Projet: “Traitement dimages détection de contours”
Projet: “Traitement d'images détection de contours”. Février 2020. Détecter les contours d'une image constitue une étape préliminaire à de nombreuses
Introduction au traitement dimages Détection de contours et
détection de contours les opérateurs morphomathématiques et la détection et fermeture de régions. Mots clefs : Traitement d'image
Modèles déformables et Multirésolution pour la détection de
30 juin 2006 détection de contours en traitement d'images ... associe entre autres une factorisation du modèle des contours actifs d'une part selon.
Détection de contours
Dans cette technique de seuillage contrairement aux précédentes le traitement n'est pas identique en tout point de l'image. On s'intéresse ici aux pixels
Ce document est le fruit dun long travail approuvé par le jury de
confrontés les utilisateurs de la détection de contours est le choix du détecteur dans le domaine de la vision par ordinateur et du traitement d'image.
Cours : Traitement dimages Cours : Traitement d images
3 Dérivée seconde : Laplacien de l'image. 3. Dérivée seconde : Laplacien de l image. 4. Approche globale pour la détection de contours : Transformée de.
Chapitre 2 - La détection des contours dans les images
Parmi les filtres de pré-traitement on recherche ceux qui diminuent le bruit tout en préservant les disconti- nuités. Ils ont fait l'objet du chapitre ?? :
THÈSE
nécessaire pour le calcul du contour de l'image en utilisant la résonance réduite et la qualité de l'image obtenue à l'issue du traitement est.
Détection de contours
Un traitement ultérieur est nécessaire ce traitement étant dépendant du type d'approche choisi. 4.1 Approches gradient les points de contour dans une image
Détection de contours
Les différents filtres présentés permettent de calculer le gradient ou le laplacien d'une image mais ne donnent pas des points de contours. Un traitement
AVERTISSEMENT
Ce document
est le fruit d'un long travail approuvé par le jury de soutenance et mis à disposition de l'ensemble de la communauté universitaire élargie. Il est soumis à la propriété intellectuelle de l'auteur. Ceci implique une obligation de citation et de référencement lors de l'utilisation de ce document. D'autre part, toute contrefaçon, plagiat, reproduction illicite encourt une poursuite pénale.Contact : ddoc-theses-contact@univ-lorraine.fr
LIENS Code de la Propriété Intellectuelle. articles L 122. 4 Code de la Propriété Intellectuelle. articles L 335.2- L 335.10 '0Institut National
Polytechnique de Lorraine
'1/"'Centre de Recherche en
Informatique de Nancy
Inria-Lorraine
[Mj-199A ziou, D .La détection de contours
dans des images à niveaux de gris : mise en oeuvre et sélection de détecteursTHE SE
présentée et soutenue publiquement le 11 octobre 1991 pour l'obtention du Doctorat de l'Institut National Polytechnique de Lorraine (Spécialité Informatique) parDjemel ZIOU
1 devant le jury composé de :Président : Jean-Paul HATON
Rapporteurs: Serge
René HUSSON
Examinateurs: Gérard GIRAUDON
Gérald MASINI
Roger MOHR
1 Adresse de à partir du 1/2/92 : EERIE-LERI, Parc .Jeorge Besse, 30000 Nimes Je voudrais exprimer tout d'abord mes remerciments à ceux qui m'ont fait l'honneur de par ticiper au jury de cette thèse,Monsieur
Jean-Paul Raton, Professeur à l'Université de Nancy 1, qui m'a accueilli dans l'équipe Reconnaissance de Formes et Intelligence Artificielle du CRIN, et qui me fait l'honneur de présider ce jury. Je le remercie pour ses encouragements et le grand intérêt qu'il a toujours porté à mes travaux.Monsieur Serge
Castan, de l'Université Paul-Sabatier à Toulouse, et MonsieurRené Husson,
Professeur à l'Institut National Polytechnique de Lorraine, qui ont acceptéd'être rapporteurs de ce travail et de sièger à ce jury. Qu'ils trouvent ici l'expression de ma
gratitude pour l'intérêt qu'ils ont porté à ce travail.Monsieur
Gérard Giraudon, Directeur de Recherche à l'INRIA de Sophia-Antipolis, qui m'a proposé un sujet de recherche passionnant et original et qui a accepté d'examiner ce travail et de le juger. Je tiens particulièrement à le remercier pour les nombreuses discussions quiont guidé mes travaux. J'ai particulièrement apprécié les qualités humaines et scientifiques
que notre collaboration a permis de révéler.Monsieur Gérald Masini,
Chargé de Recherche CNRS au CRIN, qui m'a fait l'honneur de participerà ce jury. L'intérêt qu'il a toujours porté à mes travaux et les conseils qu'il a bien
voulu me prodiguer ont été pour moi les plus précieux des encouragements. Il m'a apportéla garantie d'un soutien et d'une amitié. Je le remercie pour sa disponibilité, pour les très
nombreux moments qu'il a conscaré à la lecture de mes articles et de ce mémoire, ainsi que pour tous les entretiens que nous avons pu avoir ensemble.Monsieur Roger Mohr,
Professeur à l'Ecole Nationa,le Supérieure d'Informatique et de Mathématiques Appliqués de Grenoble, qui a assumé la direction de cette thèse. Il rn 'a encouragé
de ses conseils tout au long de mon apprentissage du métier de chercheur. Je tiens partic ulièrement à le remercier pour la liberté qu'il m'a accordé pendant mes recherches, liberté sans laquelle je n'aurai pas pu mener à bien l'étude de ce difficile problème. Je ne peux pas oublier de remercier Yolande Anglade et Abderafi.aa Koukam pour leur amitié et pour les moments qu'ils ont passés à m'écouter ou à me relire, Dominique Antoine pour ses remarques issues d'une lecture passionnée.Cette thèse a été réalisée dans le groupe Vision du CRIN et je tiens à remercier tous ceux
qui, de près ou de loin, en ont facilité l'aboutissement, notamment Salvatore Tabbone, Eric Thirion, Karl Tombre et Brigitte Wrobcl-Dautcourt. Je remercie Tahar Khammaci qui m'ainitié à l'informatique, Bechir El-Ayeb, avec qui j'ai partagé de longues soirées au CRlN, Sarra
Jalcl Mzali, Monjia et Toufik Gabsi, Philippe Anglade, mes deux compagnons du bureau Hassan Bentefrit et Pierre Marquis, ainsi que tous ceux qui m'ont apporté leur soutien amical.Enfin, que
tous mes proches, parents et amis, trouvent ici le témoignage de l'expression de ma plus sincère gratitude, en particulier Kamila, Myriam et Abdelghani, que je remercie pour leur patience, soutien et leurs encouragements. -Merci à tous -Résumé
La détection de contours a pour objectif l'acquisition d'une représentation compacte de toutesles propriétés significatives de la scène perçue. Elle doit être efficace et fiable car la validité et
l'efficacité ainsi que les possibilités de réalisation des traitements ultérieurs y sont directement
liées. Cependant, la présence du bruit dans l'image rend difficile la conception d'un algorithme général de détection de contours satisfaisant d'une manière optimale ces exigences. C'est la raisonpour laquelle de nombreux détecteurs ont été proposés, souvent différents par leur objectif ainsi
quepar leurs propriétés mathématiques et algorithmiques. Le problème auquel se trouve souvent
confrontés les utilisateurs de la détection de contours est le choix du détecteur le plus approprié pour l'application envisagée. Lethème central de cette thèse est la détection de contours dans des images à niveaux de gris, en
visant la mise en oeuvre d'une sélection automatique de détecteurs et de leurs paramètres les plus appropriés pour mettre en évidence un contour donné.Pour disposer d'.un ensemble d'outils nécessaires à la détection de contours, nous proposons deux
détecteurs de contours originaux. Le premier est destiné aux lignes de crête. Il est optimal au sens deCanny et implanté efficacement par des équations aux différences. Le second est un détecteur
de contours fermés de type marches fondé sur des techniques d'apprentissage. li est destiné à des
images comportant quelques objets posés sur un fond. Cet algorithme peut être utilisé pour la détection de contours et pour l'extraction de régions.La définition critère de sélection de détecteurs et le calcul automatique de leurs paramètres
nécessite la spécification de la relation de cause à effet entre les caractéristiques du contour et
les propriétés des détecteurs. Dans ce contexte, nous proposons une étude bibliographique appro
fondie et une étude théorique mettant en évidence l'influence des attributs des contours sur les performances des détecteurs. Cette étude validée par des expérimentations a permis d'obtenir des résultats originaux.En ce qui concerne
la sélection des détecteurs de contours, nous proposons une approche incrémen tale qui consiste à choisir un seul détecteur à chaque itération. La combinatoire de l'approche pro posée est faible grâce à l'utilisation d'heuristiques. Le système implanté est composé d'algorithmes originaux. Il a l'avantage de fournir une solution efficace assurant le compromis entre deux critères de performance qui sont de nature antagoniste : la détection et la localisation.Mots Clés:
détection de contours, sélection de détecteurs, analyse de contours, formation de l'image, fusion des contours, fermeture de contours, m ulti-échelle.Table des matières
Introduction générale
I Introduction
1 La vision par ordinateur
1.1 Définition .............. .
1.2 Organisation
d'un système de vision1.2.1 Extraétion de primitives
1.2.2 Reconstruction 3D
1.2.3 Interprétation .
1.3 Conclusion
2 La formation de l'image
2.1 Introduction ..... .
2.2La fonction image ..
2.3 Les procédés de formation
2.3.1 Image de rayon X
2.3.2 Image optique . .
2.4 Que peut-on extraire
d'une image ? .3 La détection de contours
3.1 Notion de contours ................. .
3.2 La détection de contours est un problème mal posé3.3 Organisation
d'un détecteur de contours3.3.1 Lissage de l'image
3.3.2 Différentiation de l'image
3.3.3 Commutativité des opérations de lissage et de différentiation
3.4 Conclusion 7
9 13 13 13 15 16 17 18 19 19 19 20 2225
25
27
28
29
30
32
33
35
4 Les travaux antérieurs
4.1 Introduction . . . . .
...................... 35 1 24.2 Détecteurs autonomes de contours . . .
4.2.1 Détecteurs informels de marches
4.2.2 Détecteurs
optimaux de marches4.2.3 Détecteurs
d'autre types de contours4.2.4 Détecteur de contours rectilignes
4.3 Détecteurs contextuels de contours . . .
4.3.1 Détecteurs guidés
par le modèle.4.3.2 Générateur de détecteurs
4.4 L'approche multi-échelle
4.4.1 Définition . . . . . . . .
4.4.2La fusion des contours résultats .
4.4.3 La problématique de la détection multi-échelle de contours4.5 Le seuillage
4.6 Conclusion
5 Problématique et Conclusion
5.1 Caractérisation des résultats de la détection de contours
5.2 Problèmes liés
à la définition du contour
5.3 Problèmes liés
aux détecteurs . 5.45.5 5.3.1 Dérivation de détecteurs
5.3.2Implantation d'un détecteur .
5.3.3 Evaluation des résultats
d'un détecteurMéthodologie de détection de contours
Conclusion
II Les détecteurs de contours
1 Quelques détecteurs optimaux
1.1 Détecteur de J.F. Canny ...
1.1.1 Critères de Canny . .
1.1.2 Le détecteur de marche
1.2Détecteur de R. Deriche . . . .
1.3Détecteur de J. Shen et S.
1.4 Conclusion
2 Un détecteur optimal de lignes de crête
2.1 Introduction .......... .
2.2La dérivation du détecteur lD .
2.3 Le
détecteur 2D ........ .2.3.1 Extension du filtre en deux dimensions .
3535
36
39
40
41
41
42
43
43
43
45
46
48
51
51
52
53
53
53
54
55
55
57
61
61
61
62
64
65
65
67
67
68
70
2.3.2 Identification du contour ...........
2.4 Implantation du détecteur 2D . . . . . . . . . ...
2.4.1 Représentation de la fonction de détection .
2.4.2Représentation de
la fonction de projection 2.5 Résumé de l'algorithme de détection des lignes de crête 2.6Evaluation des performances
du détecteur 2.6.1Performances du détecteur proposé .
2.6.2Choix des paramètres du détecteur
2.6.3Complexité de l'algorithme
2.6.4Résultats expérimentaux .
2.6.5 Discussion .
2.7 Conclusion
2.8 Annexe A
2.9Annexe B
3 Détecteur de contours à partir de l'histogramme
3.1 Introduction .............
3.2 Approximation de l'histogramme
3.2.1Estimation des paramètres
3.2.2Valeurs initiales des paramètres à estimer
3.2.3Décomposition d'histogramme
3.3Détermination des seuils . :
3.4Principe de l'algorithme .....
3.5 Evaluation de l'algorithme . . . .
3.5.1Résultats expérimentaux .
3.5.2Comparaison de l'algorithme
3.6 Conclusion
3.7Annexe A
III Sélection automatique de détecteurs de contours1 Présentation globale de l'approche
1.1 Position du problème ....... .
1.2Principe de l'approche de sélection
1.2.1 Quelles informations peut-on utiliser?
1.2.2 Exemple
d'un détecteur de contours 1.2.3 Critère de sélection . . . . . . . . . .1.3 Description globale du système de sélection
1.3.1 Schéma général de l'algorithme
1.3.2 Bibliothèque de détecteurs
..... . 3 7174
74
76
76
77
77
79
80
81
82
83
84
85
87
87
88
89
90
91
93
94
94
98
. 101 . 102 107
111
. 111 . 112 . 112 .. 113 . 114 . 115 . 115 . 116 4
1.3.3 Architecture du système .
1.4 Conclusion . 116
. 1182 Sélection d'un détecteur 119
. 119 . 119 . 120 . 123 . 124 . 126 . 128 . 129 . 129 130. 132 . 132 . 133 2.1 Principe de l'algorithme de sélection d'un détecteur.
2.2 Analyse du contour exemple , . . . . . . . .
2.32.2.1 Estimation
du bruit ........ .2.2.2 Identification du modèle de contour
2.2.3 Estimation des
attributs d'un contour de type marche simple2.2.4 Estimation des
attributs d'une double marche .2.2.5 Segmentation
du contour exemple Choix du détecteur . . . . . . . . . . ..2.3.1 Choix des détecteurs applicables
2.3.2Sélection du meilleur détecteur .
2.4 Description
de détecteurs . . . . . . . . 2.4.1Attributs intrinsèques d'un détecteur .
2.4.2Attributs de performance . . . . . . .
2.4.3 Influence de l'orientation
d'un contour sur les performances d'undétecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
2.4.4 Influence des
attributs image d'un contour sur les performances d'undétecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
2.4.5 Influence des propriétés
d'un détecteur sur ses performances . . 141 2.4.6 Une synthèse . . . . . . . . . . . . . . . . . 143 2.5 Etude d'un exemple . . . . . . . . . . . . . . . . . 1442.5.1 Résultats de
l'étape d'analyse du contour . 1442.5.2 Résultats de
la sélection . 1472.6 Conclusion
2.7 Annexe A
2.7.1Cas d'une marche simple
2.7.2Cas d'une double marche
2.8 Annexe B
2.9 Annexe
C . . . . .
3 Analyse des résultats
3.1 Analyse des résultats .
3.2 Fusion d'images de contours
3.2.1 Notre approche de fusion
3.2.2La règle de fusion des contours
3.2.3 Résultats de
la fusion . . . . .3.3 Evaluation
3.3.1 Génération du contour exemple . 149
. 151 . 152 . 154 . 157 . 159quotesdbs_dbs50.pdfusesText_50[PDF] detendeur 9414532
[PDF] determinacion de yodo en sal
[PDF] déterminant d'une matrice triangulaire
[PDF] determinant de l investissement definition
[PDF] determinant de vandermonde recurrence
[PDF] déterminant matrice 2x2
[PDF] determinant matrice 3x3
[PDF] determinant matrice 4*4
[PDF] déterminant matrice 5x5
[PDF] determinant matrice exercices corrigés
[PDF] determinant matrice propriété
[PDF] déterminant sociologique définition
[PDF] déterminants taux de change
[PDF] détermination de la dureté de l'eau par complexométrie