Academic literature on the topic 'Contours, Détection de'

Cette thèse est consacrée à la détection des contours à partir d'images acquises par des caméras couleur mono-capteur. Dans ces dispositifs, le capteur est recouvert d'une mosaïque de filtres chromatiques (Color Filter Array, ou CFA) et forme une image (dite &lt;&gt; ou CFA) qui ne comporte qu'une seule composante couleur par pixel. Une procédure de dématriçage est classiquement appliquée à cette image pour estimer les deux composantes couleur manquantes en chaque pixel et obtenir une image couleur. Cependant, les artéfacts générés par le dématriçage peuvent altérer les performances des méthodes d'analyse bas-niveau des images. Ceci nous amène à éviter le dématriçage pour la détection des contours. Dans une approche de type gradient, nous proposons d'estimer les dérivées partielles soit en calculant les dérivées partielles dans les trois plans couleur (approche vectorielle), soit en estimant une luminance adaptée à la détection des contours (approche scalaire). L'état de l'art met en évidence que l'exploitation directe de l'image brute a été peu abordée et que les approches développées dans cette thèse sont originales. Pour l'approche vectorielle, nous proposons une adaptation de l'implantation récursive du filtre de Deriche au treillis du CFA. Pour l'approche luminance, nous utilisons un filtre optimal qui lisse et dérive conjointement les données brutes. Nous évaluons les performances des méthodes développées sur une base d'images synthétiques dont la vérité terrain est connue. Nous montrons ainsi que la détection des contours à partir des données brutes peut être satisfaisante tout en étant peu coûteuse en temps de calcul<br>This thesis is devoted to edge detection from the raw image acquired by single-sensor cameras. Such cameras are fitted with Bayer Color Filter Array (CFA, generally Bayer one) and deliver raw CFA image, in which each pixel is characterized by only one out of the three colour components (red, green, or blue). A demosaicing procedure is necessary to estimate the other two missing colour components at each pixel, so as to obtain a colour image. This however produces artefacts that may affect the performance of low-level processing tasks applied to such estimated images. We propose to avoid demosaicing to compute partial derivatives for edge detection. Simple differentiation kernels, Deriche filters or shifted Deriche filters can be used either in a vector or a scalar approache. The vector approach computes partial derivatives for the three channels and the scalar approach first estimates a luminance image, then computes derivatives. The partial CFA derivatives are then used to compute Di Zenzo gradient for edge detection. We assess the performance of our methods on a large dataset of synthetic images with available edge ground truth. We show that CFA-based approaches may provide as accurate edge detection results as colour vector-based ones at much reduced computation cost

Le radar à synthèse d'ouverture (RSO) aéroporté ou spatial est un puissant outil d'observation, permettant notamment d'acquérir des images de haute résolution de la surface terrestre par tout temps, de jour comme de nuit. Le phénomène de speckle, qui se traduit par une très forte granulation dans l'image détectée, rend cependant difficile l'interprétation automatique des données RSO. Ce travail de thèse est consacré à la segmentation d'images RSO, en particulier par l'approche contour. La segmentation consiste à diviser l'image en régions. Elle constitue un premier pas dans l'analyse de l'image, facilitant l'estimation des paramètres caractéristiques des régions. Les détecteurs de contours déjà proposés pour l'imagerie RSO travaillent sur des données détectées et supposent que le speckle est corrélé spatialement, ce qui entraîne une certaine dégradation des performances de ces opérateurs. A partir de l'estimateur maximum de vraisemblance (MV) de la réflectivité radar, nous développons l'opérateur optimal rapport de vraisemblance généralisé, qui exploite la nature intrinsèquement complexe des données RSO monovues afin d'éviter une perte de performance dûe à la corrélation du speckle. Les aspects spatiaux de la télédétection de contours, tels que la taille et la forme de la fenêtre d'analyse, le nombre de directions à examiner, et la présence de contours multiples, sont également abordés. Nous proposons d'utiliser des méthodes robustes basées sur l'algorithme de partage de eaux, en particulier le seuillage des dynamiques de bassin, pour extraire des contours fermés et squelettisés, définissant la segmentation de l'image. Le nombre de faux contours peut être réduit en post-traitement par la fusion de régions adjacentes ayant des propriétés similaires. L'estimateur MV de la position d'un contour dans une image RSO complexe est établi. Deux méthodes de repositionnement de contours, l'une basée sur les champs de Markov et le modèle de Potts, l'autre sur les contours actifs, sont proposés. L'apport de la segmentation pour des traitements ultérieurs est illustré pour le filtrage adaptatif de speckle et pour la classification contextuelle supervisée.

Ce mémoire de thèse est consacré à la détection anisotrope de contours et à la diffusion anisotropique dans les images qui utilisent des demi-filtres gaussiens. Ces demi-filtres parcourent toutes les orientations possibles autour d'un pixel avec un pas de discrétisation choisi. A partir de demi-filtres orientés de dérivées de gaussiennes anisotropes, une nouvelle approche de détection de bords dans les images couleurs a été développée. Puisque le filtre est allongé et fin, cette méthode permet d'extraire les contours des larges structures mais également des petits objets, même en présence de bruit. Les courbes gamma mettent en évidence des parties sombres ou sur-éclairées d'une image. L'utilisation combinée de ces demi-filtres et des courbes gamma apporte une robustesse supplémentaire au filtre puisqu'il est capable d'extraire les bords des objets, même dans les parties sous et sur-exposées d'une image. Le deuxième travail dans cette thèse concerne l'extraction de lignes de crêtes dans les images à partir de différence de deux demi-gaussiennes anisotropiques. Cette nouvelle méthode rend très précise la détection de ce type de contours même au niveau des lignes fortement courbées ou coudées. De plus, l'utilisation de demi-filtres apporte une information supplémentaire au niveau des jonctions qui correspondent aux maxima locaux. Enfin, le dernier thème de cette thèse est dédié à la diffusion anisotropique dans les images. Ainsi, trois nouveaux schémas de régularisation ont été développés dont deux pour supprimer les textures et un pour le débruitage. Ce dernier schéma donne des résultats intéressants, même dans des images en couleurs fortement bruitées.

Un système de vision se décompose généralement en plusieurs niveaux. Le premier niveau (bas niveau) a pour objectif d'extraire, de l'énorme quantité d'information contenue dans une image, des primitives robustes et exploitables. La qualité des résultats des niveaux supérieurs est donc tributaire de celle du bas niveau. Nous tentons de répondre aux attentes des niveaux supérieurs d'un système de vision en leur fournissant des informations robustes, exploitables et aussi proches que possible de la scène observée. Nous proposons un système complet de traitement bas niveau d'images à niveau de gris. Une image est décrite à plusieurs échelles (détection multi-échelle) en termes de jonctions et de contours avec une précision subpixel. Un algorithme de fermeture de contours fait coopérer les contours et les jonctions détectés. Notre système est fonde sur des études originales de comportement de modèles d'indices vis-à-vis d'un détecteur de contours

Cette thèse comporte deux parties. Dans la première partie, nous démontrons qu'une segmentation minimisante K pour la fonctionnelle de Mumford et Shah vérifie la propriété des projections. Ceci veut dire que pour toute droite D du plan, la somme des longueurs de Hausdorff des projections sur D et sur une droite orthogonale A D de l'intersection de K et de toute boule centrée sur K et de rayon R est supérieure à AR, où A est une constante universelle. Cette démonstration réalise une étape vers la preuve de la conjecture de Mumford et Shah. Nous démontrons aussi que tout ensemble vérifiant la propriété des projections est dénombrablement rectifiable et que cette propriété est conservatrice par passage a la limite au sens de Hausdorff. Enfin, nous proposons une démonstration simplifiée du théorème de séparation de Besicovitch en demandant à un 1-ensemble E de vérifier une hypothèse supplémentaire qui n'est pas trop restrictive. Dans la deuxième partie de cette thèse, nous proposons une méthode géométrique de détection de contours. Cette méthode, qui utilise les derniers résultats en diffusion anisotropique des images a pour principales caractéristiques de permettre la détection simultanée de plusieurs contours sans augmentation du temps de calcul et de ne nécessiter aucun paramètre

Les recherches effectuées en traitement de l'image par ordinateur sont présentées dans cette thèse. Elles concernent particulièrement la détection de contours et la mise en correspondance d'images stéréoscopiques. Les contours sont détectés respectivement par un filtre gaussien et un filtre optimal, qui est un filtre exponentiel symétrique. Dans les deux cas, les contours sont localises avec précision. Quant à la mise en correspondance des images stéréoscopiques, les images sont prises dans un système d'axes parallèles aux cameras. La stratégie de mise en correspondance consiste à apparier tout d'abord les points de contours en utilisant la stratégie de multi-niveaux, et ensuite, les autres pixels en utilisant les appariements trouvés des points de contours. Le système de stéréovision qui fonctionne selon ce principe a été réalisé

Cette thèse traite de la détection de contours dans des images fortement bruitées et texturées. Après avoir exposé les limitations des opérateurs locaux, nous suggérons de contraindre la détection grâce aux modèles de contours actifs, qui introduisent des informations a priori sur la géométrie et la régularité des objets cherchés. La mise en oeuvre des contours actifs est difficile en raison de nombreux problèmes pratiques. Nous proposons deux techniques rendant cette approche globale plus robuste et plus facile d'emploi. D'une part, nous facilitons le choix des paramètres en adaptant un algorithme de calibrage ayant une explication géométrique : les paramètres dépendent de la valeur de la courbure maximale. L'association des contours actifs et d'une représentation multiéchelle permet d'autre part de réduire la dépendance vis-à-vis de l'initialisation. Après une convergence robuste vers une solution grossière, la localisation des contours est améliorée en diminuant progressivement l'échelle d'analyse. Nous proposons alors plusieurs techniques efficaces de suivi des contours dans l'espace-échelle, s'appuyant sur une prédiction du déplacement des frontières sous l'effet du lissage gaussien. Les résultats expérimentaux montrent la validité de notre approche, et mettent en évidence l'apport d'une collaboration entre processus de segmentation, en particulier pour automatiser l'initialisation.

Le mémoire présenté traite de la segmentation d'images par détection de contours par la coopération de la transformée en ondelettes et des réseaux de neurones. Le chapitre i introduit les différentes méthodes de segmentation d'images en insistant sur la détection de contours. La transformée en ondelettes présentée dans le chapitre II effectue une analyse multirésolution et permet d'exprimer les contours comme les informations perdues lors d'une approximation du signal sur des facteurs de résolutions dyadiques. Dans le chapitre III, nous proposons une nouvelle méthode de détection de contours effectuée à partir de combinaisons multirésolution pondérées par une estimation locale du bruit. Le résultat est généralement peu sensible au bruit, mais certaines informations telles que les contours en forme de toit sont supprimées. Le chapitre IV détaille les différentes bases d'ondelettes construites sur des filtres de type gradient ou laplacien. Les limites imposées par la transformée en ondelettes induisent l'utilisation d'une version bi-orthogonale qui autorise l'utilisation de filtres optimaux au sens de Canny. La difficulté à déterminer une méthode analytique de recombinaison multirésolution nous conduit dans le chapitre V à soumettre cette tache à un réseau de neurones. Le réseau identifie les liens existant entre les contours réels et leur contribution dans les différentes résolutions de l'image, en fonction d'une référence déterminée par expert. Pour des applications exigeant une grande vitesse de calcul, son intégration avec la transformée en ondelettes (algorithme temps réel) est envisagée.

Les modèles déformables ou les contours actifs sont utilisés pour extraire les caractéristiques visuelles dans une image, en particulier les contours d'objets.<br /><br />Notre propos dans cette thèse est d'étudier ces modèles dans un environnement multirésolution.<br /><br />Commençant par une étude des contours actifs à haute résolution, nous démontrons un théorème d'existence pour les contours actifs fermés et les contours actifs à extrémités libres. Nous présentons ensuite un nouveau modèle appelé la bulle déformable, qui a l'avantage d'avoir une représentation discrète, d'être relativement robuste au bruit et à la texture et d'agir par faibles déformations.<br /><br />Ensuite nous étudions quelques techniques de multirésolution, en présentant les avantages et les inconvénients de chacune. A travers une proposition que nous avons montrée, nous établissons le lien entre la multirésolution et la notion de minimisation<br /><br />d'énergie.<br /><br />Enfin, nous terminons par une proposition originale qui consiste à faire coopérer les contours actifs et la multirésolution. Cette coopération s'aggrémente de plusieurs approches pour faire passer le contour du haut de la pyramide vers sa base. Elle<br /><br />associe entre autres une factorisation du modèle des contours actifs, d'une part selon une démarche de type membrane effectuée à basse résolution, et d'autre part selon<br /><br />une démarche de type plaque mince au travers des différentes résolutions supérieures permettant de réajuster le contour détecté jusqu'à la résolution initiale.

Dans ce mémoire, nous décrivons un nouvel opérateur permettant la détection de contours dans une image numérique. La mise en évidence des contours est réalisée grâce à une opération de convolution de l'image avec un filtre dont la réponse impulsionnelle est une fonction sinus hyperbolique amortie. Nous montrons, en nous basant sur les critères de performance définis par canne, que ce filtre est au moins aussi performant que les autres filtres similaires décrits précédemment dans la littérature. Nous présentons enfin quelques résultats obtenus lors du traitement de données réelles par l'operateur hyperbolique, à la fois sur des signaux monodimensionnels et sur des images. Une partie du mémoire est consacrée à la description d'une procédure de calcul de la réponse du filtre sur un signal discret, basée sur l'utilisation de traitements récursifs.