Traitement d’image à voisinages adaptatifs généraux

Théoriquement, le traitement d’image numérique est un ensemble d’approches, de méthodes, de techniques et d’outils dont l’ambition est de résoudre la majorité des problèmes qui peuvent se présenter lorsqu’il est nécessaire d’extraire et d’analyser de façon automatique les informations présentes dans une image. Différentes approches ont alors été empruntées ou développées pour traiter ces images. La liste qui suit donne un aperçu de leur diversité :
– la morphologie mathématique (filtrages morphologiques, squelettisation, ligne de partage des eaux, . . .),
– l’approche variationnelle (EDP non linéaires, théorie d’échelle, équation eikonale, flot de courbure moyenne, contours actifs, . . .),
– l’approche statistique (modèles Bayesien, Markovien, Evidentiel, théorie de l’information, . . .),
– les approches géométriques (géométrie projective, géométrie intégrale, calibration, synthèse d’image, . . .),
– l’analyse fonctionnelle (décomposition atomique, ondelettes, analyse multi-échelle, fractales, . . .),
– la théorie des graphes (appariement de graphes, graphes minimaux, . . .),
– les problèmes inverses (régularisations quadratique et semi-quadratique, maximum d’entropie, . . .),
– la reconnaissance des formes et des déformations (théorie des groupes, courbures, . . .),
– les théories psycho-visuelles et psychophysiques (Gestalt, computational theory,…).
Les cloisons entre ces différentes approches sont perméables et des liens nombreux ont été établis entre, par exemple, la morphologie mathématique et les approches EDP, la théorie des problèmes inverses et les approches variationnelles et statistiques, donnant parfois des schémas numériques très semblables.

Si les philosophes et les scientifiques des siècles précédents s’intéressaient à la relation entre les mathématiques et la physique, l’informatique a introduit un nouvel outil qui se situe à la frontière entre la théorie et la pratique. Il a été créé par l’homme dans un but pratique : celui de faire des tâches systématiques plus rapidement que l’homme et à la place de celui-ci. Le traitement d’image désigne donc en informatique un ensemble d’algorithmes permettant, à partir d’images numérisées, de produire d’autres images numériques ou d’en extraire de l’information.

En pratique, le traiteur d’image dispose d’images numériques, donc échantillonnées, acquises par des caméras vidéo, appareils photos numériques, imageurs IRM (imagerie à résonance magnétique), TEP (tomographie à émission de positons), scanner X, échographie, scintigraphie, EEG (électroencéphalographie), MEG (magnéto-encéphalographie), . . . Le mode et les conditions d’acquisition et de numérisation des images conditionnent largement les opérations qu’il faudra réaliser pour extraire de l’information. En effet, de nombreux paramètres entrent en compte, les principaux étant :
– la résolution d’acquisition et le mode de codage utilisé lors de la numérisation, qui déterminent le degré de précision des éventuelles mesures de dimensions,
– la mise au point, qui détermine la netteté de l’image,
– les conditions d’éclairage, qui déterminent une partie de la variabilité des images traitées,
– le bruit de la chaîne de transmission d’image.

Dans le contexte de la vision artificielle, le traitement d’image se place après les étapes d’acquisition et de numérisation, assurant les transformations d’images et la partie de calcul permettant d’aller vers une interprétation des images traitées. Cette phase d’interprétation est d’ailleurs de plus en plus intégrée dans le traitement d’image, en faisant appel notamment à l’intelligence artificielle pour manipuler des connaissances, principalement sur les informations dont on dispose à propos de ce que représentent les images traitées (connaissance du domaine).

La télédétection ayant franchi un pas important en permettant d’avoir des images à très haute résolution (inférieure à 10 m pour les images satellites et inférieure à 1 m pour les images aériennes), a nécessité de nouvelles techniques de traitement d’image dans un but de compression et d’extraction d’information. De très nombreuses applications découlent de ces images satellites, dans des domaines variés : météorologie, climatologie, gestion de ressources environnementales, agriculture, suivi de catastrophes naturelles, . . .

La recherche médicale est devenue elle aussi un très gros demandeur en traitement d’image pour améliorer les diagnostics effectués à partir des nombreuses techniques d’imagerie (analyse d’image HMPAO-SPECT du cerveau pour le diagnostic de la maladie d’Alzheimer, détection de tumeurs dans des images MIBI-TEMP, détection de lésions évolutives de sclérose en plaques dans l’imagerie IRM, . . .). Ces diagnostics assistés par ordinateur basés sur l’image peuvent réduire la charge de travail en situation clinique tout en améliorant les performances.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

INTRODUCTION
0 Avant-propos
0.1 Introduction générale au traitement d’image
0.2 Organisation du manuscrit
1 Problématique et contributions
1.1 Présentation du problème
1.2 Contributions
1.2.1 Etat de l’art
1.2.2 Solution à la problématique
1.2.3 Voisinages adaptatifs généraux (VAG)
1.2.4 Transformations à VAG
1.2.5 Applications
1.2.6 Publications
2 Images tests
2.1 Divers
2.2 Matériaux
2.3 Bio-médical
3 Etude bibliographique
3.1 Approches multi-échelles
3.1.1 Pyramides
3.1.2 Ondelettes
3.1.3 Scale-spaces
3.2 Transformations spatialement adaptatives
3.2.1 Filtrage à voisinages variables
3.2.2 Filtrage à voisinages adaptatifs
3.2.3 Filtrage géodésique
3.3 Structures d’images adaptées aux intensités
3.3.1 Modèles vectoriels GLIP
3.3.2 Modèles vectoriels plus spécifiques
3.4 Synthèse bibliographique
CONCLUSION