
possible de
trouver
trouver
de
de
bons
bons
marqueurs
marqueurs
et/
et/
ou
ou
de
de
bons
bons
crit
crit
res
res
de segmentation.
de segmentation.
SEGMENTATION HIERARCHIQUE, CASCADES
SEGMENTATION HIERARCHIQUE, CASCADES
Serge BEUCHER / Mines ParisTech
91
LPE Value
La LPE dune fonction g est un
ensemble W(g)
La LPE value est la fonction w(g)
dfinie sur W et gale g en chaque
point de W
W
W
w(g)
w(g)
Initial image Initial image
Gradient g Gradient g
LIGNE DE PARTAGE DES EAUX VALUEE
LIGNE DE PARTAGE DES EAUX VALUEE
Serge BEUCHER / Mines ParisTech
92
Construction de
Construction de
l
l
image
image
mosa
mosa
que
que
LPE du gradient
LPE du gradient
Pour
Pour
chaque
chaque
minimum
minimum
du gradient,
du gradient,
d
d
terminer
terminer
la
la
valeur
valeur
de
de
gris
gris
corres
corres
-
-
pondante
pondante
Remplir
Remplir
le
le
bassin
bassin
versant avec
versant avec
cette
cette
valeur
valeur
IMAGE MOSAIQUE ET SON GRADIENT
IMAGE MOSAIQUE ET SON GRADIENT
Serge BEUCHER / Mines ParisTech
93
Une
Une
illustration simple
illustration simple
utilisant
utilisant
une
une
image
image
mosa
mosa
que
que
En dpit du fait quelimagesoit sur-segmente, la tacheblanche se
dtacheaisment du fond parceque, simultanment, les frontiresentre les
rgionslintrieur de la tacheet les frontireslintrieur du fond sont
moinscontrastesqueles frontiresqui sparent la tachedu fond. La tache
commele fond sont marquspar des frontiresavec un contrasteminimal.
SUR
SUR
-
-
SEGMENTATION ET
SEGMENTATION ET
PERCEPTION DES IMAGES
PERCEPTION DES IMAGES
Serge BEUCHER / Mines ParisTech
94
Arcs de hauteur
Arcs de hauteur
minimale
minimale
Dans
Dans
l
l
image
image
mosa
mosa
que
que
,
,
chaque
chaque
arc
arc
c
c
s
s
pare
pare
deux
deux
bassins
bassins
versants CB
versants CB
et CB . La valuation v de
et CB . La valuation v de
l
l
arc
arc
est
est
donn
donn
e
e
par:
par:
v = | g
v = | g
-
-
g |
g |
o
o
g et g
g et g
sont
sont
les
les
valeurs
valeurs
de
de
gris
gris
dans
dans
les
les
bassins
bassins
versants.
versants.
Un arc c
Un arc c
est
est
dit
dit
minimal
minimal
si
si
sa
sa
valuation
valuation
est
est
inf
inf
rieure
rieure
celles
celles
des
des
autres
autres
arcs
arcs
entourant
entourant
CB et CB
CB et CB
i i
j j
i i
i i
j j
ij ij
ij ij
ij ij
ij ij
i i j j
j j
DEFINITION D
DEFINITION D
UN GRAPHE
UN GRAPHE
Serge BEUCHER / Mines ParisTech
95
D
D
finition
finition
d
d
un nouveau
un nouveau
graphe
graphe
ses ses sommets sommets correspondent aux arcs du gradient correspondent aux arcs du gradient
mosa mosa que que
ses ses artes artes joignent joignent tous tous les arcs les arcs entourant entourant le le
mme mme bassin bassin versant versant
chaque chaque sommet sommet est est valu valu par la valuation de par la valuation de
l l arc arc d d finie finie dans dans le gradient le gradient mosa mosa que que
Danscettereprsentation, les arcs entourant le
mmebassinversant sont adjacents. Des arcs
minimauxpeuvent donctreconnectsbien
quecene soit pas le casdansle gradient
mosaque, commeillustrci-dessus(les
sommetsen jaunecorrespondent des arcs
minimaux).
DEFINITION D
DEFINITION D
UN GRAPHE ET
UN GRAPHE ET
LPE ASSOCIEE
LPE ASSOCIEE
Serge BEUCHER / Mines ParisTech
96
Inondation, 1re tape
(en bleu)
Les contours les plus
Les contours les plus
significatifs
significatifs
de
de
l
l
image
image
mosa
mosa
que
que
correspondent
correspondent
ceux
ceux
s
s
parant
parant
des
des
r
r
gions
gions
marqu
marqu
es
es
par des arcs
par des arcs
minimaux
minimaux
.
.
Ils
Ils
sont
sont
les
les
lignes
lignes
de
de
partage
partage
des
des
eaux
eaux
de la LPE
de la LPE
d
d
finie
finie
sur
sur
le
le
graphe
graphe
pr
pr
c
c
dent
dent
.
.
2me tape, deuxBV
(en bleu et vert)
3me tape, premiers
Barrages en rouge
DEFINITION D
DEFINITION D
UN GRAPHE ET
UN GRAPHE ET
LPE ASSOCIEE (2)
LPE ASSOCIEE (2)
Serge BEUCHER / Mines ParisTech
97
4me tape
LPE finale
Arcs du gradient mosaque correspondant
aux lignesde partagedes eaux.
DEFINITION D
DEFINITION D
UN GRAPHE ET
UN GRAPHE ET
LPE ASSOCIEE (3)
LPE ASSOCIEE (3)
Serge BEUCHER / Mines ParisTech
98
Le graphe dfini prcdemment est un
graphe valu 3D, pas facile
manipuler.
Cegraphepeut tretransformen un graphe
planairegrcela procduresuivante:
Un nouveau sommet est ajoutlintrieur
de chaquebassinversant.
Les artes prcdentessont remplacespar
deuxartes successivesreliant les sommets
originauxen passant par le nouveau sommet.
La valuation du nouveau sommet est donnepar:
min (v )
Oles v sont les valuations des arcs entourant le bassinversant.
ij
ij
D
D
image
image
hi
hi
rarchique
rarchique
mosaque
gradient mosaque
image hirarchique
Une
Une
image,
image,
nomm
nomm
e
e
image
image
hi
hi
rarchique
rarchique
peut
peut
tre
tre
construite
construite
partir
partir
du
du
graphe
graphe
planaire
planaire
. Les
. Les
bassins
bassins
versants du gradient
versants du gradient
mosa
mosa
que
que
sont
sont
remplis
remplis
avec des
avec des
valeurs
valeurs
de
de
gris
gris
correspondant
correspondant
aux valuations des nouveaux
aux valuations des nouveaux
sommets
sommets
ajout
ajout
s
s
.
.
La LPE de
La LPE de
l
l
image
image
hi
hi
rarchique
rarchique
fournit
fournit
le
le
niveau
niveau
de
de
hi
hi
rarchie
rarchie
sup
sup
rieur
rieur
(avec
(avec
quelques
quelques
restrictions).
restrictions).
REPRESENTATION SOUS FORME D
REPRESENTATION SOUS FORME D
IMAGE
IMAGE
Serge BEUCHER / Mines ParisTech
100
Appel
Appel
utiliser
utiliser
les ZPD (
les ZPD (
difficiles
difficiles
mettre
mettre
en
en
vidence
vidence
),
),
l
l
ensemble
ensemble
des
des
lignes
lignes
de
de
partage
partage
des
des
eaux
eaux
peut
peut
tre
tre
utilis
utilis
. Le
. Le
r
r
sultat
sultat
sera
sera
identique
identique
car la ZPD
car la ZPD
est
est
la
la
r
r
gion
gion
bordant
bordant
le
le
bassin
bassin
versant
versant
l
l
altitude
altitude
la plus
la plus
basse
basse
.
.
e
e
, cette image hi
, cette image hi
rarchique est la
rarchique est la
mme que celle d
mme que celle d
finie pr
finie pr
c
c
demment.
demment.
Lower catchment
basins
RECONSTRUCTION ET IMAGE HIERARCHIQUE
RECONSTRUCTION ET IMAGE HIERARCHIQUE
Serge BEUCHER / Mines ParisTech
105
Dans
Dans
ce
ce
cas
cas
,
,
l
l
approche
approche
hi
hi
rarchique
rarchique
et
et
l
l
approche
approche
par les cascades
par les cascades
sont
sont
identiques
identiques
.
.
L
L
algorithme
algorithme
des cascades
des cascades
est
est
la
la
g
g
n
n
ralisation
ralisation
n
n
importe
importe
quelle
quelle
fonction
fonction
de
de
l
l
approche
approche
hi
hi
rarchique
rarchique
.
.
Image gradient mosaque
Image hirarchique Image des cascades
La valuation minimaledu bassinversant
correspond la hauteur de la ZPD minimale.
La valuation produit un rsultat identiquela
reconstruction dualedu gradient mosaquepar
les ZPD minimales.
CASCADES ET IMAGES MOSA
CASCADES ET IMAGES MOSA
QUES
QUES
Serge BEUCHER / Mines ParisTech
106
Image
Image
originale
originale
LPE
LPE
initiale
initiale
Image
Image
mosa
mosa
que
que
Premier
Premier
niveau
niveau
de
de
hi
hi
rarchie
rarchie
SEGMENTATION HIERARCHIQUE: EXEMPLE
SEGMENTATION HIERARCHIQUE: EXEMPLE
Serge BEUCHER / Mines ParisTech
107
C
C
est
est
juste
juste
une
une
LPE au
LPE au
-
-
dessus
dessus
de la LPE...
de la LPE...
La segmentation hirarchiqueproduit un
nouveau bassinversant (en vert) qui peut
treutiliscommemarqueur de la route.
Le marqueur extrieur peut alorstre
choisi parmi les autresbassinsversants
significatifs.
EXEMPLES D
EXEMPLES D
APPLICATION
APPLICATION
Serge BEUCHER / Mines ParisTech
108
Protocole
On part d
On part d
une LPE
une LPE
valu
valu
e
e
initiale s
initiale s
0 0
Un processus it
Un processus it
rarchiques
rarchiques
successives s
successives s
i i
:
:
s
s
i i
= w(h
= w(h
i i- -1 1
) o
) o
h
h
i i- -1 1
est l
est l
image hi
image hi
rarchique associ
rarchique associ
e
e
la
la
segmentation s
segmentation s
i i- -1 1
Segmentation
Segmentation
hi
hi
rarchique
rarchique
Image hi
Image hi
rarchique
rarchique
LPE
Reconstruction
USAGE DES CASCADES
USAGE DES CASCADES
Serge BEUCHER / Mines ParisTech
109
N niveaux hi
N niveaux hi
rarchiques, avec S
rarchiques, avec S
N N
=
=
bon
bon
niveau de hi
niveau de hi
rarchie
rarchie
D
D
autres probl
autres probl
.
S
0
S
1
S
2
Image initiale f et
Image initiale f et
son gradient g
son gradient g
S
S
0 0
= W(g)
= W(g)
USAGE DES CASCADES (2)
USAGE DES CASCADES (2)
Serge BEUCHER / Mines ParisTech
110
C
C
est
est
une
une
approche
approche
non
non
param
param
trique
trique
L
L
algortithme
algortithme
des cascades
des cascades
peut
peut
tre
tre
it
it
r
r
,
,
ce
ce
qui conduit
qui conduit
de
de
possibles
possibles
niveaux
niveaux
sup
sup
rieurs
rieurs
de
de
hi
hi
rarchie
rarchie
,
,
mais
mais
Un
Un
crit
crit
re
re
d
d
arrt
arrt
n
n
est
est
pas
pas
disponible
disponible
Les
Les
niveaux
niveaux
successifs
successifs
de
de
hi
hi
rarchie
rarchie
sont
sont
loin d
loin d
tre
tre
pertinents
pertinents
.
.
Myopie
Myopie
aux hi
aux hi
rents (erreurs de
rents (erreurs de
classement)
classement)
PROBLEMES AVEC LES CASCADES
PROBLEMES AVEC LES CASCADES
Serge BEUCHER / Mines ParisTech
111
C
C
est
est
une
une
approche
approche
non
non
param
param
trique
trique
L
L
algortithme
algortithme
des cascades
des cascades
peut
peut
tre
tre
it
it
r
r
,
,
ce
ce
qui conduit
qui conduit
de
de
possibles
possibles
niveaux
niveaux
sup
sup
rieurs
rieurs
de
de
hi
hi
rarchie
rarchie
,
,
mais
mais
Un
Un
crit
crit
re
re
d
d
arrt
arrt
n
n
est
est
pas
pas
disponible
disponible
Les
Les
niveaux
niveaux
successifs
successifs
de
de
hi
hi
rarchie
rarchie
sont
sont
loin d
loin d
tre
tre
pertinents
pertinents
.
.
Myopie
Myopie
aux hi
aux hi
rents (erreurs de
rents (erreurs de
classement)
classement)
PROBLEMES AVEC LES CASCADES
PROBLEMES AVEC LES CASCADES
Serge BEUCHER / Mines ParisTech
112
C
C
est
est
une
une
approche
approche
non
non
param
param
trique
trique
L
L
algortithme
algortithme
des cascades
des cascades
peut
peut
tre
tre
it
it
r
r
,
,
ce
ce
qui conduit
qui conduit
de
de
possibles
possibles
niveaux
niveaux
sup
sup
rieurs
rieurs
de
de
hi
hi
rarchie
rarchie
,
,
mais
mais
Un
Un
crit
crit
re
re
d
d
arrt
arrt
n
n
est
est
pas
pas
disponible
disponible
Les
Les
niveaux
niveaux
successifs
successifs
de
de
hi
hi
rarchie
rarchie
sont
sont
loin d
loin d
tre
tre
pertinents
pertinents
.
.
Myopie
Myopie
aux hi
aux hi
rents (erreurs de
rents (erreurs de
classement)
classement)
PROBLEMES AVEC LES CASCADES
PROBLEMES AVEC LES CASCADES
Serge BEUCHER / Mines ParisTech
113
C
C
est
est
une
une
approche
approche
non
non
param
param
trique
trique
L
L
algortithme
algortithme
des cascades
des cascades
peut
peut
tre
tre
it
it
r
r
,
,
ce
ce
qui conduit
qui conduit
de
de
possibles
possibles
niveaux
niveaux
sup
sup
rieurs
rieurs
de
de
hi
hi
rarchie
rarchie
,
,
mais
mais
Un
Un
crit
crit
re
re
d
d
arrt
arrt
n
n
est
est
pas
pas
disponible
disponible
Les
Les
niveaux
niveaux
successifs
successifs
de
de
hi
hi
rarchie
rarchie
sont
sont
loin d
loin d
tre
tre
pertinents
pertinents
.
.
Myopie
Myopie
aux hi
aux hi
rents (erreurs de
rents (erreurs de
classement)
classement)
PROBLEMES AVEC LES CASCADES
PROBLEMES AVEC LES CASCADES
Serge BEUCHER / Mines ParisTech
114
C
C
est
est
une
une
approche
approche
non
non
param
param
trique
trique
L
L
algortithme
algortithme
des cascades
des cascades
peut
peut
tre
tre
it
it
r
r
,
,
ce
ce
qui conduit
qui conduit
de
de
possibles
possibles
niveaux
niveaux
sup
sup
rieurs
rieurs
de
de
hi
hi
rarchie
rarchie
,
,
mais
mais
Un
Un
crit
crit
re
re
d
d
arrt
arrt
n
n
est
est
pas
pas
disponible
disponible
Les
Les
niveaux
niveaux
successifs
successifs
de
de
hi
hi
rarchie
rarchie
sont
sont
loin d
loin d
tre
tre
pertinents
pertinents
.
.
Myopie
Myopie
aux hi
aux hi
rents (erreurs de
rents (erreurs de
classement)
classement)
PROBLEMES AVEC LES CASCADES
PROBLEMES AVEC LES CASCADES
Serge BEUCHER / Mines ParisTech
115
1
Image hi Image hi rarchique h rarchique h
i+1 i+1
(en rouge) (en rouge)
Trois diff
Trois diff
s apparaissent:
s apparaissent:
1.
1.
Contours dont l
Contours dont l
rieure ou
rieure ou
gale
gale
h
h
i+1 i+1
2.
2.
Contours dont l
Contours dont l
rieure
rieure
h
h
i+1 i+1
mais plus proche
mais plus proche
de l
de l
image hi
image hi
rarchique h
rarchique h
i+1 i+1
que de 0
que de 0
3.
3.
Contours dont l
Contours dont l
limin
limin
s par l
s par l
algorithme des
algorithme des
cascades
cascades
MYOPIE DES CASCADES
MYOPIE DES CASCADES
Serge BEUCHER / Mines ParisTech
116
LPE initiale s
0
Image hirarchique h
0
h
1
et s
1
= w(h
0
)
Contours restitus Segmentation finale s
1
Contours analyser
Segmentation s
2
initiale
et contours analyser
Contours restitus et
contour supprim
Segmentation finale s
2
UN PREMIER ALGORITHME
UN PREMIER ALGORITHME
Serge BEUCHER / Mines ParisTech
117
LIMITATIONS ET ALGORITHME P
LIMITATIONS ET ALGORITHME P
Dernier niveau JAMAIS vide. Proc
Dernier niveau JAMAIS vide. Proc
dure
dure
auto
auto
-
-
bloquante
bloquante
Une variante (un bogue
Une variante (un bogue
) de l
) de l
h
h
i+1 i+1
algorithme P
algorithme P
Serge BEUCHER / Mines ParisTech
118
LIMITATIONS ET ALGORITHME P
LIMITATIONS ET ALGORITHME P
Dernier niveau JAMAIS vide. Proc
Dernier niveau JAMAIS vide. Proc
dure
dure
auto
auto
-
-
bloquante
bloquante
Une variante (un bogue
Une variante (un bogue
) de l
) de l
h
h
i+1 i+1
algorithme P
algorithme P
Serge BEUCHER / Mines ParisTech
119
LIMITATIONS ET ALGORITHME P
LIMITATIONS ET ALGORITHME P
Dernier niveau JAMAIS vide. Proc
Dernier niveau JAMAIS vide. Proc
dure
dure
auto
auto
-
-
bloquante
bloquante
Une variante (un bogue
Une variante (un bogue
) de l
) de l
h
h
i+1 i+1
algorithme P
algorithme P
Serge BEUCHER / Mines ParisTech
120
LIMITATIONS ET ALGORITHME P
LIMITATIONS ET ALGORITHME P
Dernier niveau JAMAIS vide. Proc
Dernier niveau JAMAIS vide. Proc
dure
dure
auto
auto
-
-
bloquante
bloquante
Une variante (un bogue
Une variante (un bogue
) de l
) de l
h
h
i+1 i+1
algorithme P
algorithme P
Rsultat final de lalgorithme standard
Serge BEUCHER / Mines ParisTech
121
ALTERNANCE DE CONTOURS DANS
ALTERNANCE DE CONTOURS DANS
L
L
ALGORITHME P
ALGORITHME P
s
5
s
6
s
7
s
0
s
1
s
2
s
3
s
4
La r
La r
introduction des
introduction des
contours synchronise les
contours synchronise les
hi
hi
rarchies
rarchies
Lalternance peut tre
de
de priode quelconque
Loscillation est toujours amortie (stabilit)
Une configuration monstrueuse
Serge BEUCHER / Mines ParisTech
122
EXEMPLES COMPARATIFS
EXEMPLES COMPARATIFS
Algorithme standard Algorithme standard Algorithme P Algorithme P
Serge BEUCHER / Mines ParisTech
123
EXEMPLES COMPARATIFS (2)
EXEMPLES COMPARATIFS (2)
Algorithme standard Algorithme standard Algorithme P Algorithme P
Serge BEUCHER / Mines ParisTech
124
AUTRES EXEMPLES
AUTRES EXEMPLES
Serge BEUCHER / Mines ParisTech
125
AUTRES EXEMPLES (2)
AUTRES EXEMPLES (2)
Serge BEUCHER / Mines ParisTech
126
PERSPECTIVES LIEES A L
PERSPECTIVES LIEES A L
ALGORITHME P
ALGORITHME P
Lalgorithme P est un algorithme auto-bloquant et non
paramtrique
Une caractristique remarquable de lalgorithme P est sa
capacit sparer les formes du fond. Cette caractristique fait
de lalgorithme un outil puissant de perception de structures
( gestalt )
Travaux actuels (entre autres):
Explication du rle de lalgorithme P en relation avec certains
mcanismes de perception (ancrage, articulation)
Problme de la comparaison des rsultats (pour le moment, elle
reste trs subjective) Utilisation de la base de segmentation
dimages de Berkeley
Serge BEUCHER / Mines ParisTech
127
CONCLUSION : METHODOLOGIE EVOLUTIVE
CONCLUSION : METHODOLOGIE EVOLUTIVE
M
M
thodologie fructueuse
thodologie fructueuse
Extension au monde 3D
Extension au monde 3D
Nouveaux d
Nouveaux d
veloppements (r
veloppements (r
sidus)
sidus)
Ces outils sont (presque) ais
Ces outils sont (presque) ais
ment compr
ment compr
hensibles et
hensibles et
pratiques
pratiques
Il n
Il n
La bo
La bo
te
te
outils s
outils s
am
am
liorent spectaculairement
liorent spectaculairement
rarchiques
rarchiques
el
el
Nouveaux outils disponibles
Nouveaux outils disponibles
Serge BEUCHER / Mines ParisTech
128
S. BEUCHER, C. LANTUEJOUL, Use of watersheds in contour detection . International
Workshop on image processing, real-time edge and motion detection/estimation, Rennes, Sept.
1979. (disponible en tlchargement)
F.MEYER, S. BEUCHER, Morphological segmentation. J ournal of Visual Communication
and Image Representation, n 1, Vol. 1, Oct. 1990.
S. BEUCHER, Segmentation d'images et morphologie mathmatique. Doctorate thesis,
Ecoledes Mines de Paris, Cahiers du centre de MorphologieMathmatique, Fascicule n10, J uin
1990. (disponible en tlchargement)
S.BEUCHER, F. MEYER, The Morphological approach of segmentation: the watershed
transformation. In Dougherty E. (Editor), Mathematical Morphology in Image Processing,
Marcel Dekker, New York, 1992. (disponible en tlchargement)
S. BEUCHER, Watershed, hierarchical segmentation and waterfall algorithm. Proc.
Mathematical Morphology and its Applications to Image Processing, Fontainebleau, Sept. 1994,
J ean Serra and Pierre Soille(Eds.), Kluwer Ac. Publ., Nld, 1994, pp. 69-76.
BIBLIOGRAPHIE
BIBLIOGRAPHIE
S. BEUCHER, Transformations r S. BEUCHER, Transformations r siduelles en Morphologie Num siduelles en Morphologie Num rique rique
.
. Note interne Note interne
CMM n CMM n 04/04/MM, Mars 2004. 04/04/MM, Mars 2004. (disponible en tlchargement)
S. BEUCHER, B. MARCOTEGUI, P S. BEUCHER, B. MARCOTEGUI, P algorithm algorithm, a , a dramatic dramatic enhancement enhancement of the of the
waterfall waterfall transformation. transformation. Web document, Web document, September September 2009. 2009. (disponible en tlchargement)
Serge BEUCHER / Mines ParisTech
129
OUTILS LOGICIELS
OUTILS LOGICIELS
Diff
Diff
e:
e:
MAMBA
MAMBA
http://www.mamba
http://www.mamba
-
-
image.org
image.org
MAMBA est une librairie
MAMBA est une librairie
multi
multi
-
-
plateformes
plateformes
(Linux,
(Linux,
Windows) distribu
Windows) distribu
t
t
d
d
velopp
velopp