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

More documents

Recommendations

Info

&KDSLWUH ,,, 7UDLWHPHQW DXWRPDWLTXH GHV GRQQpHV __________________________________________________________________________________________ a) reconstruction pour le seuil S 1 b) reconstruction pour le seuil S 2 c) reconstruction pour le seuil S 3 d) reconstruction pour le seuil S 4 Figure III.8. : images binaires obtenues après reconstruction des objets de la figure III.6. à partir des marqueurs de la figure III.7. : les objets de petite taille sont supprimés, les autres conservent leur forme initiale L'étape finale de fermeture morphologique permet de boucher les canaux étroits entre les objets de telle sorte que les objets proches se trouvent regroupés (figure III.9.). a) image finale pour le seuil S 1 b) image finale pour le seuil S 2 3DJH
&KDSLWUH ,,, 7UDLWHPHQW DXWRPDWLTXH GHV GRQQpHV __________________________________________________________________________________________ c) image finale pour le seuil S 3 d) image finale pour le seuil S 4 Figure III.9. : images binaires obtenues après fermeture (taille 2) des images de la figure III.8. L'étape de segmentation des images est maintenant terminée et il nous faut choisir un seuil, c'est-à-dire établir un compromis entre l'absence de fausse détection et une détection correcte de la rainure. Malheureusement, les figures précédentes montrent que ces deux aspects varient en sens inverse. Un seuil élevé comme S 4 permet de ne pas de détecter de bruit, ce qui est intéressant dans la mesure où l’on a alors une grande confiance dans le fait que les objets détectés soient réellement des défauts. Néanmoins, le fait que la rainure ne soit pas détectée nous paraît inacceptable puisque nous ne pouvons pas nous reposer systématiquement sur le contrôle ultrasonore pour compenser ce manque de performance. D’un autre côté, le choix d’un seuil faible comme S 1 pose aussi le problème d’un grand nombre de fausses détections. Nous avons choisi d’adopter le seuil S 2 qui nous paraît le meilleur compromis pour les raisons suivantes : les défauts faiblement contrastés sont détectés (parfois en partie comme la rainure) ; en vue des études ultérieures, le nombre de fausses détections reste raisonnable. En effet, puisqu’il reste des fausses détections, il va falloir rechercher les caractéristiques physiques des objets capables de distinguer les fausses détections des vrais défauts. Cette étude ne peut raisonnablement se faire sur un trop grand nombre de fausses détections. Enfin, ce seuil est commode puisqu’il est calculé à partir de la moyenne et de l'écart-type des niveaux de gris d’une image de référence ne contenant pas de défaut. Il est donc possible de calculer ce seuil de manière automatique quelle que soit l'image utilisée. L'inconvénient d'un tel seuil est que même en l'absence de défaut dans l'image, il restera toujours au moins 2% des pixels de l'image au niveau de gris 255 (avant érosion et reconstruction) représentant des fausses détections. Si les bords du cordon sont très clairs, comme c'est le cas ici, la grande majorité des fausses détections sera située dans cette région (figure III.9.b). Il nous faut donc 3DJH
Page 1 and 2:
N° d’ordre : 00 ISAL 0093 Année
Page 3 and 4:
A. LUBRECHT MECANIQUE DES CONTACTS
Page 5 and 6:
INSA de LYON Département des Etude
Page 7 and 8:
3DJH
Page 9 and 10:
Bien sûr, Valérie, je t’exprime
Page 11 and 12:
III.1.4. Flou géométrique _______
Page 13 and 14:
III.2.2.3. Régions de confiance po
Page 15 and 16:
3DJH
Page 17 and 18:
,QWURGXFWLRQ JpQpUDOH _____________
Page 19 and 20:
3DJH
Page 21 and 22:
&KDSLWUH , *pQpUDOLWpV VXU OD IXVL
Page 23 and 24:
Page 25 and 26:
Page 27 and 28:
Page 29 and 30:
Page 31 and 32:
Page 33 and 34:
Page 35 and 36:
Page 37 and 38:
Page 39 and 40:
Page 41 and 42:
&KDSLWUH ,, (WXGH GHV WHFKQLTXHV G
Page 43 and 44:
&KDSLWUH ,, (WXGH GHV WHFKQLTXHV G
Page 45 and 46: &KDSLWUH ,, (WXGH GHV WHFKQLTXHV G
Page 85 and 86: &KDSLWUH ,,, 7UDLWHPHQW DXWRPDWLTX
Page 95: &KDSLWUH ,,, 7UDLWHPHQW DXWRPDWLTX
Page 135 and 136: &KDSLWUH ,9 0RGpOLVDWLRQ GHV &RQQD
Page 147 and 148:
&KDSLWUH ,9 0RGpOLVDWLRQ GHV &RQQD
Page 149 and 150:
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Page 167 and 168:
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
&KDSLWUH 9 5pVXOWDWV H[SpULPHQWDX[
Page 175 and 176:
Page 177 and 178:
Page 179 and 180:
Page 181 and 182:
Page 183 and 184:
Page 185 and 186:
Page 187 and 188:
Page 189 and 190:
Page 191 and 192:
Page 193 and 194:
Page 195 and 196:
Page 197 and 198:
Page 199 and 200:
Page 201 and 202:
Page 203 and 204:
Page 205 and 206:
Page 207 and 208:
&RQFOXVLRQ JpQpUDOH _______________
Page 209 and 210:
&RQFOXVLRQ JpQpUDOH _______________
Page 211 and 212:
$QQH[HV ___________________________
Page 213 and 214:
$QQH[HV ___________________________
Page 215 and 216:
$QQH[HV ___________________________
Page 217 and 218:
$QQH[HV ___________________________
Page 219 and 220:
$QQH[HV ___________________________
Page 221 and 222:
$QQH[HV ___________________________
Page 223 and 224:
$QQH[HV ___________________________
Page 225 and 226:
LVWHGHVDEUpYLDWLRQVSDURUGUHDOSKDEpW
Page 227 and 228:
5pIpUHQFHV ELEOLRJUDSKLTXHV _______
Page 229 and 230:
Page 231 and 232:
Page 233 and 234:
Page 235 and 236:
show all

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

Create successful ePaper yourself

Delete template?

Save as template?