Mémoire de Master Filière Télécommunications Spécialité Réseaux & Télécommunica

Mémoire de Master Filière Télécommunications Spécialité Réseaux & Télécommunications présenté par LOUDNI Mahmoud Segmentation d’Images par les Méthodes des Contours Actifs Proposé par : Pr. GUESSOUM Abderrezak Année Universitaire 2018-2019 اﻟﺟـﻣﮭورﯾﺔ اﻟﺟزاﺋرﯾﺔ اﻟدﯾﻣﻘراطﯾﺔ اﻟﺷﻌﺑﯾﺔ République Algérienne démocratique et populaire وزارة اﻟﺗﻌﻠﯾم اﻟــﻌــﺎﻟﻲ و اﻟﺑﺣــث اﻟﻌــﻠﻣــﻲ Ministère de l’enseignement supérieur et de la recherche scientifique ﺟــﺎﻣﻌﺔ ﺳﻌد دﺣﻠب اﻟﺑﻠﯾدة Université SAAD DAHLAB de BLIDA ﻛﻠﯾﺔ اﻟﺗﻛﻧوﻟوﺟﯾﺎ Faculté de Technologie ﻗﺳم اﻹﻟﻛﺗروﻧﯾـك Département d’Électronique Remerciements Au terme de ce travail, Je tiens tous d’abord à remercier mon Dieu. Je faillirai à la tradition si je n'exprimé ici ma gratitude envers tous ceux qui ont collaboré à l'exécution de ce mémoire. Je remercie avant tout mon promoteur Mr. GUESSOUM Abderrezak, Professeur à l’Université Saad Dahleb de Blida (USDB), d'avoir si complaisamment accepté de m’encadrer pour réaliser ce mémoire. Et de m’avoir dirigé et soutenu tout au long de ce travail. Je suis très reconnaissant envers le président et tous les membres de jury d'avoir bien voulu juger ce travail, qu'ils en soient louablement gratifiés. Je remercie également mon chère amis Mr. SLIMANI Djamel pour sa gentillesse, sa serviabilité, sa disponibilité et pour ses précieux conseils et son esprit de recherche. Il m’a initié au domaine de traitement d’images, et m’a encouragé à poursuivre dans cette voie. Je tiens à lui exprimer ma vive gratitude pour sa patience et son endurance pendant ces mois de recherche. Que mes parents trouvent ici ma grande reconnaissance pour leur rôle et leur concours à l'accomplissement de ce mémoire. Une pensée affectueuse va bien sûr à tous mes amis de l'université ou d’ailleurs, ainsi qu’à toute la famille et à tous ceux qui ont participé de prés ou de loin à ce travail. Enfin on dit un grand merci pour ﻣﻠﺧص :ﻓﻲ ھذا اﻟﻌﻣل ، ﻧﻘﺗرح طرﯾﻘﺔ ﺗﺟزﺋﺔ ﻟﻠﺻور ﺳرﯾﻌﺔ ،ﻣﺳﺗﻘرة ،ﻣﺗﻘﺎرﺑﺔ وﻗوﯾﺔ ﻣن ﺣﯾث ،اﻟﺿوﺿﺎء ﻣﻊ ﺗﻔﺿﯾل اﻟﻣﻌﺎﻟم اﻟﻧﺷطﺔ اﻟﺑﺎراﻣﺗرﯾﺔ .ﺗﻌﺗﻣد اﻟﺧوارزﻣﯾﺔ اﻟﻣﺳﺗﺧدﻣﺔ ﻋﻠﻰ اﺳﺗﺧدام ﺧرﯾطﺔ اﻟﻣﺳﺎﻓﺔ ﻟﻣرﻛز اﻟﺛﻘل واﻟﺗﻲ ﺗﺗﺳم ﺑﺎﻟﺑﺳﺎطﺔ واﻟﺳرﻋﺔ ﻣﻊ اﺳﺗﺧدام ﻣﺗﻐﯾر اﻟﻣﻌﺎﻣﻼت ًوﻣﺗﻧﺎﺳﺑ ﺎ ﻣﻊ اﻟﺟداء اﻟﺳﻠﻣﻲ ﺑﯾن ﻗوى اﻟﻣﺳﺎﻓﺔ و اﻟﻧﺎظم إﻟﻰ اﻟﻣﻧﺣﻧﻰ .ﺗم إﺟراء ﺗﻘﯾﯾم ﻟﮭذه اﻟطرﯾﻘﺔ ﻣن ﺧﻼل اﻟﻌدﯾد ﻣن ﻋﻣﻠﯾﺎت اﻟﻣﺣﺎﻛﺎة ﻓﻲ ﺑرﻧﺎﻣﺞ اﻟﻣﺎﺗﻼب، ﻣن ﺧﻼل إﺟراء ﺗﺟﺎرب ﻋﻠﻰ اﻟﺻور اﻻﺻطﻧﺎﻋﯾﺔ واﻟﺣﻘﯾﻘﯾﺔ ، واﻟﺗﻲ أﻋطت ﻧﺗﺎﺋﺞ ﺟﯾدة وأ ظﮭر ت ﻓﻌﺎﻟﯾﺔ ھذه اﻟﺧوارزﻣﯾﺔ. ﻛﻠﻣﺎت اﻟﻣﻔﺎﺗ ﯾﺢ :ﺗﺟزﺋﺔ اﻟﺻورة؛ ﻣﻌﺎﻟم ﻧﺷطﺔ؛ ﻣﺟﻣوﻋﺎت اﻟﻣﺳﺗوى ؛ ﺗﺷﺎن ؛ﻓﺎز و طﺎﻗﺔ. Résumé : Dans ce travail, nous proposons une méthode de segmentation d’images rapide, stable, convergente et robuste aux bruits, en privilégiant les contours actifs paramétriques. L’algorithme utilisé est basé sur l’utilisation de la carte de distance du centre de gravité qui est simple, rapide avec l’utilisation des coefficients variables et proportionnels au produit scalaire entre les forces de distance et la normale à la courbe. L’évaluation de cette méthode a été réalisée à travers une multitude de simulations sur MATLAB, en effectuant des tests sur des images synthétiques et réelles, qui ont donné de bons résultats et montre l’efficacité de cet algorithme. Mots clés : Segmentation d’image ; Contours actifs ; level sets ; Chan et Vese ; Energie. Abstract : In this work, we propose a fast, stable, convergent and noise-robust image segmentation method, favoring parametric active contours. The algorithm used is based on the use of the distance map of the center of gravity which is simple, fast with the use of the coefficients variable and proportional to the scalar product between the forces of distance and the normal to the curve. The evaluation of this method was carried out through a multitude of simulations on MATLAB, by performing tests on synthetic and real images, which gave good results and shows the effectiveness of this algorithm. Keywords : Image segmentation; Active contours; level sets; Chan and Vese; Energy. Listes des acronymes et abréviations  EDP : Équation aux Dérivées Partielles.  FMM : Méthode Fast Marching.  GGVF: Generalized Gradient Vector Flow.  GVF : Gradient Vector Flow.  LPE : ligne de partage des eaux.  MS : Mumford et Shah  Pixels : Picture Element.  3D : Signal à 3 dimensions Table des matières Introduction générale ...................................................................................................1 Chapitre 1 "Généralités sur la segmentation d’images" 1.1 Introduction …………………………………………………………………………………………………….…4 1.2 Nécessité de la compression…………………………………………………………………………….…4 1.3 Objectifs de la segmentation………………………………………………………………………………5 1.4 Le choix d’une technique de segmentation............................................................5 1.5 Classification des approches de la segmentation d’image………………………………….5 1.5.1 Approche basée ‘Contours’……………………………………………………………………………5 1.5.1.1 Le processus « classique » de détection de contours…………………………….6 1.5.1.2 Contours actifs, approche frontier………………………………………………………...7 1.5.2 Approche basée ‘Régions’………………………………………………………………………………9 1.5.2.1 Les Méthodes statistiques (Segmentation par seuillage)………………………..9 1.5.2.2 Les méthodes structurales…………………………………………………………………..…9 1.5.2.3 Les contours actifs basés régions………………………………………………………….10 1.6 Conclusion…………………………………………………………………………………………………………11 Chapitre 2 "Les contours actifs paramétriques" 2.1 Introduction ……………………………………………………………………………………………….…….12 2.2 Définition ……………………………………………………………………………………………………….…12 2.3 Energies ……………………………………………………………………………………………………………14 2.3.1 Energie interne ………………………………………………………………………………………….14 2.3.2 Energie externe ………………………………………………………………………………………...14 2.4 Implémentation …………………………………………………………………………………………..…..15 2.5 Intérêts et Limites du modèle classique …………………………………………………………..17 2.6 GVF Snake (Gradient Vector Flow Snake) …………………………………………………………19 2.6.1 Champ GVF (GVF Field) ……………………………………………………………………………...19 2.6.1.1 Calcul de la carte du contour (Edge Map) ………………………………………..…20 2.6.1.2 Calcul de flux du vecteur gradient (GVF) ………………………………………..…..20 2.6.2 Implémentation numérique ………………………………………………………………….……21 2.7 GVF Généralisé (GGVF: Generalized Gradient Vector Flow)………………………..……23 2.7.1 Description de la méthode…………………………………………………………………….……23 2.7.2 Implémentation numérique………………………………………………………………………..25 2.8 Conclusion……………………………………………………………………………………………………..….26 Chapitre 3 "Méthodes implicites" 3.1 Introduction ………………………………………………………………………………………………..……27 3.2 Théorie de l’évolution des courbes…………………………………………………………………..27 3.2.1 Déformation selon la courbure……………………………………………………………..…….28 3.2.2 Déformation constante…………………………………………………………………………..…..29 3.2.3 Level Set (courbes de niveaux)………………………………………………………………..…..29 3.3 Contours actifs géométriques…………………………………………………………………….…….31 3.3.1 Equation d’évolution……………………………………………………………………………………31 3.3.2 Formulation à l’aide des level set…………………………………………………………….….32 3.3.3 Extraction de contours…………………………………………………………………………….…..32 3.4 Contours actifs géodésiques…………………………………………………………………………....32 3.4.1 Fonctionnelle d’énergie………………………………………………………………………….……33 3.4.2 Minimisation de la fonctionnelle d’énergie…………………………………………….……33 3.4.3 Equation d’évolution de la courbe……………………………………………………………...34 3.4.4 Formulation en courbes de niveaux…………………………………………………………….34 3.4.5 Discrétisation de l’équation d’évolution………………………………………………….…..35 3.4.6 Résultats et discussion……………………………………………………………………….……….38 3.5 Contours actifs basés régions……………………………………………………………………….….40 3.5.1 Fonctionnelle d’énergie………………………………………………………………………………40 3.5.2 Equation d’évolution………………………………………………………………………………….40 3.5.3 Modèle de Mumford et Shah………………………………………………………………..……41 3.5.4 Méthode de Chan et Vese……………………………………………………………………….…41 3.5.4.1 Fonctionnelle d’énergie………………………………………………………….…………41 3.5.4.2 Formulation du modèle avec les levels sets…………………………………….…43 3.5.4.3 Equation d’évolution………………………………………………………………………….44 3.6 Conclusion………………………………………………………………………………………………………..45 Chapitre 4 "Amélioration, Résultats et discussions" 4.1 Introduction…………………………………………………………………………………………………..….46 4.2 Principe de l’approche…………………………………………………………………………………..…46 4.2.1 Alternance des forces…………………………………………………………………………….…..46 4.2.2 Amélioration de la convergence par la carte de distance du centre de gravité…………………………………………………………………………………………..…………..47 4.3 Description de l’approche…………………………………………………………………………………..48 4.4 Paramètres de l’approche proposée…………………………………………….…………………….49 4.5 Présentation des images tests…………………………………………………………………….……..50 4.6 Application et Résultats expérimentaux………………………………………………………..…..51 4.6.1 Test sur des images synthétiques (un seul objet)…………………………………………..51 4.6.2 Test sur des images synthétiques (multi-objets)…………………………………………...53 4.6.3 Test sur des images réelles (un seul objet)…………………………………………………….54 4.6.4 Test sur des images réelles (multi-objets)……………………………………………………..55 4.7 Analyse des Résultats………………………………………………………………………………………...55 4.8 Conclusion…………………………………………………………………………………………………………..56 Conclusion générale……………………………………………………………………………………………….57 Bibliographie…………………………………………………………………………………………….……………59 Liste des figures Chapitre 1 Figure 1.1. Le processus classique de détecteur de contours……………………………………...6 Figure 1.2. Segmentation de plusieurs objets à l’aide des contours actifs géodésiques.9 Chapitre 2 Figure 2.1. Principe des contours actifs………………………………………………………………………13 Figure 2.2. Contour actif : coordonnées cartésiennes et abscisse curviligne pour un snake de n points………………………………………………………………………………..…..13 Figure 2.3. Résultat de segmentation par le snake classique………………………………………18 Figure 2.4. Champ (GVF) pour un objet. Ces vecteurs tireront un contour actif vers la frontière de l'objet………………………………………………………………………………………………………………19 Figure 2.5. Résultats de segmentation par le GVF Snake sur des images synthétiques.22 Figure 2.6. Résultat de segmentation par la méthode de GGVF Snake sur des images synthétiques…………………………………………………………………………………………….25 Chapitre 3 Figure 3.1. Évolution en fonction de la courbure……………….………………………………………28 Figure 3.2. Exemple de représentation du contour par un ensemble des courbes de..30 niveaux. (Fonction distance 3D signée  (x,y) utilisée dans les level set) Figure 3.3. Fonction  : fonction distance signée au contour C………………………………….31 Figure 3.4. Illustration de la fonction d’arrêt g et de la force externe………………………...35 Figure 3.5. Un point singulier naît à la rencontre de deux ondes……………………………...35 Figure 3.6. Résultats de segmentation par le modèle des contours actifs géodésiques39 Figure 3.7. Segmentation par la méthode de Chan et Vese ; selon les cas possibles de la position de la courbe……………………………………………………………………………..…..42 Figure 3.8. Segmentation sur une image multi-objets par la méthode de Chan et Vese……………………………………………………………………………………………………………44 Figure 3.9. Segmentation sur une image multi-objets bruitée par la même méthode..44 Chapitre 4 Figure 4.1. Diagramme en bloc de la méthode proposée…………………………………………..49 Figure 4.2. Images de synthèses (un et multi objet)……………………………………………………50 Figure 4.3. Images réels……………………………………………………………………………………………..50 Figure 4.4. Evolution de la Segmentation d’image d’un seul objet par la méthode proposée. (Initialisation à l’extérieur de l’objet)…………………………………..….51 Figure 4.5. Evolution de la Segmentation d’image d’un seul objet par la méthode proposée. (Initialisation à l’intérieur de l’objet)……………………….………………52 Figure 4.6. Segmentation d’image multi-objet par la méthode proposée……..…………..53 Figure 4.7. Segmentation d’images réelles d’un seul objet par la méthode proposée.54 Figure 4.8. Segmentation d’image réelles multi-objet par la méthode proposée……...55 1 Introduction générale Le traitement d'images joue aujourd'hui un rôle important dans de nombreux domaines. Dans un système de traitement d’images, l’opération la plus importante est la segmentation d’image, car elle est située à l’articulation entre le traitement et l’analyse des images. Le processus d’analyse d’image est défini comme l’ensemble des méthodes et outil permettant de décrire quantativement le contenu d’une image. La segmentation continue encore de susciter un grand engouement chez les chercheurs dans le domaine de la vision artificielle. En effet, de la précision de cette opération dépendent toutes les étapes suivantes liées à d’autres traitements, à des mesures et des interprétations. Son objectif consiste à partitionner l’image en sous-ensembles ou régions homogènes de sorte uploads/Marketing/ pfe-2019-segmentation-d-x27-image 1 .pdf

  • 52
  • 0
  • 0
Afficher les détails des licences
Licence et utilisation
Gratuit pour un usage personnel Attribution requise
Partager
  • Détails
  • Publié le Mai 09, 2022
  • Catégorie Marketing
  • Langue French
  • Taille du fichier 1.4488MB