Actes - Climato.be

XIX e Colloque de l’Association Internationale de Climatologie
d’images satellites permettrait d’analyser les variations de la pénétration du front de brise au
cours des saisons (Bigot et Planchon, 2003 ; Damato et al., 2003).
Du point de vue de l’analyse d’images, détecter un tel front est un problème compliqué car
celui-ci n’est matérialisé que par une courbe ouverte dont la frontière est plus ou moins
texturée (en raison de le la ligne de nuages cumuliformes). Nous proposons dans cet article
une méthode qui s’appuie sur les « contours actifs » (communément appelés « snakes » en
vision par ordinateur : Canny, 1986) issus de l’analyse d’images. Ces techniques permettent
de détecter de manière assez fiable des contours dans l’image sans être sensibles au bruit, ce
qui n’est pas le cas des méthodes plus classiques comme les maxima des gradients. Nous
utilisons également la transformation en « ondelettes » pour caractériser la texture particulière
le long du front de brise et introduire cette information dans la méthode de contours actifs. Le
plan de l’article est le suivant : dans une première partie, nous présentons un état de l’art sur
les méthodes de détections de contours et de texture. En deuxième partie, la méthode que
nous avons développée sera présentée, illustrée par des résultats expérimentaux.
1. Détection de contours et caractérisation de texture
Le problème de la détection de frontière dans les images est un problème critique dans la
communauté de vision par ordinateur. De nombreuses méthodes possédant leurs avantages et
inconvénients ont déjà été proposées. Les techniques existantes les plus populaires peuvent
être classées en deux familles : i) les approches locales telles que les détecteurs de contours
qui appliquent des filtres sur l’image (Canny, 1986 ; Deriche, 1987) et ii) les techniques de
type « contours actifs » ou « snakes » ou encore « balloons », basées sur la minimisation
d’une fonction de coût qui intègre des critères sur l'information désirée le long des frontières
(Kass et al., 1987 ; Cohen, 1991). Bien que les méthodes locales permettent de faire ressortir
les principales frontières de l'image, ces techniques souffrent d'un manque de cohérence des
résultats et un post-traitement est systématiquement nécessaire pour extraire le contour désiré.
Les contours actifs fournissent quant à eux de meilleurs résultats pour capturer des frontières
fiables mais exigent une bonne initialisation. Bien que des modèles plus élaborés comme les
« contours actifs géodésiques » ont été développés pour pallier le difficile problème de
l’initialisation (Caselles et al., 1997), nous ne les utilisons pas dans cette étude car ces
derniers ne sont définis que pour des courbes fermées alors que le front de brise est une
courbe ouverte.
Le formalisme des contours actifs consiste à définir le contour à extraire comme le minimum
de la fonction de coût suivante :
où est le contours à extraire, paramétré dans l’intervalle [0,1],
est sa « tension » (contrôlée par le paramètre a) et
sa rigidité (contrôlée par le
paramètre b). La fonction P est une fonction potentielle scalaire définie sur le plan de l'image.
Son but est d’attirer la solution courante vers le contour à extraire. Ainsi, ses extrema doivent
correspondre aux frontières réelles. Le contour final résulte alors d’un compromis entre le
contour observé dans l’image (par la fonction P) et une certaine régularité imposée par la
tension et la courbure.
Une manière classique de définir la fonction P est d’utiliser où #
est un paramètre positif à fixer, . est le gradient spatial et représente la convolution
de l'image E avec un filtre gaussien de variance $. Cela permet d’extraire le contour comme
étant l’ensemble des points possédant un fort contraste avec le voisinage.
Lorsque nous sommes confrontés à des contours fortement texturés (comme c’est le cas avec
le front de brise de mer), ce type de définition n’est plus adapté car les extrema des gradients
179