traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
54<br />
Chapitre 2 - Traitement d’images <strong>par</strong> <strong>modèles</strong><br />
<strong>discrets</strong> <strong>sur</strong> graphes<br />
2.4.4.3 Intersection et simplification <strong>par</strong> fusion de régions<br />
A <strong>par</strong>tir d’une image couleur, nous obtenons trois coalescences distinctes et donc trois <strong>par</strong>titions<br />
différentes puisque les histogrammes ne portent pas forcément les mêmes informations du<br />
fait de la projection. Nous combinons les trois <strong>par</strong>titions <strong>par</strong> une simple intersection [XUE03]<br />
(figure 2.31(d)). L’intersection présente évidemment le défaut d’être <strong>sur</strong>-segmentée. La figure<br />
2.32(e) présente l’intersection obtenue pour une image réelle (figure 2.32(a)) à <strong>par</strong>tir des trois<br />
<strong>par</strong>titions obtenues <strong>par</strong> coalescence (figure 2.32(b) à 2.32(d)). Puisque la coalescence est effectuée<br />
dans le domaine colorimétrique de l’image, elle néglige le contexte spatial et l’intersection<br />
est <strong>sur</strong>-segmentée : des clusters dans l’espace colorimétrique ne correspondent généralement<br />
pas à des régions connexes dans l’image. Pour contrer cet effet, il nous faut simplifier la <strong>par</strong>tition<br />
obtenue <strong>par</strong> intersection. Une manière classique de réaliser ceci est de fusionner les régions<br />
deux à deux itérativement [MAKROG05], ce qui permet de générer une hiérarchie de <strong>par</strong>titions<br />
modélisée sous la forme d’un arbre binaire de régions [SALEMB00]. Effectuer une fusion de<br />
régions nécessite d’exprimer plusieurs points : le modèle associé à chaque région, une me<strong>sur</strong>e<br />
de distance entre régions et un critère de terminaison. Le modèle associé à chaque région est<br />
un modèle Gaussien et la distance entre deux régions est réalisée <strong>par</strong> celle de Mahalanobis. Si<br />
(a) Original (b) RG (c) RB (d) GB<br />
(e) Intersection<br />
(f) Intersection et fusion<br />
de régions<br />
(g) L ∗ a ∗ b ∗<br />
(h) Segmentation de<br />
référence<br />
FIG. 2.32 – Illustration des différentes étapes de la méthode proposée <strong>sur</strong> une image.<br />
l’on veut uniquement générer une hiérarchie de <strong>par</strong>titions, le critère de terminaison n’est pas nécessaire.<br />
Cependant, si l’on veut obtenir une seule <strong>par</strong>tition résultante, il faut déterminer quand<br />
stopper le processus de fusion. Plutôt que d’utiliser un seuil arbitraire [ANGULO03], nous proposons<br />
de nous baser <strong>sur</strong> notre précédente formulation d’énergie comme un critère d’arrêt du<br />
processus de fusion : après chaque fusion, la me<strong>sur</strong>e d’énergie est évaluée et le processus stoppe<br />
dès l’ap<strong>par</strong>ition d’un minimum local. Ceci permet d’obtenir alors une segmentation résultant<br />
d’un compromis entre attache aux données initiales et complexité du graphe d’adjacence de