Snakes avec a priori en utilisant l'alignement de formes
Snakes avec a priori en utilisant l'alignement de formes
Snakes avec a priori en utilisant l'alignement de formes
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Snakes</strong> <strong>avec</strong> a <strong>priori</strong> <strong>en</strong> <strong>utilisant</strong> l’alignem<strong>en</strong>t <strong>de</strong> <strong>formes</strong><br />
M-A Charmi 1 , S. Derro<strong>de</strong> 2 , F. Ghorbel 1<br />
1 Laboratoire CRISTAL,<br />
Groupe <strong>de</strong> Recherche Images et Formes <strong>de</strong> Tunisie (GRIFT),<br />
Campus Universitaire <strong>de</strong> la Manouba 2010, Tunisie.<br />
charmi.ma@free.fr,faouzi.ghorbel@<strong>en</strong>si.rnu.tn<br />
2 Institut Fresnel (CNRS UMR 6133)<br />
École C<strong>en</strong>trale Marseille,<br />
Technopôle <strong>de</strong> Château-Gombert,<br />
8, rue Frédéric Joliot Curie, 13451 Marseille Ce<strong>de</strong>x 20, France.<br />
stephane.<strong>de</strong>rro<strong>de</strong>@fresnel.fr<br />
Résumé Dans cet article, nous prés<strong>en</strong>tons une métho<strong>de</strong> <strong>de</strong> snakes <strong>avec</strong> a <strong>priori</strong> <strong>de</strong> forme<br />
géométrique. Nous utilisons l’alignem<strong>en</strong>t du snake <strong>en</strong> cours d’évolution <strong>avec</strong> une forme <strong>de</strong><br />
référ<strong>en</strong>ce introduite l’utilisateur pour ajouter <strong>de</strong> nouvelles forces attirant les snakes vers la<br />
forme <strong>de</strong> référ<strong>en</strong>ce. La métho<strong>de</strong> proposée permet d’améliorer les résultats <strong>de</strong> l’algorithme<br />
dans le cas d’images bruitées, détecte <strong>de</strong>s objets partiellem<strong>en</strong>t occlutés et résout le problème<br />
d’évolution dans les zones concaves.<br />
Mots clés <strong>Snakes</strong>, a <strong>priori</strong> <strong>de</strong> <strong>formes</strong>, Invariants, Fourier.<br />
1 Introduction<br />
Les contours actifs [5], snakes, sont <strong>de</strong>s métho<strong>de</strong>s <strong>de</strong> détection <strong>de</strong> contours par la<br />
minimisation d’une fonctionnelle d’énergie. L’énergie <strong>de</strong>s snakes est calculée à partir <strong>de</strong>s<br />
niveaux <strong>de</strong> gris <strong>de</strong> l’image qui constitu<strong>en</strong>t <strong>de</strong>s primitives <strong>de</strong> bas niveau. D’ici vi<strong>en</strong>t l’utilité<br />
d’ajouter <strong>de</strong>s informations a <strong>priori</strong> sur ces modèles. Dans ce contexte, plusieurs travaux<br />
ont été prés<strong>en</strong>tés. Ces travaux introduis<strong>en</strong>t <strong>de</strong>ux familles d’a <strong>priori</strong> : un a <strong>priori</strong> <strong>de</strong> forme<br />
statistique par l’appr<strong>en</strong>tissage <strong>de</strong>s <strong>formes</strong> et un a <strong>priori</strong> <strong>de</strong> forme géométrique <strong>en</strong> <strong>utilisant</strong><br />
<strong>de</strong>s <strong>de</strong>scripteurs <strong>de</strong> <strong>formes</strong> invariants<br />
Dans la première famille, Staib et al. [7] propos<strong>en</strong>t <strong>de</strong> modéliser les <strong>formes</strong> par une<br />
distribution <strong>de</strong> probabilité Gaussi<strong>en</strong>ne. Diffusion <strong>Snakes</strong> [2] introduis<strong>en</strong>t un a <strong>priori</strong> statistique<br />
sur la forme au modèle <strong>de</strong> Mumford-Shah. Dans le contexte <strong>de</strong> l’a <strong>priori</strong> géométrique,<br />
nous citons l’utilisation <strong>de</strong>s invariants <strong>de</strong> Fourier [1] et <strong>de</strong>s mom<strong>en</strong>ts <strong>de</strong> Leg<strong>en</strong>dre [3].<br />
Notre travail traite l’ajout d’un a <strong>priori</strong> <strong>de</strong> forme géométrique sur le modèle <strong>de</strong>s snakes<br />
<strong>en</strong> <strong>utilisant</strong> l’alignem<strong>en</strong>t <strong>de</strong> <strong>de</strong>ux <strong>formes</strong> <strong>en</strong> minimisant une distance calculée sur leurs<br />
<strong>de</strong>scripeturs <strong>de</strong> Fourier. Ceci nous permet <strong>de</strong> dégager <strong>de</strong> nouvelles forces qui attir<strong>en</strong>t le<br />
contour <strong>en</strong> évolution vers la forme introduite par l’utilisateur.
M-A Charmi, S. Derro<strong>de</strong>, F. Ghorbel<br />
Le reste <strong>de</strong> cet article est organisé comme suit : dans la <strong>de</strong>uxième partie, nous prés<strong>en</strong>tons<br />
la métho<strong>de</strong> d’alignem<strong>en</strong>t <strong>de</strong> <strong>formes</strong>. L’intégration <strong>de</strong> l’a <strong>priori</strong> sur la forme est décrite<br />
dans la section 3. Ensuite, nous montrons et discutons les résultats obt<strong>en</strong>us sur <strong>de</strong>s images<br />
syntétiques et réelles. Nous finissons par la conclusion et perspectives <strong>de</strong> ce travail.<br />
2 Alignem<strong>en</strong>t <strong>de</strong> Formes<br />
Le contour d’un objet plan peut être représ<strong>en</strong>té par une courbe paramétrée : γ :<br />
[0, 2π] −→ C<br />
l ↦−→ x(l) + i y(l), (1)<br />
<strong>avec</strong> i 2 = −1. Les coeffici<strong>en</strong>ts <strong>de</strong> Fourier <strong>de</strong> γ sont données par :<br />
C k (γ) =<br />
∫ 2π<br />
0<br />
γ(l) e −ikl dl, k ∈ Z. (2)<br />
Soi<strong>en</strong>t γ 1 et γ 2 <strong>de</strong>ux courbes paramétrées c<strong>en</strong>trées et normalisées <strong>de</strong> <strong>de</strong>ux objets plans<br />
F 1 et F 2 . L’objectif <strong>de</strong> cette partie est <strong>de</strong> trouver les paramètres <strong>de</strong> transformation euclidi<strong>en</strong>ne<br />
<strong>en</strong>tre les courbes γ 1 et γ 2 . Ghorbel [4] montre que (3) est une métrique <strong>en</strong>tre les<br />
<strong>formes</strong> F 1 et F 2 .<br />
d(F 1 , F 2 ) = inf ‖γ 1(l) − e iθ γ 2 (l + l 0 )‖, (3)<br />
(l 0 ,θ)∈T 2<br />
où θ est l’angle <strong>de</strong> rotation <strong>avec</strong> T = [0, 2π], l 0 est la différ<strong>en</strong>ce <strong>en</strong>tre les points <strong>de</strong> départ<br />
<strong>de</strong>s <strong>de</strong>ux courbes. On ne ti<strong>en</strong>t pas <strong>en</strong> compte ici <strong>de</strong> la translation et du facteur d’échelle<br />
α étant donné que les <strong>de</strong>ux paramétrisations sont c<strong>en</strong>trées par rapport à leur c<strong>en</strong>tres <strong>de</strong><br />
masse respectifs et normalisées. Dans le domaine <strong>de</strong> Fourier, par le biais du théorème du<br />
retard, calculer cette distance revi<strong>en</strong>t à minimiser f(θ, l 0 ).<br />
f(θ, l 0 ) = ∑ ∣<br />
∣C k (γ 1 ) − e i(kl0+θ) C k (γ 2 ) ∣ 2 . (4)<br />
k∈Z<br />
Dans [6], Persoon & al. propos<strong>en</strong>t une solution numérique pour calculer l 0 and θ. En<br />
effet, l 0 est une <strong>de</strong>s zéros <strong>de</strong> g(l)<br />
g(l) = ∑ k<br />
− ∑ k<br />
ρ k sin(ψ k + kl) ∑ k<br />
kρ k sin(ψ k + kl) ∑ k<br />
kρ k cos(ψ k + kl)<br />
ρ k cos(ψ k + kl),<br />
(5)<br />
où ρ k e iψ k<br />
= Ck ∗(γ 1) C k (γ 2 ). θ vérifie l’équation (6) et minimise f(θ, l 0 ) où l 0 est une <strong>de</strong><br />
l’équation (5).<br />
∑<br />
tan θ = −∑ k ρ k sin(ψ k + kl 0 )<br />
k ρ k cos(ψ k + kl 0 ) . (6)
<strong>Snakes</strong> <strong>avec</strong> a <strong>priori</strong> <strong>en</strong> <strong>utilisant</strong> l’alignem<strong>en</strong>t <strong>de</strong> <strong>formes</strong><br />
Une fois l 0 et θ calculés, le facteur d’échelle α est calculé par la formule suivante :<br />
∑<br />
ρ cos(ψ k + kl 0 + θ)<br />
α =<br />
k<br />
∑<br />
C k (γ 1 )C k (γ 2 )<br />
k<br />
Ghorbel montre dans [4] l’unicité <strong>de</strong>s paramètres trouvés. En effet, minimiser (4) est<br />
équival<strong>en</strong>t à calculer la distance <strong>de</strong> Hausdorff <strong>en</strong>tre F 1 et F 2 dans le domaine <strong>de</strong> Fourier.<br />
La figure 1 montre un exemple d’alignem<strong>en</strong>t <strong>de</strong> <strong>de</strong>ux contours <strong>de</strong> la même forme liées par<br />
une rotation θ et un décallage l 0 . La courbe <strong>de</strong> la figure 1(c) montre l’évolution <strong>de</strong> g(l).<br />
(7)<br />
(a) (b) (c)<br />
Figure 1. Exemple d’alignm<strong>en</strong>t <strong>de</strong> courbes <strong>en</strong> <strong>utilisant</strong> les <strong>de</strong>scripteurs <strong>de</strong> Fourier : (a) et (b) sont les <strong>de</strong>ux<br />
courbes liées par θ et l 0 ; (c) représ<strong>en</strong>te la variation <strong>de</strong> g(l). Le point rouge correspond à l 0 .<br />
3 Incorporation le l’a <strong>priori</strong> dans le modèle <strong>de</strong>s <strong>Snakes</strong><br />
Un snake [5] est une courbe paramétrée v(l, t) qui se déplace sous l’influ<strong>en</strong>ce d’une<br />
fonctionnelle d’énergie pour plaquer les contours d’un objet. La fonctionnelle d’énergie<br />
<strong>de</strong>s snakes compr<strong>en</strong>d ess<strong>en</strong>tiellem<strong>en</strong>t <strong>de</strong>ux termes :<br />
– l’énergie interne qui permet le lissage du contour et évite l’apparition <strong>de</strong>s angles<br />
aigus,<br />
– l’énergie externe qui attire les contours vers les gradi<strong>en</strong>t fort <strong>de</strong> l’image.<br />
E (v(l, t)) =<br />
∫ 1<br />
0<br />
w 1<br />
∣ ∣ v ′ (l, t) ∣ ∣ 2 + w 2<br />
∣ ∣ v ′′ (l, t) ∣ ∣ 2<br />
−w 3 |∇ (G σ ∗ I)| 2 dl.<br />
<strong>avec</strong> w 1 , w 2 and w 3 les pondérations <strong>de</strong>s différ<strong>en</strong>tes énergies <strong>de</strong>s snakes. La minimisation<br />
<strong>de</strong> l’énergie par la métho<strong>de</strong> d’Euler Lagrange est donnée par l’équation suivante [5] :<br />
(I N + τA) v(t) = v(t − 1) + τF ext (v(t − 1)) , (9)<br />
où A est une matrice p<strong>en</strong>tadiagonale symétrique calculée à partir <strong>de</strong>s coeffici<strong>en</strong>t w 1 et w 2 .<br />
τ le pas temporel, N le nombre <strong>de</strong> points du snake, I N la matrice id<strong>en</strong>tité et F ext les forces<br />
dérivées <strong>de</strong> l’énergie externe :<br />
(8)<br />
F ext = −∇ |∇(G σ ∗ I)| 2 . (10)
M-A Charmi, S. Derro<strong>de</strong>, F. Ghorbel<br />
Soit v(t) le snake <strong>en</strong> cours d’évolution. v r la forme représ<strong>en</strong>tant l’a <strong>priori</strong> <strong>de</strong> forme<br />
(forme <strong>de</strong> référ<strong>en</strong>ce). à chaque iteration t, les paramètres l 0 et θ sont estimés à l’ai<strong>de</strong> <strong>de</strong><br />
l’algorithme expliqué dans la section 2. Les <strong>de</strong>ux <strong>formes</strong> v(t) et v r n’ont pas exactem<strong>en</strong>t<br />
la même forme mais cette métho<strong>de</strong> donne la meilleure approximation <strong>de</strong>s paramètres <strong>de</strong><br />
transformation. On assure ainsi la correspondance <strong>en</strong>tre le différ<strong>en</strong>ts points <strong>de</strong>s <strong>de</strong>ux <strong>formes</strong><br />
données par leurs paramétrisations <strong>en</strong> N points.<br />
Ensuite, on construit v r (t), la forme alignée <strong>avec</strong> v(t). Les <strong>de</strong>scripteurs <strong>de</strong> Fourier<br />
C k (v r (t)) <strong>de</strong> v t r sont données par l’équation (11).<br />
C k (v r (t)) = 1 α e−iθ e −ikl 0<br />
C k (v(t)). (11)<br />
On définit ainsi les forces F forme (t) dont la valeur <strong>en</strong> chaque point du snakes correspond<br />
à la direction et la norme du vecteur formé par chaque <strong>de</strong>ux points homologues <strong>de</strong> v(t) et<br />
v r (t).<br />
Les nouvelles forces <strong>de</strong>s snakes <strong>de</strong>vi<strong>en</strong>n<strong>en</strong>t alors :<br />
F forme (t) = v r(t) − v(t)<br />
|v t r(t) − v(t)| , (12)<br />
F snakes = c 1 F forme + c 2 F ext , (13)<br />
où c 1 et c 2 sont <strong>de</strong>ux constantes qui p<strong>en</strong>dèr<strong>en</strong>t l’effet <strong>de</strong>s <strong>de</strong>ux forces du snakes. Ces <strong>de</strong>ux<br />
paramètres sont déterminés d’une manière empiriques. Généralem<strong>en</strong>t, la valeur <strong>de</strong> c 2 est<br />
la plus importante.<br />
4 Résultats expérim<strong>en</strong>taux<br />
Nous prés<strong>en</strong>tons dans cette section les résultats <strong>de</strong> la métho<strong>de</strong> proposée. Nous comm<strong>en</strong>çons<br />
par illustrer l’effet <strong>de</strong>s forces introduites au modèle. En abs<strong>en</strong>ce <strong>de</strong>s forces externes<br />
régies par les niveaux <strong>de</strong> gris (c 2 = 0) <strong>de</strong> l’image, le snakes évolu<strong>en</strong>t vers la forme <strong>de</strong><br />
référ<strong>en</strong>ce. Dans la figure 2 nous montrons quelques itérations <strong>de</strong> la converg<strong>en</strong>ce du contours<br />
vers la forme <strong>de</strong> référ<strong>en</strong>ce illustrée par la figure 2(d). Cet exemple montre aussi la capacité<br />
du modèle à évoluer dans les zones concaves. Les modèles paramétriques <strong>de</strong>s snakes sont<br />
(a) (b) (c) (d)<br />
Figure 2. Un contour évoluant sous l’influ<strong>en</strong>ce <strong>de</strong>s forces <strong>de</strong> <strong>formes</strong> uniquem<strong>en</strong>t.<br />
connus par leur incapacité d’évoluer dans <strong>de</strong>s zones concaves. Le modèle GVF [8] est l’un
<strong>Snakes</strong> <strong>avec</strong> a <strong>priori</strong> <strong>en</strong> <strong>utilisant</strong> l’alignem<strong>en</strong>t <strong>de</strong> <strong>formes</strong><br />
(a) Initialisation<br />
(b) Result<br />
Figure 3. Résultats sur <strong>de</strong>s <strong>formes</strong> concaves.<br />
<strong>de</strong>s rares modèle capable <strong>de</strong> surmonter cet obstacle mais ces résultats dép<strong>en</strong>d<strong>en</strong>t <strong>de</strong> la<br />
profon<strong>de</strong>ur <strong>de</strong> la concavité. La métho<strong>de</strong> que nous prés<strong>en</strong>tons est capabale d’évoluer dans<br />
les concavités comme le montre la Figure 3.<br />
Nous avons testé notre métho<strong>de</strong> sur objets partiellem<strong>en</strong>t occlutés et sur <strong>de</strong>s images<br />
bruités. Les résultats sont montrés dans la figure. 4. Malgré l’int<strong>en</strong>sité du bruit (a), la<br />
forme <strong>en</strong> U est bi<strong>en</strong> localisée. La métho<strong>de</strong> réussit aussi à trouver les contours d’un objet<br />
partiellem<strong>en</strong>t occluté (b). Ces résultats ont été comparés <strong>avec</strong> d’autres donnés par une<br />
métho<strong>de</strong> prés<strong>en</strong>tée récemm<strong>en</strong>t [1] et ils sont visuellem<strong>en</strong>t meilleures.<br />
(a) Image bruitée, (b) Objet Partiellem<strong>en</strong>t<br />
occluté.<br />
Figure 4. Résultats <strong>de</strong>s snakes pour <strong>de</strong>s images bruités et prés<strong>en</strong>tant <strong>de</strong>s objets partiellem<strong>en</strong>t occlutés.<br />
La métho<strong>de</strong> prés<strong>en</strong>tée donne <strong>de</strong>s résultats meilleurs que les métho<strong>de</strong>s classiques. En<br />
effet, les informations a <strong>priori</strong> aid<strong>en</strong>t le contours à surmonter le bruit et les zones occludées.<br />
En plus, elles permett<strong>en</strong>t d’attirer le contour dans les zones concaves même <strong>en</strong><br />
abs<strong>en</strong>ce du gradi<strong>en</strong>t <strong>de</strong> l’image. Cep<strong>en</strong>dant, la complexité numérique <strong>de</strong> l’algorithme est<br />
important par rapport aux modèles classiques <strong>de</strong>s snakes. Le surcoût provi<strong>en</strong>t du calcul<br />
<strong>de</strong> la FFT et <strong>de</strong> l’estimation <strong>de</strong>s paramètres <strong>de</strong> la transformation euclidi<strong>en</strong>ne. Afin <strong>de</strong><br />
réduire les temps <strong>de</strong> calculs, nous tronquons les coeffici<strong>en</strong>ts <strong>de</strong> Fourier. Dans [4], Ghorbel<br />
montre expérim<strong>en</strong>talem<strong>en</strong>t que pour <strong>de</strong>s <strong>formes</strong> relativem<strong>en</strong>t lisses, 20 coeffici<strong>en</strong>ts <strong>de</strong> Fourier<br />
donn<strong>en</strong>t une bonne approximation <strong>de</strong> θ et l 0 . En plus, nous réduisons notre espace <strong>de</strong><br />
recherche au fur et à mesure <strong>de</strong> l’évolution <strong>de</strong> l’algorithme.<br />
Nous avons appliqué la métho<strong>de</strong> à la segm<strong>en</strong>tation <strong>de</strong>s images syntigraphiques du<br />
myocar<strong>de</strong> <strong>en</strong> <strong>utilisant</strong> comme template un croquis d’une forme ressemblant à l’anatomie<br />
<strong>de</strong> l’objet recherché. L’initialisation a été placée autour du myocar<strong>de</strong>. Les résultats sont
M-A Charmi, S. Derro<strong>de</strong>, F. Ghorbel<br />
(a) (b) (c) (d)<br />
Figure 5. Application aux images scintigraphiques du myocar<strong>de</strong>.<br />
prés<strong>en</strong>tés dans la figure 5 et semble visuellem<strong>en</strong>t satisfaisantes. Afin <strong>de</strong> t<strong>en</strong>ir <strong>en</strong> compte<br />
<strong>de</strong>s cas pathologiques, nous avons réduit l’influ<strong>en</strong>ce <strong>de</strong>s forces a <strong>priori</strong> c 1 par rapport à c 2 .<br />
L’apport <strong>de</strong> l’a priroi est ess<strong>en</strong>tiellem<strong>en</strong>t dans l’évolution dans les zones concaves.<br />
5 Conclusion<br />
Tout le long <strong>de</strong> cet article, nous avons prés<strong>en</strong>té une métho<strong>de</strong> d’incorporation d’a <strong>priori</strong><br />
<strong>de</strong> forme géométrique au modèle <strong>de</strong>s snakes <strong>en</strong> <strong>utilisant</strong> l’alignem<strong>en</strong>t <strong>en</strong>tre la courbe <strong>en</strong><br />
cours d’évolution et une forme <strong>de</strong> référ<strong>en</strong>ce introduite par l’utilisateur. Cette métho<strong>de</strong><br />
augm<strong>en</strong>te la robustesse <strong>de</strong> l’algorithme pour les images bruitées et les objets partiellem<strong>en</strong>t<br />
occlutés.<br />
Dans la suite <strong>de</strong> travail, nous comptons appliquer cette métho<strong>de</strong> dans <strong>de</strong>s applications<br />
<strong>de</strong> suivis d’objets rigi<strong>de</strong>s <strong>en</strong> mouvem<strong>en</strong>t. Nous travaillons aussi sur l’ext<strong>en</strong>sion <strong>de</strong> ce travail<br />
à <strong>de</strong>s transformation plus générale comme les invariants affines <strong>en</strong> <strong>utilisant</strong> les invariants<br />
adéquats.<br />
Référ<strong>en</strong>ces<br />
1. M. A. Charmi, S. Derro<strong>de</strong>, and F. Ghorbel. Fourier-based shape prior for snakes. Pat. Recog. Let.,<br />
29(7) :897–904, 2008.<br />
2. D. Cremers, F. Tischhauser, J. Weickert, and C. Schnorr. Diffusion snakes : introducing statistical<br />
shape knowledge into the Mumford-Shah functional. Int. J. of Comp. Vis., 50 :295–313, 2002.<br />
3. A. Foulonneau, P. Charbonnier, and F. Heitz. Affine-invariant geometric shape priors for region-based<br />
active contours. IEEE trans. PAMI, 28(8) :1352–1357, 2006.<br />
4. F. Ghorbel. Towards a unitary formulation for invariant image <strong>de</strong>scription : application to image coding.<br />
An. of telecom., 153(3) :145–155, 1998.<br />
5. M. Kass, A. Witkin, and D. Terzopoulos. <strong>Snakes</strong> : active contour mo<strong>de</strong>ls. Int. J. of Comp. Vis.,<br />
1(4) :321–331, 1988.<br />
6. E. Persoon and K. S. Fu. Shape discrimination using Fourier <strong>de</strong>scriptors. IEEE trans. PAMI, 8(3) :388–<br />
397, 1986.<br />
7. L.H. Staib and J.S. Duncan. Boundary finding with parametrically <strong>de</strong>formable mo<strong>de</strong>ls. IEEE trans.<br />
PAMI, 14(11) :1061–1075, 1992.<br />
8. C. Xu and J. Prince. <strong>Snakes</strong>, shapes, and gradi<strong>en</strong>t vector flow. IEEE trans. IP, 7(3) :359–369, 1998.