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

&KDSLWUH ,,, 7UDLWHPHQW DXWRPDWLTXH GHV GRQQpHV
__________________________________________________________________________________________
de Kirsch orienté de façon à rehausser les défauts longitudinaux. Après rehaussement, la
segmentation de l'image s’appuie sur une mesure de la variance de niveau de gris d'une zone
locale de l'image. Par rapport au réseau de neurones cité plus haut, la méthode fondée sur la
variance est moins sensible aux petits défauts mais elle est plus rapide. Le réseau de neurones
est plus sensible mais il présente un taux de fausses alarmes élevé.
La définition de filtres adaptés à un type particulier de défaut a été utilisée pour la détection
de soufflures [KAFT-98]. Une mesure de similarité de l’image avec le filtre permet de
rehausser le centre des soufflures. Ces centres constituent ensuite les germes utilisés pour une
croissance de régions permettant de retrouver la vraie taille des soufflures. Cette méthode est
efficace, mais ne s’adresse qu’aux soufflures de taille plus importante que le filtre.
Palenichka et al. utilisent une technique de segmentation adaptative fondée sur une
approximation polynomiale du fond ajouté à un modèle polynomial pour les défauts [PALE-
99]. Un bruit Gaussien est ajouté au modèle. Ils définissent ensuite un ensemble de primitives
ayant des formes caractéristiques (rond, allongé…) et d’autres attributs tels que le contrastesur-bruit.
L’originalité de cette méthode est de définir ces primitives à différentes résolutions.
Ainsi la recherche d’une primitive allongée à basse résolution conduit à détecter le cordon de
soudure alors qu’à haute résolution on peut détecter des fissures longitudinales. Il parait
toutefois difficile de détecter simultanément tous les types de défauts.
Cherfa, Kabir et al. ont comparé des méthodes de traitement fondées sur la recherche de
contours (filtre de Canny et Deriche) et sur la croissance de région à partir d’un critère
d’homogénéité. Ils en déduisent qu'aucune des deux familles de traitement ne peut à elle seule
constituer une méthode de segmentation idéale [CHER-98]. Cette étude a conduit Kabir et al.
à utiliser une méthode de segmentation coopérative en combinant les deux approches [KABI-
00]. Toutefois, il est difficile d’estimer la performance du traitement en terme de fausses
détections.
Outre le problème lié à l’inhomogénéité du fond, les images radiologiques se caractérisent par
un bruit élevé. Lefevre et al. présentent une méthode particulièrement efficace pour détecter
des défauts dans un bruit très élevé [LEFE-94]. La méthode utilise une analyse multi-échélle
pour rehausser les défauts tout en diminuant le bruit, ce qui permet ensuite d’appliquer une
technique de segmentation morphologique. Cependant aucune indication n’est donnée sur le
taux de fausses alarmes liées à la détection.
3DJH