Académique Documents
Professionnel Documents
Culture Documents
i Ri 0
i , j ; i j Ri R j 0
I Ri
i
Méthodes variationnelles
Méthodes dérivatives (contours actifs)
Détection de
contours Méthodes Approches
+ Texture Markoviennes structurales
Fermeture des
contours
Analyse et classification
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 8
II. Approche fonctionnelle
Initialisation
Image Mesures
Critères
Évolution
Carte des
Modification Arrêt régions
bloc élémentaire
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 9
Approche fonctionnelle et méthodes
complexes
N1 N2 Nk
Seuillage
Détection de
contour !
Texture macroscopique:
primitive de base
évidente, assemblage
régulier.
?
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 13
Approches pour l'analyse de Texture
Structurelles: recherche de primitives de base bien
définies et de leur organisation (règles de placement)
Méthodes peu utilisées
Stochastiques: primitives mal définies et organisation +/-
aléatoire.
Le choix et le réglage
4x4 8x8
des mesures est
fondamental en
segmentation
16x16 32x32
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 15
Bloc Critères
- Fusionne les mesures en un seul critère qui sera utilisé
pour évaluer le besoin de modification
M
C w .E
n n
i i
n
i 1
Objet
Seuil
• Détection de vallées, en prenant le minimum de l’histogramme
situé entre les 2 pics
• Optimisation du seuil S par modélisation Gaussienne p1(x) et
p2(x) et en minimisant l’expression basée sur les fonctions de
répartition :
Min 1 F ( x S ) F ( x S )
1 2
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 21
Exemple : Méthode Fisher
Objectif : Trouver le seuil S qui minimise la somme des
moments centrés d’ordre 2 (somme des Variances) des 2
classes
h(x) : histogramme de l’image
xh( x )
x Ci
Centre de gravité G Gi ( S )
d’une classe h( x )
x Ci
r
x
g
Mesure du gradient de f(x,y) dans la direction r
La direction q du contour est obtenue pour :
f ( x, y ) f ( x, y)
max pour g 0
r 2 r
f ( x, y) f f
0 sin( ) cos( ) 0
r x y
f
y
g arctan( )
f
x
2 2
f f f
r max x y
Dy
• Calcul de la direction du gradient Arctan
Dx
Dx
H1 Carte d’amplitude
f(i,j) M
Dy
H2 Carte de direction
Exemples d’opérateurs H1 H2
0 1 1 0
Roberts 1 0 0 1
1 0 1 1 1 1
Prewitt 1 0 1 0 0 0
1 0 1 1 1 1
1 0 1 1 2 1
Sobel 2 0 2 0 0 0
1 0 1 1 2 1
« Roberts »
Zoom
(inhomogénéité
du contour)
Amplitude
blanc=
...
128x128 gris = +
Direction
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 30
Amplitude
Direction
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 31
Éventail de méthodes de détection de contour :
• Dérivation au premier ordre
Prewitt, Sobel, Roberts, Kirsh, Compass, dérivateurs...
• Dérivation au second ordre
Laplacien, Marr et Hildreth,...
• Filtrage optimal
Canny-Deriche, Shen
• Modélisation des contours
Hueckel, Haralick
• Morphologie mathématique
gradient morphologique, ligne de partage des eaux...
Caractéristiques:
Complexité, précision de localisation, sensibilité au bruit,
création de faux contours
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 32
Extraction des contours
Un contour = ligne de crête dans l’image de la norme du
gradient (IG):
• des niveaux de gris toujours élevés
• de faibles dénivelés le long de ces lignes
• de forts dénivelés dans les autres directions
==> les points de contour = maxima locaux de IG
Principe :comparer le gradient G direction de G
contour
en un point M avec les gradients G1
G1 et G2 des deux voisins pris
G
dans la direction du gradient M
si G>G1 et G>G2,
G2
alors M est un maximum local
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 33
Fermeture des contours
Hypothèse : l’image de la norme de gradient est
disponible et les extrémités des contours à fermer sont
connues
contour de l’image A
S0
arc d’un chemin solution
R
S Trouver le chemin du coût minimum :
• S qui minimise
A( S ) A( R )
Sf • S qui minimise la distance entre S0 et
Sf
Philippe Ciuciu SHFJ/CEA ESIEA 30/11/2005 34
III.3 Segmentation par contours actifs
C v ( s, t ) x ( s, t ), y ( s, t ) ; s [a , b], t [0, T ]
C IM ( p, q) I ( m, n ) M ( m p, n q)
m n
Image
originale