Equipe : Thématiques

Accueil › L’Institut › ÉquipesPHYTIThématiques › Segmentation ultra-rapide et non supervisée d’images fortement (...)


Segmentation ultra-rapide et non supervisée d’images fortement bruitées

La segmentation d’image constitue un des principaux verrous en traitement d’image, en particulier dans le cas d’images fortement bruitées et lorsque l’on cherche à aboutir à des techniques rapides et non supervisées.

Nous avons développé depuis de nombreuses années différents algorithmes de segmentation et de partition d’image en zones homogènes par contours et grilles actifs polygonaux, fondés sur la minimisation de la complexité stochastique (ou MDL pour « Minimum Description Length »).
Ces techniques, rapides et ne nécessitant pas de paramètre à régler dans le critère à optimiser ont été plus particulièrement appliquées aux images bruitées en présence de speckle (SAR, PolInSAR).

Résultats récents :

-  Généralisation de nos travaux sur les contours et grilles actifs polygonaux dans le cas d’images de textures directionnelles [1] ou lorsque les images peuvent contenir simultanément des objets polygonaux et des objets arrondis [2].
-  Technique de segmentation en deux régions ultra-rapide (moins de 5 millisecondes pour une image de 256×256 pixels sur un ordinateur standard) ne nécessitant ni paramètre à régler dans le critère d’optimisation ni connaissance a priori sur le bruit dans l’image [3], obtenue en particulier grâce à une prise en compte de l’adéquation algorithme-architecture.
-  Généralisation au cas d’images fortement inhomogènes [7].
-  Apport de cet algorithme ultra-rapide et non supervisé pour le pilotage d’un système d’imagerie polarimétrique actif [4,5,6] (ANR AutoPOL, en collaboration avec le laboratoire C. Fabry et Thalès TRT).

Références :

[1] J.-P. Da Costa, F. Galland, A. Roueff and C. Germain, Unsupervised segmentation based on Von Mises circular distributions for orientation estimation in textured images, in Journal of Electronic Imaging, Vol. 21 (2), 2012

[2] F. Galland, A. Jaegler, M. Allain, D. Savery and Ph. Réfrégier, Smooth contour coding with minimal description length active grid segmentation techniques, in Pattern Recognition Letters, Vol. 32 (5), pp. 721- 730, 2011

[3] N. Bertaux, F. Galland and Ph. Réfrégier, Multi Initialisation Segmentation with a Non Parametric Minimum Description Length Snake, in Electronics Letters, Vol. 47 (10), pp. 594-595, 2011

[4] G. Anna, N. Bertaux, F. Galland, F. Goudail and D. Dolfi, Joint contrast optimization and object segmentation in active polarimetric images, in Optics Letters, Vol. 37 (16), pp. 3321-3323, 2012

[5] N. Vannier, F. Goudail, C. Plassart, M. Boffety, P. Feneyrou, L. Leviandier, F. Galland and N. Bertaux, "Active polarimetric imager with near infrared laser illumination for adaptive contrast optimization", in Applied Optics, Vol. 54 (25), pp 7622-7631, 2015.

[6] N. Vannier, F. Goudail, C. Plassart, M. Boffety, P. Feneyrou, L. Leviandier, F. Galland and N. Bertaux, "Comparison of different active polarimetric Imaging modes for target détection in outdoor environment", in Applied Optics, Vol. 55 (11), pp 2881-2891, 2016.

[7] S. Liu, F. Galland and N. Bertaux, Fast nonparametric active contour adapted to quadratic inhomogeneous intensity fluctuations, in Pattern Recognition, Vol. 47 (11), pp 3681-3692, 2014