Fusion entre les données ultrasonores et les images de radioscopie ...

&KDSLWUH ,,, 7UDLWHPHQW DXWRPDWLTXH GHV GRQQpHV
__________________________________________________________________________________________
leur surface par interpolation à partir des bords des objets. Il est également possible de diviser
l'image en zones de plus petite taille, et de travailler sur les histogrammes de chaque zone
[BEVE-89].
Il existe aussi la méthode morphologique du chapeau haut de forme où la mise à plat est
effectuée par soustraction de l’image obtenue après ouverture des niveaux de gris avec
l’image initiale [SERR-84].
II.1.2. Revue de traitement d'images radiologiques industrielles
La principale difficulté de la segmentation des images radiologiques de soudure provient de
l’inhomogénéité du fond liée à l’irrégularité de l’épaisseur du matériau. C’est pourquoi nous
avons relevé dans la littérature les différents techniques de segmentation qui tiennent compte
de ce problème.
Jacobsen et al. appliquent différents traitements en parallèle sur chaque colonne de l'image
afin d'extraire les caractéristiques des contours des défauts. L’étude concerne uniquement les
défauts de fissure et de caniveau. Les opérateurs de détection de contours morphologique et
de dérivée de Gauss, permettent d'extraire les extrema locaux des profils de niveau de gris.
D'autres caractéristiques sont calculées à partir de la transformée de Fourier
unidimensionnelle et de la transformée en ondelettes. Toutes les caractéristiques obtenues
sont les entrées d'un réseau de neurones qui apprend à identifier les variations d'intensité sur
un profil de l'image [JACO-98][JACO-99]. La performance de la méthode a été comparée
avec celle des opérateurs humains et les résultats apportés par les réseaux de neurones sont
très bons. Cependant la méthode s’appuie sur l’hypothèse que les défauts sont allongés dans la
direction du cordon et l’apprentissage nécessite un grand nombre de défauts de chaque type.
Lawson et Parker utilisent un réseau de neurones avec une méthode d’apprentissage très
avantageuse car elle ne demande qu’un nombre limité d’images [LAWS-94]. 50000 zones de
9×9 pixels sont extraites de façon aléatoire à partir de 5 images de soudures. Cet ensemble de
pixels constitue les entrées du réseau de neurones et la sortie est obtenue par une autre
méthode de segmentation considérée comme une référence. Le comportement du réseau est en
fait similaire à l’application d’une séquence de filtres adaptés qui sont combinés de façon
optimale en utilisant un arbre de décision.
Dans le cadre du même projet, Bonser et Lawson ont utilisé par la suite des techniques de
filtrages multiples pour rehausser certains défauts dans les images radioscopiques de soudures
[BONS-98]. Le filtre de Laws E5S5 a été sélectionné pour les défauts plutôt ronds et le filtre
3DJH