MINISTERE DE LENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE

UNIVERSITE MOULOUD MAMMERI, TIZI-OUZOU

FACULTE DE GENIE ELECTRIQUE ET INFORMATIQUE

DEPARTEMENT AUTOMATIQUE

MEMOIRE DE MAGISTER
en Automatique
Option : Traitement dImages et Reconnaissance de Formes

prsent par :
Melle SLIMANI Dalila
ingnieur U.M.M.T.O

Thme

Drivation non entire : Application en

traitement dimages
Mmoire soutenu le :

devant le jury dexamen compos de :

DJENNOUNE Sad

Professeur l'U.M.M.T.O

Prsident

DIAF Moussa

Professeur l'U.M.M.T.O

Rapporteur

HAMMOUCHE Kamal

M.C.A l'U.M.M.T.O

Examinateur

MANSOURI Rachid

M.C.A l'U.M.M.T.O

Examinateur

! "

$%

&

&
'

)*''
#

'*

+ , #

- .
'

&

/* 0

1
-

(
2

'+

3! 3

$ #

1
-

! "
% & '

#
(

) "

"

$
$

! "!

! "
!

0 1

0 1

#
2

"

! "!

"

! 1

! "

3
$

! "

,
6
2

7! "

7! "
7!

2
#

:
#

$
8

9
6

7:

! "

3 +

"

#
9
! "

7:

7:

5
,

4
!

,
3
$$

%&

!
"

#
$
$

$
#

&

# %

$& #

%
$

&
#

"

'

'

) %

! %

! %

! '

%
!
#

%
%

%
%

$&

! #
# %

# %
*
! #
1

"

$ !

"
$

%
,

-!

)
$

#
#

$ #
%

$
#

/
%

La drivation et intgration dordre non entier constituent le calcul

fractionnaire qui est un vieux concept datant de l'poque de Cauchy. Cest
une gnralisation de la notion de drive dordre entier

dune fonction f(x)

par rapport la variable x des valeurs non entires de . Si

sagit dune intgration non entire et si

est ngatif, il

est positif, on parle dune

drivation non entire

Lide pour la gnralisation de la drive vers un ordre arbitraire est
dcouverte dans le courrier chang entre L'Hpital et Leibniz. Le 30
septembre 1695. L'Hopital a crit Leibniz afin de l'interroger au sujet d'une
notation particulire qu'il avait employe dans ses publications pour la
nime.drive dune fonction f(x). L'Hopital pose alors la question Leibniz,
sur le rsultat de cette drive pour lordre

? [1]. Depuis cet change de

courrier, dautres chercheurs de renomme se sont penchs sur ce sujet

comme Leibniz et LHospital (1965) [1], Fourier (1822) [2], Abel (1823) [3],
Liouville (1832) [4], Riemann (1847) [5], et de Ross (1975) [6].

Plusieurs

activits

scientifiques

comme

lorganisation

colloques

internationaux, la parution de plusieurs ouvrages et dune revue Journal of

fractional calculus entirement consacre au sujet, tmoignent de la vitalit
actuelle de la recherche sur la drivation dordre non entier.
Diffrentes dfinitions de la drivation non entire ont t tablies. Ces
dfinitions, mme ne menant pas toujours des rsultats identiques sont
quivalentes pour un large panel de fonctions. Toutefois, la dfinition de la
drivation non entire peut stablit selon les trois approches. La premire
est lapproche par limites qui est lapproche classique de Grnwald.Letnikov
et qui consiste gnraliser la notion de la drivation entire. La deuxime
est lapproche de Riemann.Liouville et Caputo qui, partir des primitives,
associe la drivation non entire lintgration fractionnaire. La troisime
approche est spectrale utilisant la transforme de Laplace.
Dans ce chapitre, il sagit pour nous de prsenter les fondements de la
drivation non entire. Nous noterons

lordre de drivation,

loprateur de drivation non entire dordre

dintgration non entire dordre

et

loprateur

Ainsi, seront vus, fonction Gamma, qui est principalement utilise en

drivation non entire avant de rappeler les diffrentes dfinitions des
oprateurs dordre non entier. Des exemples de fonctions usuelles pour
clarifier les diverses approches de la drivation non entire ainsi que leurs
proprits seront donns. Par la suite, une section est consacre
linterprtation de lintgration et de la drivation non entire. Le chapitre se
termine alors par un rappel de quelques applications dans diffrents
domaines.

Pour la variable z relle et strictement positive, la fonction Gamma

continue en z est dfinie comme une lintgrale sommable quivante:

Lallure de la fonction Gamma est donne par la figure 1 :

(1)

Allure de la fonction Gamma [REF]

Ainsi, nous avons :
La drive dordre 1 de

est :

ln

(2)

Sa deuxime drive est :

ln

(3)

La drive dordre n est donne par :

ln

(4)

La relation de rcurrence de la fonction (x) est obtenue par lintgration par

parties de la formule d'Euler. En effet, si on pose

, on

aura :

(5)

"

avec

Ainsi, nous avons

!1

Cette relation de rcurrence va permettre de dfinir (z) pour les valeurs

ngatives de z.
Si nous supposons .1<z<0 soit 0<z+1<1. (z+1) est bien dfinie par la
formule d'Euler, mais pas (z). Il est convenu de dfinir (z) par la relation

"

.
5

Ainsi pour .(n+1)<z<.n avec n entier positif ou nul, on aura :

"

(6)

Les valeurs particulires de (x) sont :

la

1
fonction

Gamma

gnralise : &

"

"

Pour

Pour

, ) *

&!

s'appelle

aussi

fonction

factorielle

&'1 !

,.

, n entier positif : )& ! *

-. .

#
$ %

&'

Lide de cette approche est de gnraliser la dfinition classique de la

drivation entire dune fonction des ordres de drive arbitraires. La
drive dordre 1 dune fonction f au point x est dfinie par :
/

lim

23

'/
4

'4

Le calcul des drives successives de la fonction f donne la gnralisation de

cette formule lordre n o n est un nombre entier positif ou nul)
&
/
lim 2. 68 '1 6 ) 7 * / ' 74 )
23
&
!
Avec : ) 7 *
6 !6!
Cette formule reprsente la drive dordre entier n si n est positif et
lintgrale rpte .n fois si n est ngatif.
En utilisant la fonction gamma telle que & ! 1

& & donnant & ! 1

&! pour tout n entier positif ou nul, on peut crire lexpression suivante
gnralise aux cas entiers ngatifs ou nul :
&
'1 6 ) 7 *

'& 1 ' & 2 ' & . . 7 ' & ' 1

7!

En remplaant n par un rel

'

1'

2'

non entier on aura :

.. 7 '
7!

On dfinit donc la drive dordre non entier

6

'1

7'
7!1 '

telle que:

1
7'
lim :
23 4
7!1 '

68

' 74

' 74

et
7!
1
lim
:
23 4
7!1

68

'<

/ <

<

Cette relation correspond a la dfinition de Grunwald Letnikov.

Si f est de classe > ? alors, en utilisant lintgration par parties, on obtient:
?

68

1
A'

'<

1
A!

'<

@
'@ 6
7' !1

@
'@ 6
7! !1

<

<

<

<

et
?

68

Notons que, travers cette dfinition, on voit dj apparatre lune des

proprits de la drivation dordre non entier. Elle prend en compte le pass
global de la fonction et donc lensemble de ses dynamiques contrairement
1 et qui ne dpend que de ce qui se passe au

la drive usuelle dordre

voisinage immdiat du point de calcul.

La drive non entire peut tre compose avec la drive entire tel que:
)
C.

BC

et

./

o & est un nombre entier et

/
' 68

EF =

" 6

= FGHG.

un non entier.

Quant la composition entre des drives non entires, elle est donne par :

Si I J 0 ,

MN

Si 0 P Q ' 1 J I J Q ,

J0 R/
)

/
6

Si0 P Q ' 1 J I J Q , 0 P & ' 1 J

*
@

0 ST U 7

J& R/

0,1,2, . . U ' 2

0,1,2, . . Q ' 2
0 ST U 7

o &, Q sont deux nombres entiers et U

max Q, & et , I non entiers.

Ainsi, la drive dune fonction constante au sens de Grnwald.Letnikov,

nest ni nulle et ni constante. Pour un ordre de drivation non entier
drive de la fonction constante /
>
1'

!
o ?68

EF =

" 6

'@

1
A'

!:
'<

= FGH

> est donne par :

@
'@ 6
7' !1

68

0 et

" ?

la

<

'<

<
/

<

<

Alors :
>
1'

'@

la drive de Grnwald.Letnikov de la fonction /

'@

lordre , est

telle que :
'@
En effet, si

S!1
;
n' S'&!1 =

'@

'@

est un nombre non entier tel que : 0 P & ' 1 J

les drives entire dordre k, pour A

drive dordre n tant /

'@

" X

<

0,1,2, . . . , & ' 1 est /

<'@

" X

S!1
;
n' S'&!1 =

'@

'@

S!1
;
n' S'&!1

Pour

,@

0, S

1, T& @:

0 et la

'@

' @ on a :

[
'@

<

@![

S!1 &' S'&!1

n' S'&!1 S' !1
'@

'@

0 et ST U <

S!1
S' !1

J & et S Z & ' 1,

, nous aurons :

En procdant au changement de variable en faisant <

ST U <

<

 2
1

) *

"

*'

Ces approche dites encore partir des primitives est sont bas sur
lintgration afin de dfinir la drivation non entire.

Approche RiemannLiouville

Dans lapproche RiemannLiouville, une autre expression de la drivation

dordre non entier dune fonction /

est donne. Deux dfinitions ont t

donnes.
M N,

Dans la premire, on pose

Z 0, @ M N et f, une fonction localement

intgrable dfinie sur ]@, ! . L'intgrale d'ordre

de f de borne infrieure @

est dfinie par lexpression suivante :

=

Dans la deuxime, on pose

intgrable dfinie sur ]@, ! .

'
M N,

Z@

avec

Z 0, @ M N et f, une fonction localement

de f de borne infrieure @ au sens de Riemann.

Ainsi, la drive d'ordre

Liouville est dfinie par :
=

1
&'

'

/ <

o le nombre entier n est tel que (n 1) < < n.

Si f est de classe > ? , alors en faisant des intgrations par parties et des
diffrentiations rptes on obtient :
/

68

@
'@ 6
7' !1

1
A'

'<

<

<

Dans ce cas lapproche de Grnwald.Letnikov et lapproche de Riemann.

Liouville sont quivalentes.
Dans

la

composition

avec

lintgrale

non

entire,

loprateur

de

diffrentiation fractionnaire au sens de Riemann.Liouville est un inverse

gauche de loprateur dintgration fractionnaire :
)
et en gnrale

si

' I J 0,

De plus, la diffrentiation et lintgration fractionnaire ne commutent pas :

)

' :_

O 6

68

avec Q ' 1 P I J Q

8=

'@ 6
'7!1

Pour la composition avec les drives dordre entier, on a, pour & un nombre
entier et
C.

non entier :
*

et

C.

' 68

EF =

" 6

= FGHG.

La diffrentiation non entire et la diffrentiation entire ne commutent que

si /

0 ST U 7

0,1,2, , & ' 1

Pour la composition avec les drives dordre non entier, on a, pour

deux nombres non entiers tel que : & ' 1 P
b
O

/
/

J & et Q ' 1 P I J Q :
6

6
'@
8= ' ' 7 ! 1

O 6

'@ O 6
8= 'I ' 7 ! 1

' :_
68

' :_
68

RI

R O ne commutent que si
Les oprateurs de drivations fractionnaires
6
O 6
I et 68 _
/ ` 8= 0 pour 7 1,2, , & et a
/ ` 8= 0
68 _
pour7 1,2, , Q.
Comme premier exemple de drive non entire dune fonction constante
/ R

> au sens de Riemann. Liouville, nous avons :

/

>
1'

'@

Comme deuxime exemple de drive dune fonction /

' @ X au sens

de Riemann.Liouville, nous avons :

Soit

un nombre non entier 0 P & ' 1 J

'@

1
n'

J & et S Z '1

'<

En faisant un changement de variable : <

@![

ST U <

ST U <

'@

1
n'

[
'@

10

<'@

<

'@

1
X

; 1'[

[X [

 S!1 &' &!S' !1

n' S' !1 &!S' !1

,@

Pour

S!1
S' !1

0, S

1
2

:
1
2
1

) *

'@

'@

Approche de Caputo

Dans lapproche de Caputo, celui.ci a introduit une autre formulation de la

drive d'ordre fractionnaire dfinie par :
=

1
&'

/
'

avec n est un entier positif vrifiant l'ingalit & ' 1 J

J &.

La relation avec la drive de Riemann Liouville est effectue de la faon

suivante : si f(x) est une fonction /

dont les drives dordres

Riemann Liouville et de Caputo existent et si

ou nul tel que & ' 1 P

de

un nombre non entier positif

J & et & M de . la relation reliant la drive au sens de

Caputo a celle de Riemann Liouville est donne par :

f

gh=Xijk

de /

La drive dordre
Liouville si /

@
'@ 6
7' !1

68

au sens de Caputo est gale celle de Riemann

0 pour 7

glmnopqq rmstumvvn ' :

0,1, , & ' 1.

Quant la composition avec loprateur dintgration fractionnaire, elle est

dfini, en posant f(x) ne fonction /

continue, elle est dfinie telle que :

et

/
*

*
/

/
' 68

EF =

w!

= F

Notons que la drive dune fonction constante au sens de Caputo est nulle
/
est, si

0 et que la drive dune fonction / R

un nombre non entier 0 P & ' 1 J

Do :

'@

" X

" q x " X

J & et S Z & ' 1 ;:

S!1
S' !1

/
=

'<

11

' @ X au sens Caputo

<'@
<'@

<

On faisant un changement de variable : <

'@

S!1
&' S'&'1

@![
'@

'@
; 1'[

S!1 &' S'&!1

n' S'&!1 S' !1
S!1
S' !1

!!

'@

'

'@

[X

Comme dans le cas entier, la transforme de Laplace est utilise pour

la rsolution des quations diffrentielle dordre non entier. Nous citons dans
ce qui suit la transforme de Laplace des diffrentes dfinitions de la drive
non entire.
Ainsi, la transforme de Laplace de la drive de Riemann.Liouville est
donne par: yz

[ . | [ ' ?8 [ ? ]

avec & ' 1 J

J &.

L'absence dune interprtation physique des valeurs limites des drives

d'ordre fractionnaire pour x = 0, limite lapplication en pratique de La
transforme de Laplace de la drive de Riemann.Liouville.
Quant la transforme de Laplace de la drive de Caputo, elle est telle que :
yz

[ . | [ ' ?8 [

/ ? 0 avec & ' 1 J

J&

Lapproche de Caputo prsente plusieurs avantages par rapport celle de

Riemann. Liouville. Elle permet de considrer des conditions initiales faciles
interprter. De plus, la drive de Caputo d'une constante est borne (gale
0), alors que la drive de Riemann.Liouville d'une constante n'est pas
borne x = 0, a lexception si on prend x= comme point de dpart (limite
infrieure) dans la dfinition de Riemann.Liouville.
Cependant, plusieurs processus

ne permettent pas de placer le point de

dpart ; dans ce cas la dfinition de Caputo semble tre la plus

approprie quand on la compare aux autres.
La transforme de Laplace de la drive de Grndwald.Leitnikov est donne
par : ~z

[ .| [

12

0
Gnralement les drives et les intgrales dordre entier ont des

interprtations physiques et gomtriques claires, ce qui simplifie leurs

usages pour rsoudre des problmes appliqus dans plusieurs champs de la
science. Cependant, il a fallut plus de 300 ans au calcul fractionnel pour
avoir une interprtation physique et gomtrique acceptable.
Le manque de ces interprtations a t reconnu dans plusieurs confrences
internationales sur le calcul fractionnaire. La Question reste sans rponse,
par consquent, tait souvent incluse dans la liste des problmes ouverts.
Lintgration et la diffrenciation fractionnaires sont des gnralisations de
notions dintgration et de diffrenciation dordre entier, incluent les drivs
dordre n et les intgrales rptes n fois comme cas particuliers. Pour ceci, il
serait intressant davoir ces interprtations physiques et gomtriques
doprateurs dordre fractionnaire qui fourniront un lien aux interprtations
classiques de diffrenciation et dintgration dordre entier connues.
Linterprtation

physique

de

lintgration

et

de

la

Diffrenciation

fractionnaires repose sur lutilisation de deux types de temps : le temps

cosmique et le temps individuel, par contre lensemble du calcul diffrentiel
et dintgral classique est base sur lutilisation du temps mathmatique
(homogne, coulant uniformment).
En ralit lchelle de temps homogne est juste une notion idale, qui est
ncessaire pour dvelopper les modles mathmatiques dcrivant le temps
cosmique non homogne et leur changement.

1 2

'3

&

'
Pour donner linterprtation physique de lintgration non entire, nous
considrons lexemple dun conducteur dune voiture. Supposons que la
voiture est quipe de deux appareils de mesure, le compteur de vitesse qui
enregistre la vitesse du conducteur et lhorloge qui affiche le temps <.

Cependant le temps < affich par lhorloge est incorrect.

13

Nous supposons que la relation entre le temps incorrect <, affich par
lhorloge et dont le conducteur considre comme le temps exact et le temps
exact ~ est donne par la fonction connue j < telle que :
~

et j <

j < .

R ' R ' <

Ceci signifie que si le conducteur mesure lintervalle de temps

intervalle de temps est ~

j < .

<, le vrai

Le conducteur A qui reprsente le conducteur de la voiture, ignorant lerreur

de lhorloge, calcul la distance parcourue au moyen dune intgrale
classique :
j

<

< .(1)

Un observateur O, lui en connaissance de la mauvaise mesure de lhorloge et

de la fonction j < reliant le temps incorrecte < au temps exact , calcule la
distance rellement parcourue par la voiture :
R
avec

<

j <

" j

R'<

R
<

<

Lintgrale donne par lquation (1) peut tre interprte comme la distance
parcourue par un mobile pour lequel nous avons effectu deux mesures :
Une mesure correcte de la vitesse et une mesure incorrecte du temps.
Lintgrale fractionnaire de Riemann.Liouville donne par lquation
R

<

j <

R peut tre interprte comme la vritable distance

parcourue par lobjet mobile, pour lequel nous avons enregistr ses valeurs
local de la vitesse

< (cest sa vitesse individuelle) et la valeur local du

temps < (temps individuel), sachant que la relation entre le temps enregistr
localement et le temps cosmique est donn par la fonction j < .

La fonction j <

dcrit le temps chelle non homogne, qui dpend non

seulement de <, mais aussi du paramtre t qui reprsente la dernire valeur

mesur du temps individuel de lobjet mobile. Quand t change, lintervalle de
temps cosmique change galement.
La notion du temps cosmique est relie au changement de la gravit dans
lespace temps dun corps en dplacement. En effet, quand un corps mobile
14

change sa position dans lespace.temps, le champ de la gravit dans

lespace.temps tout entier change galement en raison de ce mouvement. Par
consquent, lintervalle de temps cosmique, qui correspond lhistoire du
mouvement de lobjet mobile, change. Ceci affecte le calcul de la vraie
distance R parcourue par cet objet mobile.
En rsum, lintgrale fractionnaire de Riemann.Liouville de la vitesse
< , dun objet mobile, pour lequel la relation entre son temps

Individuelle

individuel <, et le temps cosmique T chaque instant t est donne par la

fonction connue ~

j < ,

dcrite par lquation j <

" j

R ' R ' < ,

reprsente la vritable distance R parcourue par cet objet.

/

1 2
)

&'

Dans la section prcdant, nous avons interprt lintgrale fractionnaire de

Riemann.Liouville comme tant la vraie distance

R parcourue par un

objet mobile, pour lequel le rapport entre son temps individuel < et le temps

cosmique T chaque instant t est donn par la fonction connue ~

on

utilisant

les

proprits

de

la

diffrentiation

et

de

j < .

lintgration

fractionnaire, nous pouvons exprimer lexpression de la vitesse individuelle

R a partir de la vritable distance parcourue R .
La

drive

fractionnaire

de

Riemann.Liouville de

la

vraie

distance

R parcourue par le mobile permet donner lexpression de la vitesse

<

k R

avec:

k R

"

Cj

j H

< et 0 P

P1

< :

Nous pouvons aussi diffrencier la valeur de la vritable distance par rapport

la variable de temps t qui donne la relation entre la vitesse

R du

mouvement de point de vue de lobservateur indpendant O et la vitesse

individuel

R :
k

Cj

R . (4)

Par consquent, la drive au sens de Riemann.Liouville dordre 1 '

la vitesse individuel

, de

R est gale la vitesse du point de vue de lobservateur

15

indpendant

R , si le temps individuel <et le temps cosmique T sont relis

par la fonction ~

j < , dcrite par lquation j <

R ' R ' < .

1, quand il ny a aucune dformation dynamique de lchelle de

Pour

temps, les deux vitesses concidentes :

/!

" j

"

/
Lapproche la plus rpondu pour lapproximation numrique de la drivation
et de lintgration non entire est celle de Grndwald.Leitnikov.
?

1
lim : '1 6 ) 7 * /
23 4

68

Pour une fonction causale /

' 74

A. 4 :

, et pour

Lapproximation de la drive dordre non entier

de la fonction

est donne par :

?

1
: 6 / A4 ' 74
4

/ A4
Les coefficients binomiaux 6

68

'1 6 ) 7 * sont calculs par la formule de

rcurrence suivante :

)1 '

* 6

Lapproximation de lintgrale dordre non entier I de la fonction

est donne par :

O

/ A4

Avec :

1 , 6

O
O

/ A4
O

1 , 6

4 : 6 / A4 ' 74
O

68

)1 '

* 6

"
Au dpart, la thorie de la drivation non entire t considr

comme une branche relevant des mathmatiques. Mais Paralllement aux

progrs thoriques quelle a connue, laspect pratique a t frein par le
problme de linterprtation physique, en effet s'il n'y a aucun doute sur le
sens gomtrique des drives et intgrales d'ordre entier, tel n'est pas le cas
16

pour les oprateurs d'ordre non entier. Ce n'est qu'au dbut des annes
1950 que Van Der Ziel dans ses recherches sur les spectres de bruit des
semi.conducteurs, puis Davidson et Cole dans leurs travaux sur la
relaxation dilectrique dans certains liquides, ont pu modliser des
phnomnes naturels en faisant appel la drive d'ordre fractionnaire.
Depuis ces dcouvertes, beaucoup de contributions autant thoriques que
pratiques ont montr l'importance des systmes d'ordre non entier et leur
intrt dans diffrentes disciplines tels que llectricit, la chimie, la biologie,
lconomie, lautomatique et le traitement du signal et dans diffrentes
applications telles que la modlisation, l'identification et la commande. En
effet, Il a t montr quun nombre important de systmes physiques ont un
comportement qui peut tre mieux dcrit en utilisant des modles
mathmatiques dordre non entier.
Nous citons ci dessous quelques applications dans diffrents domaines. En
lectricit, Le Mhaut et Crepy ont propos en 1983 un concept appel "la
fractance", un nouvel lment de circuit lectrique, qui possde des
proprits intermdiaires entre la rsistance et la capacit. Un tel lment a
t tudi par dautres auteurs dont Nakagawa et So.rimachi et Oldham et
Zoski. Une nouvelle thorie sur les capaciteurs a t dveloppe par
Westerlund, base sur la drive dordre non entier.
On retrouve aussi quelques applications concernant la diusion ou la
dispersion. Ainsi, Loiseau et Mounier, en 1998, ont trait de la stabilit de
lquation de la chaleur commande en ux, Wang et al. en 1999 ont tudi
la diusion de chaleur dans le sol et Fellah et al. en 2004 dans le domaine
de la propagation des ondes acoustiques ; dautres applications sur le
transport de matires par leau dans le sol ont t prsentes par Lu et al. en
2002 et Benson et al. en 2004; Del.Castillo.Negrete et al. en 2004 ont fait
une application sur la diusion dans le plasma. En identification, bien que
la modlisation des systmes dordre fractionnaire remonte au dbut du
XXme sicle, les travaux dans le domaine de lidentification ont ts trs
limits. Ces derniers ont t initis par les recherches de Sun et al. 1984 sur
lidentification du comportement de la polarisation lectrode.lectrolyte par
modles dordre fractionnaire en utilisant des techniques frquentielles. Par
17

la suite et partir des annes 1990, les travaux sur lidentification, tant
dans le domaine temporel que frquentiel, par modles non entiers ont t
dvelopp.
En automatique, ce n'est qu'au dbut des annes 1990 que le rgulateur
CRONE (Commande Robuste d'Ordre Non Entier) tait propos par
Oustaloup. En profitant des proprits avantageuses des systmes d'ordre
fractionnaire, ce rgulateur permet d'assurer la robustesse de la commande
dans une bande de frquences donne, La russite de cette approche fut
norme, plusieurs variantes de cette commande ont vu le jour (1re, 2me et
3me gnrations). Et depuis, La commande d'ordre fractionnaire captiva
l'intrt de beaucoup de chercheurs. En 1999, lapplication de la drivation
non entire est largie la thorie de la commande par Podlubny qui a
propos le rgulateur DPI comprenant une intgration fractionnaire
d'ordre et une drivation fractionnaire dordre.
Comme cit prcdemment, Lutilisation de loprateur de drivation dordre
fractionnaire rel est maintenant largement rpandue dans divers domaines,
par contre lapplication de loprateur de drivation dordre fractionnaire
complexe est relativement rcente et se limite pour linstant la synthse
dune commande robuste, la commande CRONE de la troisime gnration.

+
Ce chapitre est une introduction aux lments de base de la drivation

non entire.

Nous avons rpertori quelques notions de cet outil

mathmatique, trois approches des drives fractionnaires sont introduites

savoir, lapproche de Grunwald Letnikov, de Riemann Liouville et celle de
Caputo ainsi que leurs proprits, et quelques exemples de calcul. Des
interprtations physiques ainsi que ses diffrentes applications dans divers
domaines ont t prsentes.
Le chapitre suivant aura pour objectif, dapprofondir ses applications dans le
domaine du traitement dimages.

18

La segmentation d'images est ltape la plus importante dans un

systme de vision par ordinateur. Elle joue un rle prpondrant dans le
traitement dimages. Elle aide localiser et dlimiter les entits prsentes
dans

limage.

En

effet,

la

segmentation

permet

le

passage

dune

reprsentation en intensit lumineuse (niveaux de gris) une reprsentation

symbolique (appartenance des pixels diffrentes rgions). Il existe de
nombreuses mthodes de segmentation dimage qui peuvent tre regroupes
en quatre classes dalgorithmes :

La segmentation base sur les rgions : dans cette catgorie, les pixels
adjacents similaires selon un certain critre sont regroups en rgions
distinctes.

La segmentation base sur les contours. Elle permet la dtection des

transitions entre les rgions de limage.
19

La segmentation base sur une approche globale de l'image : comme

par exemple le seuillage.

La segmentation base sur la coopration entre les trois premires

segmentations. Cette coopration permet une entraide entre les
diffrents concepts afin damliorer le rsultat final de segmentation.

Ltape de segmentation est prcd par un prtraitement de limage, afin

damliorer sa qualit et de rduire les bruits.
Dans ce chapitre, nous dcrivons brivement les principaux filtres dimage
avant de prsenter les mthodes de segmentation. Enfin nous terminons par
la segmentation dimage par la drivation non entire dcrite prcdemment.

!
En amont de la segmentation on retrouve ltape du prtraitement.
Cest une tape qui a pour but

damliorer limage et de faciliter la

segmentation. Lamlioration des images est essentiellement obtenue par le

filtrage, qui consiste soit attnuer les bruit indsirable, soit accentuer les
contours.
Le principe du filtrage est l'application d'une opration au niveau du pixel
lmentaire en tenant compte de son environnement (pixels voisins). Cest
une opration qui consiste dplacer un filtre (masque), qui est une matrice,
sur limage suivant chaque pixel et de remplacer la valeur de ce dernier par
le rsultat de lopration effectue sur ses voisins. A cet effet, plusieurs filtres
ont t dfinis tels que les filtres linaires, les filtres non linaires et les
filtres morphologiques. Parmi les filtres linaires, on retrouve les filtres
classiques, passe,haut, passe,bas, moyen, gaussien. Parmi les filtres non,
linaires on peut citer le filtre mdian et parmi les filtres morphologiques on
a la dilatation, lrosion, louverture, la fermeture etc.

"

Dans la segmentation, on distingue lapproche contour et lapproche

rgions.

20

$
Dans la segmentation par lapproche contour, on utilise les diffrentes
oprations de dtections de contours en se basant sur un changement brutal
de l'intensit lumineuse. Les drives premires et secondes sont utilises.
Dans le premier cas, on peut citer les diffrents oprateurs de Roberts,
Sobel, Prewitt etc. Dans le second cas, on peut citer le Laplacien.

$
Les mthodes de segmentation bases sur les rgions ont pour but de
dcomposer limage en un ensemble de rgions connexes selon un critre
dhomognit.
Dun point de vue mathmatique, segmenter une image
dhomognit

selon un critre

, consiste crer une partition de cette image en

rgions

telles que :
,

,
,

est connexe
est vrais, la rgion
,

rgions voisines,

est dite homogne.

,

est faux

La premire condition implique que chaque pixel de limage doit appartenir

une rgion

et lunion de toutes les rgions correspond limage entire.

La deuxime condition est relative la structure des rgions. Elle dfinit une
rgion comme un ensemble de pixels qui doivent tre connexes. La troisime
condition exprime que chaque rgion doit respecter un prdicat duniformit.
La dernire condition implique la non ralisation de ce mme prdicat pour
la runion de deux rgions adjacentes.
La croissance par rgion et la division,fusion des rgions sont des
techniques courantes de la segmentation dimage par rgions.
Ainsi, lapproche segmentation par division de rgions consiste diviser
limage originale en rgions homognes au sens dun critre donn. Ce
processus est rcursif et considre que la rgion initiale correspond limage
analyser. Si une rgion ne respecte pas un prdicat dhomognit, elle est
divise en quatre sous rgions de taille gale. Chaque sous,rgion est ensuite

21

analyse. Lalgorithme sarrte lorsque toutes les rgions respectent le

prdicat dhomognit.
Lapproche de fusion de rgions, quant elle, est principalement fonde sur
lanalyse dun graphe dadjacence de rgions, non orient, dont chaque
nud reprsente une rgion et chaque arte reprsente une adjacence entre
deux rgions.
Lanalyse du graphe dadjacence de rgions permet de fusionner des rgions
dune image sur,segmente. Le procd consiste fusionner deux nuds
relis par une arte condition quils respectent un critre de fusion.
La

segmentation

par

division,fusion

regroupe

les

deux

approches

prcdentes. Cette mthode est caractrise par la division au pralable de

limage en rgions homognes disjointes qui respectent des critres globaux.
Puis elle consiste fusionner des rgions adjacentes qui vrifient des critres
locaux.
Ce type de segmentation consiste faire crotre des rgions en y ajoutant
successivement les pixels adjacents qui satisfont un critre dhomognit.
La croissance sarrte lorsque tous les pixels ont t traits.
Ltape initiale consiste donc slectionner les germes des rgions qui
correspondent gnralement un pixel. Puis, les rgions sont construites en
y ajoutant successivement les pixels qui leur sont connexes et qui vrifient
un critre de similarit.
La segmentation par coopration rgions,contours a suscit un grand intrt
ces dernires annes. Elle consiste en une coopration entre la segmentation
par rgions et la segmentation par contours en exploitant les avantages de
ces deux types de segmentation afin daboutir un rsultat de segmentation
plus prcis que celui obtenu laide dune seule technique. Cette
coopration contribue une meilleure prise en compte des caractristiques
des entits de limage et, par consquent, une meilleure segmentation. En
effet, les algorithmes combinant les techniques de segmentation bases sur
les rgions et celles bases sur les contours prennent avantage de la nature
complmentaire de linformation sur la rgion et sur le contour. Ainsi, une
segmentation par coopration rgions,contours peut tre exprime comme

22

une entraide entre ces deux concepts afin damliorer le rsultat final de
segmentation.
La coopration entre les rgions

et les contours pour la segmentation

dimage est utilise selon trois approches diffrentes. Dune part, cette
diffrence se manifeste dans ltape o lintgration de linformation sur les
rgions et celle sur les contours est ralise. Dautre part, elle apparat dans
la faon que cette intgration est produite. Ainsi, ces trois approches sont la
coopration squentielle, la coopration des rsultats et la la coopration
mutuelle. Dans le premier cas, lune des techniques de segmentation (rgion
ou contour) est ralise en premier lieu. Son rsultat va tre exploit par
lautre technique pour renforcer la dfinition des critres ou des paramtres
de la segmentation. Dans le deuxime cas, les deux types de segmentation
seront raliss indpendamment ; la coopration concernera leurs rsultats
qui seront intgrs afin datteindre une meilleure segmentation. Dans le cas
trois, les deux types de segmentations coopreront mutuellement au cours
de leur processus dexcution.

%
La segmentation par seuillage est la mthode la plus utilise en raison de sa
simplicit et de sa rapidit d'excution. Elle se base exclusivement sur la
distribution des niveaux de gris de l'histogramme de l'image. Le seuil optimal
est celui qui permet de sparer les objets entre eux ou diffrents objets du
fond.
Le seuillage a pour objectif de segmenter une image en plusieurs classes en
n'utilisant que lhistogramme. A chaque pic de l'histogramme est associe
une classe.
Soit L = {0, 1, 2, , l,1} lensemble des niveaux de gris dune image, avec
l(x,y) la luminance (le niveau de gris) dun pixel de coordonnes (x, y) et l,1 le
niveau de gris maximal.
La segmentation par seuillage est lopration qui consiste rpartir les pixels
en K classes (C1, C2,,CK) partir dun ensemble de seuils T = {t1, t2,,tK,1}.
Un pixel de niveau de gris l(x,y) est affect la clase CK si :
tK < l(x,y) tK+1
23

Par convention, on utilise deux autres seuils t0 = 0 et tK = l,1.

Dans le cas dun seuillage simple (un seul seuil), on fait le choix du seuil t :
Si l(x,y) < t le pixel est un fond.
Si non le pixel est un objet.
Le seuillage peut se drouler de faon manuelle en quatre tapes :

Observation de l'histogramme ;

choix des seuils dans les valles de l'histogramme;

Dfinition des classes de rgions ;

Classement des pixels.

Le challenge de cette technique de segmentation est de trouver ce seuil

optimal

de

manire

automatique.

Dans

la

littrature,

plusieurs

classifications de ces mthodes ont t proposes, mais la plupart des

auteurs (Sezgin, et al., 2004
Kapur, et al., 1985
Reddi, et al., 1984
2006a

& ; Otsu, 1979

; Cheriet, et al., 1998

! ; Hou, et al., 2006

' ; Kittler, et al., 1986

(;

; Pal, et al., 1991

" ; Ng, 2006

# ; Lahfi, et al.,

% ) classent les mthodes de seuillage en deux catgories : les

mthodes paramtriques et les mthodes non paramtriques.

Les mthodes paramtriques de segmentation dimage supposent que les
diffrentes classes de limage suivent une certaine fonction de densit de
probabilit qui est gnralement suppose suivre un modle gaussien.
L'histogramme de limage est approch par une combinaison linaire de
gaussiennes et les seuils optimaux sont choisis aux intersections de celles,
ci. Le problme se dcompose alors en deux tapes : estimer les paramtres
des densits de probabilit et dterminer les seuils de segmentation.
Les mthodes non paramtriques on la rputation dtre des mthodes
robustes, elles se basent sur loptimisation dun ou plusieurs critres
statistiques sans aucune estimation de paramtres. Les deux mthodes de
rfrence dans cette classe sont la mthode dOtsu (Otsu, 1979) et la
mthode de Kapur

(Kapur, et al., 1985). La plupart des techniques

parues ensuite sont bases sur lun des deux principes.

24

Otsu dcrit trois critres quivalents de discrimination des classes: la

variance intraclasse, la variance interclasse et la variance totale. Et suivant
la situation, lun deux est choisi. Cependant, le choix des auteurs se base
souvent sur la maximisation de la variance interclasse, vu la simplicit de sa
mise en uvre.
La mthode dOtsu se base dans le calcul des diffrents critres sur la
densit de probabilit des pixels de limage obtenue en normalisant
lhistogramme:
Soit

lhistogramme de limage. La densit de probabilit

niveau de gris est donne par :

avec

" 0 $% '(

du pixel de

est le nombre d'occurrences du pixel de niveau de gris ) *1,2, . . / 10.

Dans le cas d'une binarisation (deux classes), le seuil optimal % 1 est celui qui
maximise le ratio de la variance interclasse la variance totale :
%

9:; %
2345 max ;
9<

avec :
9:; %

9<;

'(

/ 1 = / =>
/ =5

5
;
'(
1 / 5 5?
@A
=> 5

la variance interclasse

la variance totale

=5

'(5?

@B

=> C =

@A

(@B

Lefficacit de la mthode dOtsu n'est prouve que lorsqu'il n'y a qu'un seul
type d'objet segmenter dans l'image, vu que les pixels de limage sont
regroups en deux classes. A fin de pallier a ce problme, cheriet et al.
(cheriet et al. 1998) ont proposer dappliquer la mthode dOtsu de faon
rcursive, de manire a segmenter un seul objet la fois dans limage. La
segmentation complte se fait alors par regroupement de tous les objets
segments.

25

La mthode de Kapur et al., ou mthode du seuillage entropique, est

base sur le principe de la maximisation de l'entropie totale de Shannon. La
mthode suppose que deux objets d'une mme image ont des densits de
probabilit indpendantes. Le seuil optimal est celui qui permet de
maximiser l'entropie de l'image partitionne. Dans le cas de deux classes( A
et B), les entropies partielles sont donnes par :
D

Lentropie totale :

<

/E

FG4;

'(

%
D

/ E
5?

% C

1/

FG4;

1/

Lentropie de Shannon nest pas dfinie pour les densits de probabilit

incluant des probabilits nulles. Pour pallier a ce problme, Pal

ont

alors propos une nouvelle dfinition de lentropie :

<

/E

@
( A
@B

'(

/ E
5?

1/

@A
(@B

Le seuil optimal donn par le seuillage entropique est :

%1

234

H5I'

max*

<

% 0

Notons que les mthodes de seuillage nonces prcdemment, sont des

techniques de seuillage global, qui se basent sur le choix dun seul seuil de
segmentation pour toute limage. Cependant, dans le cas o on a une
variation de la luminosit de limage, le seuillage global nest plus efficace
pour extraire les objets du fond. La solution a se problmes est le seuillage
adaptatif, qui consiste dcouper limage en sous images, de tailles
prdfinies, et appliquer une technique de seuillage globale a chacune de ces
sous images.

!
Apres avoir prsent les diffrentes techniques de segmentation
dimages, nous introduisons dans cette section, la drivation non entire
applique pour la segmentation dimages. Le premier paragraphe est ddi
26

au calcul de la drive
ive non entire dune transition parabolique,
pa
afin
dintroduire le principe
e d
du dtecteur CRONE (dtecteur de contours
co
robuste
dordre non entier). La forme
for
discrte de la DNE une dimens
nsion (1D), et son
extension aux espaces
s deux dimensions (2D) sont en
n s
suite illustres.
Enfin, deux variantes de lalgorithme, bases sur la DNE1D
D et
e DNE2D sont
dtailles.

&
Notre objectif estt de
d calculer la drivation non entire
ed
dune transition
parabolique de type mar
arche et de comparer labscisse de so
son maximum a
celle du point dinflexion
on de la transition.
La transition parabolique
ue considre prsente un point dinfle
flexion dabscisse
x0=200 (voir la figure 1).
). Son quation analytique est donne
e par la fonction
f(x) telle que :
0

ax 2

f (x) =
2
2
ax + 4ax0 x 2ax0

2ax02

x0
0 x x0
x0 x 2 x0
x 2 x0

Fig.1. Transition parabolique a =

1
2 x02

Par lapplication du form

rmalisme de Cauchy, la fonction driv
rive non entire
scrit alors :

27

a
2

x n+2

( n + 3)

4a
2a
f (n) ( x) =
( x x 0 ) n + 2 +
x n + 2

( n + 3)
( n + 3)
4a
2
a
2a
( x x0 ) n + 2 +
x n+2 +
( x x0 ) n +2

( n + 3)
( n + 3)
( n + 3)

x0
0 x x0
x0 x 2 x0
x 2 x0

Afin de voir linfluence de lordre de drivation, deux intervalles de drivation

sont choisis et chacun deux dtermine une allure spcifique des courbes de
la fonction driv.

Pour n ] 0 , 1 [ la fonction drive non entire de f (x) soit f (n) ( x) est

reprsente par la figure (2) pour diffrentes valeurs de n .

Fig. 2. Allure de f (n) ( x) pour diffrents ordres de drivation

compris entre 0 et 1
On remarque que labscisse du maximum de f (n) ( x) est dcale droite de x0 ,
pour le montrer on procde de la manire suivante :
a. Soit x1 labscisse du maximum de f (n) ( x) , obtenu par rsolution de
d

lquation : f ( n ) ( x)
= o.
dx
x= x1
b. Montrer que x1 > x0 ?

> 0.
Pour cela il suffit de montrer que f ( n ) ( x)
dx
x=x0
2a
d

=
x0n+1 > 0 donc x1 > x0 .
on a f ( n ) ( x)
dx
x= x0 (n + 3)

28

Avec lhypothse que x1 < 2x0 :

4a
2a
d (n)
=
( x1 x0 ) n+1 +
x1n+1 = 0
dx f ( x)
( n + 3)
( n + 3)
x =x1
Lexpression de dcalage
ge est donne par :

(n) = x1 x0 =
2

1
1
(1n )

x0

(n) < x0 ce qui traduitt la validit de lhypothse que x1 ] x0 , 2x

2 0 [.
La variation du dcala
alage (n ) est reprsente par la figure
f
(3) pour
n] 0 ,1 [

.
Fig.3. Variation
nd
du dcalage rduit ' (n) =

(n)
pour n ] 0 , 1 [
x0

Dans le cas o n ] 1 , 2 [ , labscisse du maximum de la fonction

f
drive
non entire sidentifie c
celle du point dinflexion de la transi
nsition. Comme le
montre la figure (4), le
e dcalage
d
(n )

enregistr pour n ] 0 , 1 [ est en effet

inexistant dans ce cas en plus la pente de la fonction drive

ve, qui est infinie
droite de labscisse du
up
point dinflexion.

29

Fig.4 Allure de f (n) ( x) pour diffrents ordres de drivation compris entre 1 et 2

Ainsi, pour 1 < n < 2 , la drivation non entire assure, non seulement la
dtection du point dinflexion de la transition (premire proprit), mais en
outre une dtection trs slective de ce point (deuxime proprit).
Lobjectif recherch est donc laccroissement de la slectivit de la
dtection du point dinflexion. Pour cela un oprateur, dont la rponse une
marche parabolique prsente une pente infinie a droite et a gauche de
labscisse du point dinflexion, est labor. Cette stratgie conduit au
dtecteur CRONE.

,-./0

'

Lobjectif du dtecteur CRONE est laccroissement de la slectivitJK , qui

peut tre dfinie comme linverse de la largeur M de la bande N% du

maximum de la rponse du dtecteur: JK

PQ

(voir la figure 5).

Fig. 5 Slectivit de la dtection JK

30

SQ

Le dtecteur CRONE vise avoir une rponse qui prsente un point de

rebroussement labscisse du point dinflexion (voir la figure 6).

Fig.6.Accroissement de la slectivit par

un point de rebroussement
Suivant les

croissants, la pente de la fonction drive est infinie droite de

labscisseM> du point dinflexion, pour un ordre de drivation compris entre 1

et 2 (voir la figure 7.a).
Lobjectif est dobtenir la pente infinie gauche de labscisse M> du point
dinflexion suivant les

dcroissants (voir la figure 7.b). Or la fonction

drive a gauche de labscisse M> du point dinflexion suivant les

dcroissants (voir la figure 7.c) est a loppos de celle dsire. La solution
serait dadditionner la fonction drive calcule suivant les
loppos la fonction drive calcule suivant les

croissants avec

dcroissants (voir la figure

8). Ainsi, loprateur spatial, qui dfinit le dtecteur CRONE, est donn par :
Dn

Dn

Dn

Dn

U W

U 1 Loprateur qui calcul la drive non entire dordre n suivant les

croissants.
Dn

W : Loprateur qui calcul la drive non entire dordre n suivant les

dcroissants.

31

Fig. 7 Chronologie des tapes ponctuant

lapproche adopte pour 1 < n < 2 :
(a): fonction obtenue pour croissant.
(b): fonction dsire pour
(c): fonction obtenue pour

dcroissant.
dcroissant.

Fig. 8 Construction de la rponse du dtecteur

CRONE pour 1 < n < 2 :
(a): fonction calcule pour croissant.
(b): oppos de la fonction calcule pour
dcroissant.
(c): rponse du dtecteur.

32

Notons que la slectivit croit avec lordre de drivation, contrairement a

limmunit au bruit qui diminue, ce qui pose le dilemme slctivit,immunit
au bruit. Afin damliorer ce compromis, le dtecteur CRONE, conu pour

1 < n < 2 est tendu a lintervalle ]1,1[.

!"

Par la formule du binme de Newton on calcul les composantes du

masque :
1
a k [ f ( x kh ) f ( x + kh ) ] avec
D
h n k =0

Avec n : lordre de drive

(n)

f ( x) =

a k = ( 1) k

n ( n 1)

( n k + 1)
k!

!"

Afin dextraire les contours dune image, il convient dtendre 2

dimensions le dtecteur CRONE conu en 1 dimension.
On considre loprateur vectoriel, dont chacune des deux composantes
(suivant x et y) ralise par le dtecteur CRONE a une dimension.
Si N N est la dimension de limage et 2m+1 la taille des composantes du
masque, on obtient :
Le masque correspondant la composante horizontale :

[+ a m

+ a1 0 a1

am ]

+ a m

+ a1
Le masque correspondant la composante verticale : 0
a1

a m

Avec a k les composantes du binme de Newton :

a k = ( 1) k

n ( n 1)

( n k + 1)
k!

33

/0

!"%

Lapproximation de la forme discrte de DNE dordre X dune fonction Y M

est donne par (Oldham, et al., 1974) :
Z Y M \
[

E ]^ X Y M / _

^ >

le pas dchantillonnage, a le nombre dchantillons, M

sont dfinis par : ]> X

^? ([(

1, ]^? X

^?

]^ X

Gb3 _

. a, et]^ X

0,1, a / 1

La fonction Z[ Y M peut tre interprte comme la sortie dun filtre discret

dont lentre est &( ). Sa rponse impulsionnelle est donne par :
_

"

/ ]^ X
c
0

1,2, ae
_ 0

!"%

Lextension de la DNE,1D

au cas 2D permet son application sur une

image qui peut tre considre comme une fonction &( , ') deux
dimensions, relle et borne. Lapproximation discrte de la DNE,2D dune
fonction &( , ') est donne par (Nakib, et al., 2007f) :
Z[ Y M, f

h [ h [
1
g i g i Y M, f \ ;[
hM
hf

j`/;l

jK/;l

^ ,j`/;l m (jK/;l

_, F . Y M / _h, f / Fh)

O ( et ! reprsentent le nombre dlments de & qui sont pris en compte

pour le calcul de limage diffrencie, (( x ! est la taille du masque.
_, F

]^ X n ]m X sont les lments du masqueo`

_, F

>H^H` ,
>HmH`

calculs

prcdemment.
La drivation non entire discrte 2D peut tre vue comme un produit de
[

convolution en 2D dune image & avec un filtre o`

Z[ Y M, f

2D :

Y M, f po`[ M, f

!! $
(
Ces deux algorithmes de segmentation par DNE, reposent sur lhypothse
dexistence dune dpendance entre les valeurs dun pixel et celles de ses
voisins. Dans le deuxime algorithme, la drivation non entire deux
34

dimensions est applique directement sur limage traite. En revanche, le

premier algorithme consiste appliquer la drivation non entire une
dimension sur lhistogramme de limage.

)*

!"

Dans cet algorithme, les diffrentes classes de limage sont spares par les
pics de son histogramme driv. Le seuil de segmentation est choisi selon
quon soit face a une intgration non entire (ordre de drivation infrieur a
zro) ou drivation non entire (ordre de drivation suprieur a zro).
Lalgorithme est excut plusieurs fois, avec diffrentes valeur de lordre de
drive, afin de trouver le seuil optimal de segmentation.
Les diffrentes tapes de lalgorithme dans le cas dune binarisation (deux
classes) sont prsentes dans lAlgorithme1 (Fig.9).
Dans le cas de la segmentation en ! classes, les !%1 seuils sont calculs par
lexpression suivante :
%[
avec u[
o les

v: )x ,

1q*[r>0 n stM u[ C 1q*[H>0 n s

?

y$%

u[

z 0{ ; + =1, 2, ...,! 1

sont les arguments des pics les plus significatifs de lhistogramme.

Calculer lhistogramme h x de limage segmenter.

Calculer la DNE1D de h x pour un ordre , dfini par :

h}

max 0, D

Calculer le seuil de segmentation :

Soit lensemble :}

vi: i ) p , p; et h } i z 0{ ; o p et p; sont les arguments du

premier et du dernier pic significatif dans lhistogramme h

Le seuil de segmentation t } est alors calcul par :

t}

1*}r>0 n max } C 1*}H>0 n min }

o 1*}r>0 est la fonction de Heaviside qui est gale 1 pour " 0

! Afficher les rsultats: lordre , seuil t } et image segmente.

Fig.9.Algorithme

de

segmentation

par

binarisation

)*

!"
35

DNE1D,

dans

le

cas

dune

Lalgorithme de segmentation par DNE,2D se droul essentiellement en

deux tapes. Apres le calcul du masque pour un ordre de drive X, un
filtrage est effectuer pour limage, suivi dun seuillage de limage par un seuil
de segmentation fixe (Fig.10).

Calculer le masque de la DNE2D pour un ordre .

Filtrer limage originale f x, y par le masque de la DNE2D et borner limage

filtre g x, y par :
g x, y

L/1

si g x, y " L / 1e
avec L le nombre total de niveaux de gris qui est
si g x, y 0
gnralement gal a 256.

Afficher les rsultats: ordre (), le seuil de segmentation t }

L / 2 et limage

segmente.

Fig.10 Algorithme de segmentation par DNE2D, dans le cas dune

binarisation.

" ,
Lapplication de la drivation non entire en traitement dimage que a
soit une dimension ou par son extension au domaine de deux dimensions
vise lobjectif du choix du meilleur ordre de drive. Pour cela, la variation de
lordre de drive est effectue sur un intervalle de valeur souvent choisi
entre (,1) et 1 et la valeur optimale est prise de faon optimiser un critre
de segmentation.

36

!
!

" "

"#

37

"#

&

'"

"
(

(
%)) *++,
'

- ,+./0

-.

-1+.

($
2
"#

-3
Image
originale
4
($

Critre de
segmentation

DNE

- 5

"

Image
segmente

($

&

38

($
4

%
%

($-

!
" %
5

#
$ 6

"

9 1'4(

*3
h x
h x

h4

1,1 3

max 0, D 4 h

h
3
34 ?i: i A p , pC et h 4 i E 0F 8 9 p et pC
h4
t4
3
t 4 1'4( ) * max 4 . 1'4/ ) * min 4
/
G0
4

th4 2

*6

($ 1,1

6
0.1

"

"#
7

1,

"

"

0,1, #

1 , M

"

11

"

1&'

( )

* +, - . 1&'
3

/ )

* +01 %

39

HI %

J
K

"
:

ln 1

OI %

K L

O . OC

ln 1

HI %

3
*

"
4

: 5
;

"

%
%

($<($<-

2
2

56 ,
56 ,

2
RSLTUVKR
2
XYTKYSZR

0.9
0.6

"
4

= 5

3
;
"

($<($<-

40

% 2
% 2

77 ,
76 ,

2
RSLTUVKR
2
XYTKYSZR

0.9
0.7

"

"

"

"

"
\2

"

"

2
RSLTUVKR

. 1

\ 2

2
XYTKYSZR

"
4

($<- 3
2
0.75, %

15

"

0.8, %

55

77

>
++ +1

+1

"

<

<+ -

+ -

"
9

<-

41

70
60

=0.1

50

=0.2

40

=0.3

30

=0.4

20

=0.5

10

hist original

0
0

200
180
160
140
120
100
80
60
40
20
0

=0.1
=0.2
=0.3
=0.4
=0.5
hist original
0

"
4

>4
+- +1
<+ 1 <+ -

"

'

?
%

($*

($*

4
@

g x, y
! 6

L
`

1
0

g x, y
si g x, y G L 1d
si g x, y c 0
*1>

"

?6

($ 42

($<*

($<*

,f

,i

j h
"

,i
,f

/ /
/g/

# 2 # A :B:
, i ke
*

,i

"
*1>

($*
C

>

"
<+ : <+ > <+ E

,
+: +> +E

,5

(a)

(b)

(c)

(d)

(e)

(f)

($<*
"

.+ :
.+ >
.+ E
<+ :
<+ >
+E

43

(b)

(a)

(d)
4

E5

(c)

(e)

(f)

.+ :
.+ >
.+ E
<+ :
<+ >
+E

($<*
"

E
"

"
%

"#

&
"#
F

($<*

44

"#

'

"

-+

"

(b)

(a)

(d)
4

-+ @

(e)

(c)

(f)

($<*
3
"

+:
+>
+E
<+ :
<+ >
+E

$
'

($
--

45

%
4
! @

($*

g x, y

L
`

" %
#
$ 6

1
0

g x, y
si g x, y G L
si g x, y c 0

3
1d

"
*1>

($*

th4 2

-- 6

($ *

0.1

($<*

1,0

"
(

"

"
"

"

"
2

\2

"

2
RSLTUVKR

. 1

\ 2

"

2
XYTKYSZR

6
"
4

-*

&
4

-:

&

(
"

"
%

0.55

-=

244

46

(b)
4

-* 5

2
RSLTUVKR

($<*
" "

0.2
200

(b)
4

-: 5

($<*

" "

2
XYTKYSZR

3
0.9
250

(b)
4

-= 5

($<*

" "

-1
%

->

0.55
%

-?

244

"

&

&

"

"
"

47

(b)
4

-1 5

($<*

" "

2
RSLTUVKR

157

3
0.1

"
4

-> 5

(b)
($<*

" "

2
XYTKYSZR

226

3
0.9

(b)
4

-? 5

($<*

" "

48

0.5

211

&

"

"

'
6

"
J
;
6

244,

($<*
0.55
5

55,

-, 5

($<0.75

($ *
49

120

;
%

211,

($<*
0.5
5

-E 5

77,

($<0.8

($ *

50

120

;
G

55,

($<*
0.2

32,

($<0.65

(c)
4

*+ 5

($ *

51

23

;
H

($<*
0.45

90,

80,

*- 5

36

($<0.8

($ *

%
-, -E *+

*-

&
&

J
($*

$
($<-

J
%

&

%
52

-,
J

120
9
"#

"
"
CG

*+

244

&

&

"

D 7

0.55

"

"

$
eopq

J9 $

'

20 log s

255
u
t

K"

3
t

9(

vJ
K

wK

+K
p

"

75(G

"

"

75(G

"

#
L "
;

-L "

K"

6
%
G
H

($<-

($<*

1+ =*

=, =E

=, =>

1+ :,

=E =*

=E :=

1: ,1

1: =,

1: :=

1: -:

1: 1,

1: +=

53

"

J
%

75(G

"

"

!'
(

"#

'

"
"

"

75(G

54

!"#
$
$
$

%
&

"

$
'

$
$
!

55

()" . "

&

56

!!"

& '

, France%

, -.

) *&&+%

) *&,+

" 1

,
4

& ) !,&+%

5
, ) !!6+

% "!7

!6%
8 9

..

) !64+
6 -.

%,: 4%

/
&<<!

>

??

! $ @ .% -% A

3 B% CAD>;' '% #%
%

>

'

% 1

*: ! 2

&< <

@@

%
<

E -2AD5 -%

.
3

(F A F

&<

G% ;H

: H
2

&<<6 =

& I% -% (
I
-

>

>
2

2% 5
'

2
2

%
'%

0% 2
>

5
- H

% 9

'% 0
&<<! #

, B

'

E
&<<6 D

"

)>

+%

9
!!<
#

4 I

:>

&<<, ;$ (- #

<4%< %&<<* '

8 J

6 -

$-GE9 >
% -

%4:&& &<<6
2

&:K

%
* )

% &<<"+

2%

9%
% I%

% &<<" K % ,

! )A

!6!+ A

%A

% 2

1
% 8&88%

I% 2

% !*8 K % !

!*4+ G

> .%% !6! K % !

I%

)G

!*8+ G

%#
&

$% - (

% E;;; (

&< )G

% "8 84%

I% $%

% ,*4&%
#% G%

-% >% G% -

%>

% !*4 K % &!

% &6,&*4%
&& )>

!!*+ >

2%

I%$%

>% C% % E;;; (

% !!* K % 6 8

&, )#

!! + #

% ! *!& %

$% G%

% E;;; (

% 2

% G% ;

% > .

%%

!!

K % &

&8< &6<%
&" )5

!*"+ 5

% 5

% '%

B% 5% % E;;; (

% 2

%% !*" K

% 2> "

% 88 884%

&4 )B

% &<<8+ B

M% B

% #

N%

L% 1% A

% &<<8

K % &6

6,& 6",%
&8 )$

&<<8+ $

B% -

% #

% &<<8 K % &6

&6 )1

% &<<8 + 1

% 8"" 8"!%

C%
/

% (
>

&

&<<8

&*

9% 2

#% 2

-% A

> % >
.

H '

'

&<<&

&! -% A

%1

%B

,< $ @ . -% E

%#

!!4%

&<<8
,

#
$ @ . -%

JEE:K

.3

3 B%
F

%
#%

.
% K % *6 &<<6

% &4 8:

&4,"%
,& $ @ . -% A
#

3 B%

#%

.3

'

:>

(
>

$
-

'

>

0
:K

,8 E

%
'

&<<!
'

E$ "8448 D% %-% 2

1
%#

,4 2

&<<* =

=A

<!

%A -

% && )&+%

,, '

,"

%-

2
* &<<"
..

!< %

K
>

.
%

,6

C% ';5 E

1% 05AD>B;

9% 9AD>B;B-2

I% #% B;59;DK-1

D
H

H
);>0+

,* 9% 2% K

K% '

&<<, 9

E% #

E% #

H%
C% >

H
A

&<<

,! 1

H%

% >

&<<6

"<

-.

. @

IAD-29E >

>

&<<*
"

9 @@

%
>5A$; (

>

B% 1

.
9

>

&<<*

"& E

5
-

"*,!
",

7 & &<<8%

>
E

""

5 .

%
2

FF

>

.
"4 I%-% (
K

'

*, $Q

"8 G% 9% A

&<<, #

'

>

I%
- .

"6 A

'

%$

@ -

;$->B;-$D 2
% "6:4, A

E
#

!6"%
H

&<<*

IA ;#B 'AD5E;5%

"*
3

$
"!

&<<8 #

D0AL A$

.
5

!!6 #

%
5
% "!7!6%

4< I

% <: &
4

.
A

&<<< '

Q"<

9;$AK-

4& A

&<<8 D

>AE
-

% !:,! &<<& D
4, 0

>5A$;

!!4 '
B

H%

RRA

H
4"

'

:(

'

D -%
44 0

:9

.
-

&<

'

48

%8:",

.
I

>

46

&<<<

%
B-EGB (-ID

- $

'

E$ $EM-2E $- E5D
5

E$ GB-$ 'AME- B-$E' GB-$

'

'

>

K %

$ %

&< <%
4*

2 3

2
K

4! $

K % " &< <

:(

%&

>

<& 7 <,&

9;5(5-$

/.

% 4 :6! &<
8< -.

'

. @

IAD-29E
&<<*

.
9

H %

/
2

>5A$;
>

#;>-D

>

H
&<<< 1C$>;; I

8&

:1

'

A2E$EGD $A11 5

!!8 D

8, 9 3
E

" ),+

2 H

'

&<<* I

>

*8: ! %

8" B

'% (

.
%,: 4 A
84

;9-5E

:>

&<<6 =

B;
:

.
>

@
%

&<<6

>