Approche fonctionnelle générique des méthodes de segmentation d images

Transcription

1 N d ordre 04ISAL0042 Année 2004 Thèse Approche fonctionnelle générique des méthodes de segmentation d images présentée devant L Institut National des Sciences Appliquées de Lyon Pour obtenir le grade de Docteur Ecole doctorale : Electronique, Electrotechnique, Automatique Spécialité : Images et Systèmes par Tari ZOUAGUI Soutenue le 08/10/04 devant la Commission d examen Jury Examinateur Olivier Basset Professeur (UCBL) Examinateur Hugues Benoit-Cattin Maître de Conférences (Insa de Lyon) Rapporteur Patrice Dalle Professeur (UPS) Directeur de thèse Christophe Odet Professeur (Insa de Lyon) Examinateur Jac-Gérard Postaire Professeur (USTL) Rapporteur Marinette Revenu Professeur (ENSICAEN) CREATIS

2 Résumé La segmentation d image est une opération de traitement d images de bas niveau qui consiste à localiser dans une image les régions (ensembles de pixels) appartenant à une même structure (objets ou scène imagés). Cette opération est à la base de nombreuses applications tant en vision industrielle, qu en imagerie médicale. De nombreuses recherches ont eu lieu dans le passé sur les méthodes de segmentation. Il en résulte un très grand nombre de méthodes dont la comparaison, soit en terme de structure soit en terme de performance, est très difficile. L objectif de cette thèse est de proposer une nouvelle vision de la segmentation d images basée sur un modèle fonctionnel (MF) original. Ce modèle qui décrit la segmentation en termes de fonctions, se présente sous la forme d un opérateur de segmentation (OS). L OS est composé de cinq blocs élémentaires enchaînés au cours d un processus itératif qui correspond au processus de segmentation. Ce modèle fonctionnel unifie les méthodes de segmentation sous un formalisme commun et permet une meilleure compréhension de ces méthodes. En effet, la modélisation avec la même logique de techniques de segmentation (simple ou complexe) a priori totalement différentes a été obtenue et implantée. Cela a permis de montrer la généricité du modèle proposé et son utilité pour la structuration et l implantation logicielle de nombreuses méthodes de segmentation. Nous avons également proposé un modèle multi-opérateurs permettant la représentation de méthodes complexes telles que les méthodes multirésolution ou les méthodes multiagents. Les modélisations qui ont conduit à un certain nombre de blocs fonctionnels indépendants, ont servi à la réalisation d un logiciel modulaire dénommé GenSeg. Ce logiciel peut aider à terme à construire de nouvelles techniques de segmentation. 2

3 Abstract Image segmentation is a low-level image processing operation, which consists in recognizing homogeneous regions within an image as distinct and belonging to different objects. A wide range of wors has been undertaen to achieve this aim and segmentation has been used in applications ranging from industrial to medical uses. One of the results, is a very great number of segmentation methods, which maes the tas of comparing them a very difficult challenge. We propose a new approach of the image segmentation methods based on a functional model (FM). The core of the functional model is a segmentation operator (SO) composed of five elementary blocs called in an iterative process. The functional model unifies segmentation methods under the same framewor and allows a better understanding of these methods. Indeed, the decomposition with the same logical way of various segmentation techniques has been obtained and implemented. This showed the genericity of the model and its usefulness in structuring and implementing segmentation methods. We propose also a multioperator model which represents complex segmentation methods lie multiresolution or agent-based methods. The decompositions led to independent functional blocs which have been used to realize a modular software called GenSeg. This software can help in implementing segmentation techniques and in building new methods as well. 3

4 Ecoles Doctorales CHIMIE DE LYON Responsable : M. Denis SINOU Université Claude Bernard Lyon 1 Lab Synthèse Asymétrique UMR UCB/CNRS 5622 Bât 308, 2 ème étage 43 bd du 11 novembre VILLEURBANNE Cedex Tél : sinou@univ-lyon1.fr ECONOMIE, ESPACE ET MODELISATION DES COMPORTEMENTS (E2MC) Responsable : M. Alain BONNAFOUS Université Lyon 2, 14 avenue Berthelot, MRASH Laboratoire d Economie des Transports LYON Cedex 07 Tél : Alain.Bonnafous@mrash.fr ELECTRONIQUE, ELECTROTECHNIQUE, AUTOMATIQUE (EEA) Responsable : M. Daniel BARBIER INSA DE LYON Laboratoire Physique de la Matière, Bât. Blaise Pascal VILLEURBANNE Cedex Tél : Daniel.Barbier@insa-lyon.fr EVOLUTION, ECOSYSTEME, MICROBIOLOGIE, MODELISATION (E2M2) Responsable : M. Jean-Pierre FLANDROIS UMR 5558 Biométrie et Biologie Evolutive Equipe Dynamique des Populations Bactériennes Faculté de Médecine Lyon-Sud Laboratoire de Bactériologie BP OULLINS Tél : Jean-Pierre.Flandrois@biomserv.univ-lyon1.fr INFORMATIQUE ET INFORMATION POUR LA SOCIETE (EDIIS) Responsable : M. Lionel BRUNIE INSA DE LYON EDIIS, Bât. Blaise Pascal VILLEURBANNE Cedex Tél :

5 INTERDISCIPLINAIRE SCIENCES-SANTE (EDISS) Responsable : M. Alain Jean COZZONE IBCP (UCBL1) 7 passage du Vercors LYON Cedex 07 Tél : cozzone@ibcp.fr MATERIAUX DE LYON Responsable : M. Jacques JOSEPH Ecole Centrale de Lyon Bât F7 Lab. Sciences et Techniques des Matériaux et des Surfaces 36 Avenue Guy de Collongue BP ECULLY Cedex Tél : Jacques.Joseph@ec-lyon.fr MATHEMATIQUES ET INFORMATIQUE FONDAMENTALE (Math IF) Responsable : M. Franc WAGNER Université Claude Bernard Lyon1 Institut Girard Desargues UMR 5028 MATHEMATIQUES, Bât. Doyen Jean Braconnier Bureau 101 Bis, 1 er étage VILLEURBANNE Cedex Tél : wagner@desargues.univ-lyon1.fr MECANIQUE, ENERGETIQUE, GENIE CIVIL, ACOUSTIQUE (MEGA) Responsable : M. François SIDOROFF Ecole Centrale de Lyon Lab. Tribologie et Dynamique des Systèmes, Bât G8 36 avenue Guy de Collongue BP ECULLY Cedex Tél : Francois.Sidoroff@ec-lyon.fr 5

6 Juin 2004 INSTITUT NATIONAL DES SCIENCES APPLIQUEES DE LYON Directeur : STORCK A. Professeurs : AMGHAR Y. AUDISIO S. BABOT D. BABOUX J.C. BALLAND B. BAPTISTE P. BARBIER D. BASKURT A. BASTIDE J.P. BAYADA G. BENADDA B. BETEMPS M. BIENNIER F. BLANCHARD J.M. BOISSE P. BOISSON C. BOIVIN M. (Prof. émérite) BOTTA H. BOTTA-ZIMMERMANN M. (Mme) BOULAYE G. (Prof. émérite) BOYER J.C. BRAU J. BREMOND G. BRISSAUD M. BRUNET M. BRUNIE L. BUFFIERE J-Y. BUREAU J.C. CAMPAGNE J-P. CAVAILLE J.Y. CHAMPAGNE J-Y. CHANTE J.P. CHOCAT B. COMBESCURE A. COURBON COUSIN M. DAUMAS F. (Mme) DJERAN-MAIGRE I. DOUTHEAU A. DUBUY-MASSARD N. DUFOUR R. DUPUY J.C. EMPTOZ H. ESNOUF C. EYRAUD L. (Prof. émérite) FANTOZZI G. FAVREL J. FAYARD J.M. FAYET M. (Prof. émérite) FAZEKAS A. FERRARIS-BESSO G. FLAMAND L. FLEURY E. FLORY A. FOUGERES R. FOUQUET F. FRECON L. (Prof. émérite) GERARD J.F. GERMAIN P. GIMENEZ G. GOBIN P.F. (Prof. émérite) GONNARD P. GONTRAND M. LIRIS PHYSICOCHIMIE INDUSTRIELLE CONT. NON DESTR. PAR RAYONNEMENTS IONISANTS GEMPPM*** PHYSIQUE DE LA MATIERE PRODUCTIQUE ET INFORMATIQUE DES SYSTEMES MANUFACTURIERS PHYSIQUE DE LA MATIERE LIRIS LAEPSI**** MECANIQUE DES CONTACTS LAEPSI**** AUTOMATIQUE INDUSTRIELLE PRODUCTIQUE ET INFORMATIQUE DES SYSTEMES MANUFACTURIERS LAEPSI**** LAMCOS VIBRATIONS-ACOUSTIQUE MECANIQUE DES SOLIDES UNITE DE RECHERCHE EN GENIE CIVIL - Développement Urbain UNITE DE RECHERCHE EN GENIE CIVIL - Développement Urbain INFORMATIQUE MECANIQUE DES SOLIDES CENTRE DE THERMIQUE DE LYON - Thermique du bâtiment PHYSIQUE DE LA MATIERE GENIE ELECTRIQUE ET FERROELECTRICITE MECANIQUE DES SOLIDES INGENIERIE DES SYSTEMES D INFORMATION GEMPPM*** CEGELY* PRISMA GEMPPM*** LMFA CEGELY*- Composants de puissance et applications UNITE DE RECHERCHE EN GENIE CIVIL - Hydrologie urbaine MECANIQUE DES CONTACTS GEMPPM UNITE DE RECHERCHE EN GENIE CIVIL - Structures CENTRE DE THERMIQUE DE LYON - Energétique et Thermique UNITE DE RECHERCHE EN GENIE CIVIL CHIMIE ORGANIQUE ESCHIL MECANIQUE DES STRUCTURES PHYSIQUE DE LA MATIERE RECONNAISSANCE DE FORMES ET VISION GEMPPM*** GENIE ELECTRIQUE ET FERROELECTRICITE GEMPPM*** PRODUCTIQUE ET INFORMATIQUE DES SYSTEMES MANUFACTURIERS BIOLOGIE FONCTIONNELLE, INSECTES ET INTERACTIONS MECANIQUE DES SOLIDES GEMPPM MECANIQUE DES STRUCTURES MECANIQUE DES CONTACTS CITI INGENIERIE DES SYSTEMES D INFORMATIONS GEMPPM*** GEMPPM*** REGROUPEMENT DES ENSEIGNANTS CHERCHEURS ISOLES INGENIERIE DES MATERIAUX POLYMERES LAEPSI**** CREATIS** GEMPPM*** GENIE ELECTRIQUE ET FERROELECTRICITE PHYSIQUE DE LA MATIERE 6

7 GOUTTE R. (Prof. émérite) CREATIS** GOUJON L. GEMPPM*** GOURDON R. LAEPSI****. GRANGE G. (Prof. émérite) GENIE ELECTRIQUE ET FERROELECTRICITE GUENIN G. GEMPPM*** GUICHARDANT M. BIOCHIMIE ET PHARMACOLOGIE GUILLOT G. PHYSIQUE DE LA MATIERE GUINET A. PRODUCTIQUE ET INFORMATIQUE DES SYSTEMES MANUFACTURIERS GUYADER J.L. VIBRATIONS-ACOUSTIQUE GUYOMAR D. GENIE ELECTRIQUE ET FERROELECTRICITE HEIBIG A. MATHEMATIQUE APPLIQUEES DE LYON JACQUET-RICHARDET G. MECANIQUE DES STRUCTURES JAYET Y. GEMPPM*** JOLION J.M. RECONNAISSANCE DE FORMES ET VISION JULLIEN J.F. UNITE DE RECHERCHE EN GENIE CIVIL - Structures JUTARD A. (Prof. émérite) AUTOMATIQUE INDUSTRIELLE KASTNER R. UNITE DE RECHERCHE EN GENIE CIVIL - Géotechnique KOULOUMDJIAN J. (Prof. émérite) INGENIERIE DES SYSTEMES D INFORMATION LAGARDE M. BIOCHIMIE ET PHARMACOLOGIE LALANNE M. (Prof. émérite) MECANIQUE DES STRUCTURES LALLEMAND A. CENTRE DE THERMIQUE DE LYON - Energétique et thermique LALLEMAND M. (Mme) CENTRE DE THERMIQUE DE LYON - Energétique et thermique LAREAL P (Prof. émérite) UNITE DE RECHERCHE EN GENIE CIVIL - Géotechnique LAUGIER A. (Prof. émérite) PHYSIQUE DE LA MATIERE LAUGIER C. BIOCHIMIE ET PHARMACOLOGIE LAURINI R. INFORMATIQUE EN IMAGE ET SYSTEMES D INFORMATION LEJEUNE P. UNITE MICROBIOLOGIE ET GENETIQUE LUBRECHT A. MECANIQUE DES CONTACTS MASSARD N. INTERACTION COLLABORATIVE TELEFORMATION TELEACTIVITE MAZILLE H. (Prof. émérite) PHYSICOCHIMIE INDUSTRIELLE MERLE P. GEMPPM*** MERLIN J. GEMPPM*** MIGNOTTE A. (Mle) INGENIERIE, INFORMATIQUE INDUSTRIELLE MILLET J.P. PHYSICOCHIMIE INDUSTRIELLE MIRAMOND M. UNITE DE RECHERCHE EN GENIE CIVIL - Hydrologie urbaine MOREL R. (Prof. émérite) MECANIQUE DES FLUIDES ET D ACOUSTIQUES MOSZKOWICZ P. LAEPSI**** NARDON P. (Prof. émérite) BIOLOGIE FONCTIONNELLE, INSECTES ET INTERACTIONS NAVARRO Alain (Prof. émérite) LAEPSI**** NELIAS D. LAMCOS NIEL E. AUTOMATIQUE INDUSTRIELLE NORMAND B. GEMPPM NORTIER P. DREP ODET C. CREATIS** OTTERBEIN M. (Prof. émérite) LAEPSI**** PARIZET E. VIBRATIONS-ACOUSTIQUE PASCAULT J.P. INGENIERIE DES MATERIAUX POLYMERES PAVIC G. VIBRATIONS-ACOUSTIQUE PECORARO S. GEMPPM PELLETIER J.M. GEMPPM*** PERA J. UNITE DE RECHERCHE EN GENIE CIVIL - Matériaux PERRIAT P. GEMPPM*** PERRIN J. INTERACTION COLLABORATIVE TELEFORMATION TELEACTIVITE PINARD P. (Prof. émérite) PHYSIQUE DE LA MATIERE PINON J.M. INGENIERIE DES SYSTEMES D INFORMATION PONCET A. PHYSIQUE DE LA MATIERE POUSIN J. MODELISATION MATHEMATIQUE ET CALCUL SCIENTIFIQUE PREVOT P. INTERACTION COLLABORATIVE TELEFORMATION TELEACTIVITE PROST R. CREATIS** RAYNAUD M. CENTRE DE THERMIQUE DE LYON - Transferts Interfaces et Matériaux REDARCE H. AUTOMATIQUE INDUSTRIELLE RETIF J-M. CEGELY* REYNOUARD J.M. UNITE DE RECHERCHE EN GENIE CIVIL - Structures RICHARD C. LGEF RIGAL J.F. MECANIQUE DES SOLIDES RIEUTORD E. (Prof. émérite) MECANIQUE DES FLUIDES ROBERT-BAUDOUY J. (Mme) (Prof. émérite) GENETIQUE MOLECULAIRE DES MICROORGANISMES ROUBY D. GEMPPM*** ROUX J.J. CENTRE DE THERMIQUE DE LYON Thermique de l Habitat RUBEL P. INGENIERIE DES SYSTEMES D INFORMATION SACADURA J.F. CENTRE DE THERMIQUE DE LYON - Transferts Interfaces et Matériaux SAUTEREAU H. INGENIERIE DES MATERIAUX POLYMERES SCAVARDA S. (Prof. émérite) AUTOMATIQUE INDUSTRIELLE SOUIFI A. PHYSIQUE DE LA MATIERE SOUROUILLE J.L. INGENIERIE INFORMATIQUE INDUSTRIELLE THOMASSET D. AUTOMATIQUE INDUSTRIELLE 7

8 THUDEROZ C. UBEDA S. VELEX P. VERMANDE P. (Prof émérite) VIGIER G. VINCENT A. VRAY D. VUILLERMOZ P.L. (Prof. émérite) ESCHIL Equipe Sciences Humaines de l Insa de Lyon CENTRE D INNOV. EN TELECOM ET INTEGRATION DE SERVICES MECANIQUE DES CONTACTS LAEPSI GEMPPM*** GEMPPM*** CREATIS** PHYSIQUE DE LA MATIERE Directeurs de recherche C.N.R.S. : BERTHIER Y. CONDEMINE G. COTTE-PATAT N. (Mme) ESCUDIE D. (Mme) FRANCIOSI P. MANDRAND M.A. (Mme) POUSIN G. ROCHE A. SEGUELA A. VERGNE P. Directeurs de recherche I.N.R.A. : FEBVAY G. GRENIER S. RAHBE Y. Directeurs de recherche I.N.S.E.R.M. : KOBAYASHI T. PRIGENT A.F. (Mme) MAGNIN I. (Mme) MECANIQUE DES CONTACTS UNITE MICROBIOLOGIE ET GENETIQUE UNITE MICROBIOLOGIE ET GENETIQUE CENTRE DE THERMIQUE DE LYON GEMPPM*** UNITE MICROBIOLOGIE ET GENETIQUE BIOLOGIE ET PHARMACOLOGIE INGENIERIE DES MATERIAUX POLYMERES GEMPPM*** LaMcos BIOLOGIE FONCTIONNELLE, INSECTES ET INTERACTIONS BIOLOGIE FONCTIONNELLE, INSECTES ET INTERACTIONS BIOLOGIE FONCTIONNELLE, INSECTES ET INTERACTIONS PLM BIOLOGIE ET PHARMACOLOGIE CREATIS** * CEGELY CENTRE DE GENIE ELECTRIQUE DE LYON ** CREATIS CENTRE DE RECHERCHE ET D APPLICATIONS EN TRAITEMENT DE L IMAGE ET DU SIGNAL ***GEMPPM GROUPE D'ETUDE METALLURGIE PHYSIQUE ET PHYSIQUE DES MATERIAUX ****LAEPSI LABORATOIRE D ANALYSE ENVIRONNEMENTALE DES PROCEDES ET SYSTEMES INDUSTRIELS 8

9 Remerciements Je tiens tout d abord à remercier chaleureusement mon directeur de thèse M. Christophe Odet pour sa rigueur scientifique, son esprit d ouverture et sa disponibilité. Il a su m encourager et me guider dans la bonne direction tout au long de ces trois ans et demi de thèse. Je remercie aussi M. Hugues Benoit-Cattin pour avoir co-dirigé ce travail, de m avoir fait profiter de son expérience. Il m a fournit de nombreux et précieux conseils, notre collaboration a été des plus agréables. J adresse mes remerciements à Madame Marinette Revenu, Professeur à l université de Caen, pour avoir accepté d être rapporteur de cette thèse et pour le temps qu elle a consacré à la lecture de ce manuscrit ainsi qu aux remarques judicieuses qu elle a prodiguée pour préciser certains aspects de ce travail. Je remercie également, Monsieur Patrice Dalle, Professeur à l université Paul Sabatier, pour avoir bien voulu rapporté mon travail de thèse. Je lui suis reconnaissant pour le temps qu il a consacré à la lecture, à l évaluation de ce travail et à son point de vue très enrichissant. Mes remerciements vont également à Monsieur Jac-Gérard Postaire, Professeur à l université des sciences et de la technologie de Lille qui m a fait l honneur de présider le jury de thèse, ainsi qu a Monsieur Olivier Basset, Professeur à l université Claude Bernard de Lyon, pour avoir accepté le rôle d examinateur critique dans ce jury. Ce travail de thèse a pu être mené à son terme grâce à la contribution de nombreuses personnes, je tiens à toutes les remercier ici. Mes remerciements vont aussi à tous mes collègues de CREATIS que j ai côtoyé au quotidien pour la bonne ambiance. 9

10 Merci enfin à mes parents qui m ont aidé, soutenu et pour m avoir offert la chance de faire toutes mes études. 10

11 Table des matières 1 Introduction CONTEXTE ET PROBLÉMATIQUE OBJECTIF ET PLAN DE LA THÈSE Etat de l art NOTIONS DE BASE APPROCHES MATHÉMATIQUES APPROCHES ORIENTÉES SYSTÈMES COMPLEXES APPROCHES ORIENTÉES SYSTÈMES À BASE DE CONNAISSANCES CONCLUSIONS Modèle fonctionnel INTRODUCTION VUE D ENSEMBLE ARCHITECTURE DU MODÈLE Bloc Mesures Bloc Critère Bloc Contrôle Bloc Modification Bloc Arrêt STRATÉGIE DE DÉCOMPOSITION CONCLUSION Décomposition de méthodes de segmentation dans un modèle mono-opérateur INTRODUCTION MÉTHODE PAR ARBRE QUATERNAIRE MÉTHODE MARKOVIENNE MÉTHODE DE CONTOUR ACTIF MÉTHODE PAR AGENTS BILAN DES DÉCOMPOSITIONS MONO-OPÉRATEURS

12 5 Modèle générique multi-opérateurs INTRODUCTION ANALYSE ET DÉCOMPOSITION D APPROCHES COOPÉRATIVES Vue d ensemble Décomposition fonctionnelle d une approche séquentielle Décomposition fonctionnelle d une approche hybride Coopération dans les méthodes par agents et modèle fonctionnel ANALYSE ET DÉCOMPOSITION D APPROCHES MULTIRÉSOLUTION Vue d ensemble des méthodes de segmentation multirésolution Modèle multirésolution Décomposition d une méthode multirésolution BILAN Implantation du modèle fonctionnel INTRODUCTION PARADIGME DE PROGRAMMATION STRUCTURE DE DONNÉES ET MODÈLE GÉNÉRIQUE LOGICIEL GENSEG GÉNÉRICITÉ LOGICIELLE CONCLUSION Conclusion et perspectives Annexes Bibliographie

13 Table des figures Figure 1 : Modèle fonctionnel de segmentation d images Figure 2 : Représentation graphique du contrôle linéaire par seuillage Figure 3 : (a) Découpage d une image par arbre quaternaire. (b) Représentation arborescente Figure 4 : Décomposition fonctionnelle d une segmentation par arbre quaternaire.. 44 Figure 5 : Résultat obtenu pour l arbre quaternaire sur l image Lena Figure 6 : Evolution du critère global de l arbre quaternaire pour l image Lena Figure 7 : Systèmes de voisinage en 8-connexité et cliques d ordre 2 correspondantes Figure 8 : Décomposition fonctionnelle d une segmentation par approche Marovienne Figure 9 : Résultat obtenu pour l approche Marovienne sur une image synthétique carrés Figure 10 : Evolution du critère global pour une segmentation Marovienne sur l image carrés Figure 11 : Décomposition fonctionnelle d une segmentation par contour actif Figure 12 : Résultat obtenu pour la méthode de contour actif Figure 13 : Evolution du critère global pour une segmentation par contour actif Figure 14 : Comportement d un agent situé sur un segment homogène Figure 15 : Comportement de diffusion d un agent Figure 16 : Voisinage circulaire d un agent à la position (i,j) Figure 17 : Comportements et règles d évolution d un agent autonome Figure 18 : Blocs fonctionnels obtenus pour la segmentation par agents de Liu Figure 19 : Segmentation par agents d une image synthétique Figure 20 : Schéma général du modèle fonctionnel complexe Figure 21 : Stratégie de coopération de méthodes par initialisation (séquentielle) Figure 22 : Stratégie de coopération hybride de méthodes de segmentation Figure 23 : Stratégie de coopération de méthodes par fusion d information (parallèle) Figure 24 : Décomposition fonctionnelle d une méthode de fusion de régions Figure 25 : Décomposition fonctionnelle d une segmentation par split&merge Figure 26 : Résultats obtenus de la division-fusion sur l image bruit Figure 27 : Modèle fonctionnel pour l opérateur de dilatation Figure 28 : Modèle fonctionnel pour l opérateur de contraction d histogramme Figure 29 : Décomposition fonctionnelle d une segmentation par croissance de régions Figure 30 : Résultats obtenus avec la croissance de régions sur une image synthétique

14 Figure 31 : Segmentation issue de la décomposition fonctionnelle d un agent contour Figure 32 : Pyramide Gaussienne Figure 33 : Schéma bloc du modèle fonctionnel générique multirésolution Figure 34 : Schéma du macro bloc générique Construction Pyramide Figure 35 : Schéma général du macro bloc Segmentation Figure 36 : Schéma général du macro bloc Projection Figure 37 : Représentation d une pyramide reliée avec P=2 et F= Figure 38 : Macro bloc Construction Pyramide de la méthode de Burt Figure 39 : Macro bloc Segmentation pour la méthode de Burt Figure 40 : Opérateur de segmentation Redéfinition des liaisons parent-enfants identique à l OS de la méthode Marovienne (figure 8). Les éléments supprimés sont barrés sur le schéma dans les blocs Mesures et Critère Figure 41 : Construction d une pyramide : Image Lena (0), résolutions inférieures (1-5) Figure 42 : Résultat de la segmentation multirésolution par la méthode de Burt Figure 43 : Liste des classes Process pour le bloc Mesures Figure 44 : Structure interne de la classe vtgensegdata Figure 45 : Interface graphique de segmentation basée sur le modèle fonctionnel.. 99 Figure 46 : Interface pour la gestion des mesures dans GenSeg Figure 47 : Interface pour le bloc Critère Figure 48 : Interfaces pour les blocs Contrôle et Modification Figure 49 : Résultat (c ) obtenu avec l opérateur de segmentation composé par des blocs fonctionnels issus de décompositions précédentes. Mesures (Variance, Moyenne) + Critère (Combinaison binaire) + Contrôle (Adaptatif) + Modification (Division quaternaire) Figure 50 : Décomposition fonctionnelle de la méthode d Isodata Figure 51 : Segmentation fonctionnelle par la méthode Isodata de l image bruit Figure 52 : Modélisation fonctionnelle de la méthode de la bulle discrète Figure 53 : Sélection de pixels candidats selon la direction du contour courant Figure 54 : Modèle fonctionnel pour une croissance de contour Figure 55 : Résultat de l opérateur de segmentation contour sur une image synthétique Figure 56 : Schéma du contenu des macro blocs de la méthode de Spann Figure 57 : Schéma bloc de la méthode de la pyramide reliée à seuillage dynamique

15 Introduction 1 Introduction 1.1 Contexte et problématique Cette thèse aborde l un des principaux problèmes de la vision par ordinateur : la segmentation d images. Celle-ci consiste à localiser dans une image les régions (ensembles de pixels) appartenant à une même structure (objet ou scène imagée). Aujourd'hui, vue la simplicité de la définition de l'objectif de la segmentation d'images et la richesse des travaux effectués dans ce domaine, on pourrait penser que la segmentation d'images est un problème en grande partie résolu. Il n'en est rien, probablement à cause de la très grande diversité des besoins et des applications mais également parce que des approches mathématiques (analyse multirésolution, champs de Marov, réseaux de neurones, géométrie différentielle,...) permettent de nouveaux développements. L'augmentation de la puissance des ordinateurs autorise également l'exploration de nouvelles approches et la mise en œuvre de techniques d'optimisation autrefois trop coûteuses en temps de calcul. Par conséquent, on se trouve devant un nombre considérable de méthodes [PAL93] qu'il est difficile de classer en dehors du schéma régions versus frontières qui tend à disparaître avec les approches coopératives. Sans approche synthétique des techniques de segmentation d'images, il est difficile de comparer des méthodes de plus en plus complexes et de juger de façon pertinente de l'originalité et de l'apport d'une méthode par rapport à l'existant. La recherche d une méthode performante, pour une application donnée, passe la plupart du temps par la comparaison de quelques méthodes disponibles et bien maîtrisées et par la modification d une méthode existante afin de l adapter. La recherche d une méthode optimale parmi un très grand nombre de méthodes existantes (et leurs nombreuses variations proposées) nécessiterait actuellement de disposer d une bibliothèque logicielle énorme et certainement très redondante. Cette redondance entraîne un surcoût de calcul qui limite l élargissement du champ de recherche d une méthode adaptée. Le traitement et l analyse d images est un domaine en pleine expansion et certains travaux s orientent actuellement vers la conception de systèmes d aide au développement d applications de traitement d images [CLOU02, FICE99] et de systèmes d aide à l interprétation [CREV97, DEJE96, MATS89]. La première 15

16 Approche fonctionnelle générique des méthodes de segmentation d images catégorie de systèmes, qui est celle qui nous intéresse ici, est constituée d une bibliothèque d opérateurs de traitement d images. Ces opérateurs sont enchaînés au cours d un processus qui permet de générer un programme exécutable correspondant à une application particulière de traitement d images. L utilisation de la programmation graphique permet de créer des chaînes de traitement avec un minimum de temps de programmation. Ces systèmes procurent ainsi une aide précieuse à certains utilisateurs (non-spécialistes) qui ont à leur disposition tous les éléments pour créer des applications de traitement d images. Mais, il est nécessaire actuellement de disposer d'une très large bibliothèque de fonction de segmentation si l'on souhaite offrir à l'utilisateur de nombreux choix de méthodes. Une approche plus fonctionnelle de la segmentation devrait contribuer à réduire le champ des possibilités et la taille de ces bibliothèques d'opérateurs de segmentation. Malgré des avancées significatives, les solutions actuelles évoquées dans le chapitre 2 ne permettent pas de résoudre le problème de l unification de la segmentation sous un formalisme mathématique commun de manière satisfaisante. Dans ce contexte, où la littérature est très prolifique, nous proposons d étudier la segmentation d images d un point de vue fonctionnel. Cette nouvelle approche intégrative propose une autre vision du processus de segmentation en incorporant les formalismes mathématiques dans des blocs fonctionnels. 1.2 Objectif et plan de la thèse L objectif principal de cette thèse est de proposer un modèle générique des opérations de segmentation d images. Le modèle fonctionnel est décrit sous forme de blocs réalisant des fonctions partagées par l ensemble des méthodes de segmentation comme la définition d un critère d homogénéité ou encore la modification d une carte de segmentation. La validation de notre approche passe par une représentation par notre modèle (que nous appellerons décomposition) d un grand nombre de méthodes de segmentation ainsi que par l implantation expérimentale de cette décomposition. Ceci nous conduit à produire un logiciel modulaire qui constituera à terme un outil de construction de méthodes de segmentation. 16

17 Introduction Ce manuscrit est organisé de la manière suivante. Nous décrivons dans le chapitre 2 l état de l art des principaux travaux qui ont pour but l unification de méthodes de segmentation sous le même formalisme mathématique. Nous abordons la structuration des méthodes coopératives sous forme de systèmes complexes ainsi que les systèmes d aide à la conception d applications de traitement d images. Le chapitre 3 présente notre proposition de modèle fonctionnel (MF) pour la segmentation d images. Nous détaillons l opérateur de segmentation (OS) qui est composé de cinq blocs élémentaires que nous dénommons Mesures, Critère, Contrôle, Modification et Arrêt. Ces blocs enchaînés itérativement forment le processus de segmentation. Dans le chapitre 4, nous présentons les résultats de la décomposition de méthodes de segmentation connues selon le modèle fonctionnel générique. Ces résultats concernent des méthodes a priori très différentes comme l arbre quaternaire, les contours actifs, une méthode Marovienne ou encore les systèmes multi-agents. Ces derniers systèmes nous intéressent particulièrement car ils utilisent fortement des procédures de coopération et de communication avec leur environnement. Le chapitre 5 est dédié aux méthodes de segmentation que nous qualifions de "complexes". Nous entendons par le terme complexe des méthodes qui nécessitent plus d un opérateur de segmentation (OS) tel que nous l avons défini. Celles-ci concernent en premier lieu les méthodes coopératives. Nous abordons ensuite les méthodes de segmentation multirésolution et la façon de les intégrer dans notre modèle. Le chapitre 6 présente la mise en œuvre informatique du MF proposé, dans le cadre du logiciel GenSeg que nous avons développé. Ce logiciel est basé sur une approche orienté objet du modèle fonctionnel générique de segmentation. Il contient les classes correspondants aux blocs de base de toutes les méthodes de segmentation que nous avons implémentées. Finalement, dans le chapitre 7, les conclusions et les perspectives de ce travail sont exposées. 17

18 Etat de l art 2 Etat de l art Dans ce chapitre, nous proposons une analyse de l existant en matière de segmentation d images pour pouvoir situer notre travail dans ce domaine très actif. Nous commençons d abord par présenter un bref aperçu de ce qu est la segmentation d images suivie par une description des principales classes de méthodes de segmentation. Nous abordons ensuite les trois approches essentielles proposées dans la littérature qui tentent d unifier l approche de la segmentation. 2.1 Notions de base L usage des images numériques est actuellement très répandu dans le monde. En effet, des quantités énormes d images sont produites chaque année dans différents domaines, particulièrement dans les domaines médical, spatial ou industriel. Ces images ne sont pas exclusivement utilisées visuellement à l état brut mais entrent souvent dans un processus d analyse qui nécessite généralement un traitement de bas niveau, appelé segmentation d images, destiné à extraire les objets d intérêt présents dans l image. La segmentation [COCQ95] est définie comme un processus qui consiste à partitionner une image I en sous-ensembles disjoints et connexes R i, appelés régions tels que : i I = R U i i i, j R R = pour i j Eq. 1 R i i j Pour être significative, dans le cadre d une application donnée, une région doit être un ensemble connexe de points (pixels) de l image ayant des "propriétés communes" qui les différencient des pixels des autres régions. L équation 1 exprime le fait que chaque pixel de l image doit appartenir à une région R i, que les régions doivent être disjointes et que l union de ces régions constitue l image entière. 18

19 Approche fonctionnelle générique des méthodes de segmentation d images Idéalement, on cherche en particulier à obtenir une et une seule zone pour chaque objet de l image, ainsi qu une localisation des zones la plus précise possible géométriquement. Un objet peut être défini comme une partie sémantiquement cohérente dans une image. En pratique, les objets sont souvent connexes, ont une couleur cohérente et sont délimités par des contours nets. Le résultat de la segmentation est un ensemble de régions qui est représenté par une carte, dans laquelle une étiquette ou label, est attribuée à chaque pixel. L étiquette correspond au numéro de la région à laquelle le pixel appartient. La segmentation d images dépend fortement de l application et c est pour cette raison qu il n existe pas de solution générale à ce problème mais plutôt un ensemble d outils mathématiques et algorithmiques que l on peut combiner pour résoudre des problèmes spécifiques. Ces outils ou méthodes de segmentation sont actuellement classés en deux catégories principales [CHAK99] : les approches frontières et les approches régions. De nombreux travaux ont été consacrés à ces techniques. Pour plus de détails, le lecteur peut consulter les papiers de Haralic [HARA85] et de Pal [PAL93], ou le site ( segment.html) qui résument amplement les techniques de segmentation existantes et leur classification. Les approches frontières détectent les zones de fortes discontinuités de l image. C est la frontière des objets qui permet de définir les objets. Les contours des objets dans les images sont localisés par les maxima locaux du gradient ou les zéros du Laplacien de la fonction de niveaux de gris. Les deux approches fournissent des contours sensiblement équivalents bien qu elles ne localisent pas tout à fait les mêmes discontinuités. Les difficultés de la détection de contours proviennent du bruit présent dans les images, car il perturbe fortement le gradient. Les approches contours n aboutissent pas directement à une segmentation, car les contours obtenus ne sont généralement pas connexes et fermés. On utilise alors des techniques de fermeture de contours [COCQ95] qui sont utilisés en aval de la détection de contours. Pour éviter ce type d inconvénients, d autres approches plus sophistiquées [CHEU02, MONT01] ont été développées et regroupées sous le nom de modèles déformables. Le principe général consiste à déformer une courbe ou une surface afin de l adapter au contour de l objet à segmenter. 19

20 Etat de l art Les approches régions (duales des approches frontières) ont pour but de mettre en évidence les régions homogènes de l image. Il s agit de rechercher des ensembles de pixels partageant des propriétés communes. Les régions sont différenciées entre elles par des propriétés élémentaires basées sur des critères locaux tels que le niveau de gris de chaque pixel, ou bien sur un attribut estimé dans le voisinage du pixel tel que la valeur moyenne, la variance ou des paramètres de texture. L ensemble des regroupements de pixels constitue une segmentation de l image. Ce schéma de classification régions versus frontières tend actuellement à disparaître au profit des méthodes coopératives [CUFI02]. Cette coopération des approches régions et frontières est menée dans le but de combiner les avantages de ces deux techniques. Nous distinguons trois principes de coopération [GER00a] [KERM02]: la coopération séquentielle (ou par initialisation), la coopération parallèle (ou par fusion) et la coopération hybride (ou par rétroaction). L approche séquentielle consiste à utiliser le résultat d une première segmentation comme point de départ à la suivante. L approche parallèle fusionne les résultats issus de deux ou plusieurs segmentation. L approche hybride combine les deux approches précédentes et permet un retour sur le processus global de segmentation dans un but d affinement de la solution. La segmentation d images est l un des domaines les plus actifs en analyse d images et en vision par ordinateur. Nous dénombrons actuellement plus de références bibliographiques 1 (de 1999 à 2004), présentant des centaines de méthodes. Chaque méthode dispose de son propre développement théorique et utilise différentes techniques algorithmiques. Ces techniques sont en plein essor du fait de la puissance des ordinateurs. Cependant, la plupart des algorithmes de segmentation ont été développés pour un usage ou un cadre spécifique. Jusqu à 20

21 Approche fonctionnelle générique des méthodes de segmentation d images présent, il n existe pas un algorithme unique qui puisse être utilisé dans toutes les applications ou pour toutes les catégories d images. D un autre côté, le choix d un algorithme de segmentation, pour une application particulière, est un problème difficile à aborder car il n existe pas de théorie établie pour cela. La procédure qui est envisagée généralement dans ce cas est de prendre une méthode existante, de l améliorer quelque peu et de la comparer à des méthodes assez proches selon des critères difficiles à définir. On parle alors de méthodes ad hoc dont l originalité, la pertinence et les performances réelles sont difficilement évaluables en dehors du contexte spécifique où elles ont été élaborées. A partir de là, des chercheurs issus de communautés différentes ont essayé de développer des approches fédératives en segmentation d images, que nous regroupons en trois catégories : approches mathématiques, approches orientées systèmes complexes (avec en particulier la structuration des méthodes coopératives) et approches orientées systèmes à base de connaissances. 2.2 Approches mathématiques Nous qualifions d approches mathématiques les travaux dont l objectif est de présenter sous un même formalisme mathématique plusieurs méthodes de segmentation. Parmi les nombreuses techniques de segmentation [FU81, HARA85, PAL93, SAHO88], nous présentons quelques références importantes représentatives des approches mathématiques. Geiger et Yuille [GEIG91] ont utilisé la théorie du Mean Field Anneanling (MFA) [COCQ95] pour montrer que différentes approches déterministes (Graduated Non Convexity, Minimum Description Length, ) sont équivalentes et sont très proches des approches statistiques (champs de Marov). Ce travail représente une tentative d unification sous un même formalisme commun de plusieurs méthodes présentées comme a priori différentes dans la littérature. 1 Bases de données INSPEC et Compendex via l interface Engineering Village 2 avec une recherche sur image segmentation. 21

22 Etat de l art Beaucoup d algorithmes de segmentation, par exemple [CASS97, GEMA84, KASS88], essayent de minimiser par différents moyens une certaine énergie. Dans ces approches, l énergie est définie par une fonctionnelle sur l ensemble des segmentations possibles. Cette fonctionnelle se décompose en deux termes distincts : un premier terme mesurant la qualité de l approximation par rapport à l image initiale et un second terme régularisant la solution recherchée. Parmi ces travaux, la fonctionnelle de Mumford et Shah [MUMF85] peut être considérée comme un travail assez général et les travaux suivants [SHAH96] dérivent de cette formulation. L avantage de cette fonctionnelle est sa définition mathématique concise du problème de la segmentation d images. Dans le même cadre, nous pouvons citer le travail de Zhu et Yuille [ZHU96] qui ont développé un algorithme appelé Compétition de régions en utilisant une approche statistique et variationnelle (snaes). Cet algorithme est obtenu en minimisant un critère généralisé Bayes/MDL (Minimun Description Length) [LECL89] en utilisant le principe variationnel. Cet algorithme combine alors les différents aspects des contours actifs [KASS88] ou des ballons (caractéristiques géométriques) et ceux de la croissance de régions [ADAM94]. Cet algorithme a été testé avec succès sur des images de niveaux de gris, couleur et de texture. Cet algorithme présente une perspective d unification de plusieurs méthodes et de modèles (modèles d énergie, modèle de Bayes). Charaborty [CHAK99] propose une méthode qui permet d intégrer les approches régions et les approches frontières en se basant sur la théorie du jeu (game theory) [OWEN95]. Un jeu est essentiellement un ensemble de règles et de conventions pour pouvoir jouer et une partie est une réalisation possible de ces règles. Pour la segmentation d images, deux modules de segmentation (régions et contours) sont assimilés à deux joueurs essayant d optimiser une fonction coût basée sur la théorie Bayésienne qui maximise la probabilité a posteriori. L innovation majeure de cette méthode réside dans le fait que les deux modules améliorent leurs résultats grâce à un partage de l information. De plus, cette méthode est robuste vis à vis du bruit et de l initialisation. Ces différentes approches n ont finalement pas abouti à unifier la segmentation du fait de la difficulté de la tâche et de la quasi impossibilité de développer une théorie mathématique unique. Cependant, la segmentation apparaît la plupart du temps comme la minimisation d un critère représenté par une fonctionnelle. En fait la 22

23 Approche fonctionnelle générique des méthodes de segmentation d images segmentation d images dépend fortement des mesures combinées dans un critère, de la modélisation de l image, de la carte des régions et de la stratégie mise en œuvre pour modifier cette carte. Ces différents aspects n apparaissent cependant pas toujours de façon claire dans les présentations de la littérature des nombreuses techniques de segmentation où une approche globale de la méthode proposée est souvent retenue. 2.3 Approches orientées systèmes complexes Cette partie de l état de l art concerne les systèmes dits complexes au sens de la multiplicité de leur composantes et de leurs interactions mais aussi de la diversité de leurs comportements. Nous nous intéressons particulièrement aux solutions apportées au problème de la segmentation en exploitant divers paradigmes empruntés à ces systèmes tels que les différentes façons de faire coopérer des méthodes de segmentation. Le système proposé par Bellet [BELL98] est destiné à la segmentation d images par coopération d opérateurs contours et régions. Son travail suggère de construire simultanément les contours et les régions en se basant sur une approche incrémentale utilisant un système à bases de tâches. Cette approche incrémentale permet de construire la solution progressivement. Une gestion efficace de l information peut être mise en œuvre ce qui se traduit par des prises de décisions motivées par l information existante, l utilisation au maximum de l information disponible et la création de l information manquante si le besoin se fait sentir. Un système de segmentation a été construit qui permet de segmenter des images en utilisant un mécanisme de croissance de régions et un mécanisme de croissance de contours. Une autre procédure est suivie par Germond et al. [GER00b] pour segmenter des images IRM cérébrales. Cette procédure consiste à décomposer ce problème assez complexe du point de vue de la variabilité du cerveau et des images acquises, en tâches élémentaires moins complexes. Cela est possible en utilisant la coopération. La caractéristique principale de cette technique est d intégrer plusieurs modules réalisant des objectifs différents et cependant complémentaires. Le système de segmentation obtenu est un système multi-agents avec un modèle statistique déformable et un détecteur de contours. Le module Agents est le module central de 23

24 Etat de l art ce système. Il y définit deux classes d agents : agents de type régions et agents de type contours. Les agents adoptent un comportement d agrégation de pixels pour segmenter la matière grise et la matière blanche. Le module qui représente le modèle déformable est utilisé dans le but de repérer automatiquement l enveloppe du cerveau. Le dernier module qui est le détecteur de contours a été choisi pour sa capacité à localiser de façon précise et robuste l ensemble des contours présents dans une image. Dans le même cadre des systèmes par agents, Pithon [PITH01] propose un travail coopératif et concurrent pour la segmentation d images. Cette approche intègre plusieurs méthodes basées régions et basées contours en utilisant un système multi-agents. L approche proposée est caractérisée par une coopération multi-directionnelle qui a pour conséquence une amélioration globale des résultats. Dans un autre registre, Chaurroux [CHAU96] présente un système de vision dédié à la segmentation d images en régions, par coopération d opérateurs, et guidé par l interprétation. Ce système de vision, par une comparaison locale entre plusieurs segmentations/interprétations, détermine la meilleure segmentation d une image. Les deux points importants sont la construction d'un arbre qui contient les segmentations possibles d'une image et la comparaison des résultats de segmentation, à partir de l'interprétation des régions. Des données symboliques (dédiées à une application, ici les images aériennes) et numériques sont utilisées conjointement. La capacité d'apprentissage des objets d'une scène par des techniques de reconnaissances des formes, ainsi que la capacité de généraliser l'apprentissage à des objets non appris sont étudiées. Enfin, Spinu [SPIN97] s intéresse particulièrement à la segmentation d images par adaptation d opérateurs. Ces opérateurs, regroupés au sein d une bibliothèque, sont des opérateurs de détection de contours et de filtrage d images. Les caractéristiques de l'image sont d'abord estimées (en termes de bruit, texture, contraste, etc.) et un chaînage d'opérateurs approprié est sélectionné. Les paramètres des opérateurs sont ajustés en fonction d'une évaluation de la qualité du résultat (par des méthodes heuristiques ou par optimisation). Cette méthode est implantée par un système multi-agents. Cette implantation permet une meilleure flexibilité et une parallélisation des traitements sur les régions de l image. Les agents traitant des régions adjacentes peuvent coopérer entre eux. 24

25 Approche fonctionnelle générique des méthodes de segmentation d images 2.4 Approches orientées systèmes à base de connaissances Ce que nous appelons approches orientées systèmes à base de connaissances concernent toutes les approches qui visent à développer des systèmes experts ou de nouvelles méthodologies de conception et d analyse d images. Ces approches traitent particulièrement du mode opératoire pour sélectionner et enchaîner des opérateurs, et exploitent des systèmes de pilotage ou de planification de bibliothèques d opérateurs. Notons que ces systèmes qui représentent des solutions généralistes, ne sont pas particulièrement dédiés à la segmentation d images. Nazif et Levine [NAZI84] proposent la conception d un système expert à base de règles comme solution au problème de la segmentation. Des règles de connaissances sont utilisées pour segmenter l image en régions homogènes et en contours. Une première étape de pré-segmentation en régions est réalisée. Dans une seconde étape, un ensemble de règles, qui prend en compte localement la connaissance des régions et des contours, permet de fusionner des régions, de joindre ou de supprimer des contours. D autre part, des règles de contrôle régissent l ordre dans lequel les règles sur les connaissances sont appliquées. Enfin, des règles de plus haut niveau modifient de manière dynamique la stratégie de traitement. Matsuyama [MATS89] est un des premiers chercheurs à présenter un système pour faciliter le développement de processus d analyse d images. Son travail concerne différents systèmes experts pour le traitement d images. Ces systèmes, qui composent des processus d analyse d images à partir de primitives ou d opérateurs stocés sous forme de librairies, ne génèrent pas de nouveaux algorithmes mais permettent de sélectionner et combiner des algorithmes existants. Ceci permet de franchir un pas important dans le développement d environnements de programmation flexibles pour l analyse d images et dans l élargissement des domaines d application du traitement d images. Malgré cela, plusieurs problèmes n ont pas encore trouvé de solutions. Ces problèmes concernent la description de la qualité d image et de la connaissance, la généralisation de la composition de processus d analyse d images et enfin l évaluation du résultat. 25

26 Etat de l art Avec le même objectif de faciliter la réutilisation de composants de traitements d images, Ficet-Cauchard [FICE99] propose un système d aide à la conception d applications de traitement d images utilisant une approche basée sur le raisonnement à partir de cas. Son principe est de résoudre un nouveau problème en retrouvant et en adaptant des solutions ou des éléments de solution d un problème précédemment résolu. D autres chercheurs proposent une méthodologie de développement d applications de traitement d images [CLOU02]. Cette approche se fonde d une part sur le paradigme du pilotage d une bibliothèque de tâches de traitement [THON00], dans lequel la conception d une solution est vue comme un processus d agglomération de tâches ponctuelles et indépendantes, et d autre part sur le paradigme de la programmation visuelle par flot de données tels que Khoros [KONS94] ou AVS [VROO95]. Une autre approche développée par Dejean [DEJE96] concerne la modélisation des entités de traitement d images. Le formalisme développé fournit une description orientée concepts et entités du traitement d images dans une perspective de planification de chaînes d opérateurs et de description d objectifs de traitement d images. Il permet de décrire de façon rigoureuse le traitement d images en tant que manipulation de données mais aussi en tant que manipulation de concepts d un domaine spécifique. Ce formalisme est constitué de trois parties essentielles qui sont un modèle unifié de données, des modèles d opérateurs de traitement d images et d un langage de description de données. Ce modèle permet de décrire précisément des données en termes de transformations subies ou en termes de spécifications à faire subir aux données. Le modèle d opérateurs associé a pour but de faire apparaître les transformations que la donnée subit. Il fournit aussi des informations sur les types d entités admises en entrée et en sortie d un opérateur. L objectif de ce travail est d aider à la conception d une chaîne de traitement en fournissant les éléments nécessaires à la construction itérative d un graphe d opérateurs. Dans le même cadre et se basant sur les travaux de Dejean [DEJE96], Nouvel [NOU02b] propose une approche interactive pour la réalisation d applications de traitement d images. Dans cette approche, l utilisateur associe les résultats d enchaînements d opérateurs à des concepts du modèle de la scène, au lieu de procéder par des cycles essai-erreur d opérateurs. L outil ainsi proposé permet de masquer les fonctionnalités du traitement d images à l utilisateur, de raisonner en termes de concepts du domaine d application et de se placer dans une logique 26

27 Approche fonctionnelle générique des méthodes de segmentation d images d interprétation. Notons que le modèle d opérateurs décrit par Dejean [DEJE96, NOU02a] ne modélise pas spécifiquement les opérations de segmentation, qui reste un opérateur parmi d autres dans la chaîne de traitement. Ropert [ROPE01] propose un nouveau paradigme de vision où le contrôle n est plus appliqué aux capteurs mais aux opérateurs de traitement d images. L objectif est de dégager l utilisateur final d un système de vision des prises de décision relatives aux choix d opérateurs et à leur paramétrage car sans connaissance en traitement d images, la tâche de segmentation peut s avérer rapidement complexe. La modélisation proposée est analogue à celle d un robot mobile autonome. L environnement du robot devient l image, les données acquises par les capteurs du robot deviennent des mesures sur l image et les effecteurs, les opérateurs du système. Le système est alors plongé dans un environnement évolutif, incertain et incomplet. Une notion de perception empruntée au domaine de la robotique, est introduite. Celle-ci traduit un état de l image (environnement) à partir de mesures extraites de l image. Une architecture de contrôle permet de prendre une décision selon deux axes : l évaluation des pré-traitements et la caractérisation du résultat de segmentation à l aide de mesures. Ce travail souligne la difficulté d obtenir une modélisation analytique du comportement d un opérateur de traitement d images. Plusieurs points restent à améliorer surtout l évaluation et l introduction d aspects plus sémantiques dans ce type d architecture. 2.5 Conclusions Les approches décrites précédemment ( 2.2, 2.3, 2.4) permettent de dégager quelques remarques très importantes. Les systèmes de vision avec plus ou moins de connaissance intégrée, constituent une autre manière d aborder la segmentation. En effet, celle-ci fait partie d une chaîne globale qui permet : De planifier les opérations de traitement d images. De contrôler le processus de traitement et particulièrement la segmentation. De convertir les résultats numériques en symboles. De représenter et utiliser la connaissance en traitement d images. 27