th`ese de doctorat - Neurosciences Cognitives & Imagerie Cérébrale ...
th`ese de doctorat - Neurosciences Cognitives & Imagerie Cérébrale ...
th`ese de doctorat - Neurosciences Cognitives & Imagerie Cérébrale ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Chapitre 5. Recalage diéomorphique <strong>de</strong>s empreintes sulcales5.1 Description <strong>de</strong>s primitives sulcales comme mesuresLa procédure d'extraction <strong>de</strong> l'empreinte sulcale décrite dans le chapitre 4 p.83 aboutità un ensemble <strong>de</strong> primitives sulcales complexes à la fois dans leur nombre, leur forme,leur distribution spatiale et dans la répartition <strong>de</strong>s points qui les composent. Il nous fautà présent dénir un critère <strong>de</strong> dissimilarité Mis entre <strong>de</strong>ux arêtes correspondantes et parextension entre <strong>de</strong>ux empreintes sulcales. Les algorithmes d'appariement <strong>de</strong> primitivesgéométriques qui reposent sur la distance Euclidienne (c.a.d. Mis = ||.|| R 3) imposent <strong>de</strong>dénir une correspondance <strong>de</strong>ux à <strong>de</strong>ux entre les points <strong>de</strong>s primitives source et cible.D'autres auteurs comme [85] modélisent les sillons comme <strong>de</strong>s courbes paramétrées, cequi induit <strong>de</strong>s problèmes <strong>de</strong> robustesse et <strong>de</strong>s paramètres supplémentaires. De plus, lesarêtes sulcales peuvent contenir <strong>de</strong>s bifurcations dans le cas <strong>de</strong> sillons complexes, ce quicomplique fortement leur paramétrisation. Nous détaillons à présent comment s'aranchir<strong>de</strong> ces limitations avec la <strong>de</strong>scription <strong>de</strong>s arêtes sulcales par <strong>de</strong>s mesures mathématiques.Chaque couple d'arêtes sulcales correspondantes sont considérées comme <strong>de</strong>ux ensembles<strong>de</strong> points A 1 = (x i ) 1≤i≤nx et A 2 = (y j ) 1≤j≤ny ⊂ R 3 , avec éventuellement n x ≠ n y . Ces<strong>de</strong>ux ensembles <strong>de</strong> points peuvent être décrits mathématiquement comme <strong>de</strong>ux mesuresµ et ν respectivement, chacune consistant en une somme pondérée <strong>de</strong> distributions <strong>de</strong>Dirac [71, 72] :n xn∑∑ yµ = a i δ xi et ν = b j δ yj (5.2)i=1où (a i ) 1≤i≤nx et (b j ) 1≤j≤ny sont <strong>de</strong>ux ensembles <strong>de</strong> paramètres <strong>de</strong> pondération. Nous réglonsces poids <strong>de</strong> la façon suivante : si on note H le voisinage <strong>de</strong> chaque point x i dansl'arête sulcale correspondante, alorsa i =1card(H)∑h|h∈Hj=1||x h − x i || R 3 (5.3)C'est à dire que le poids associé au point x i correspond à la moyenne <strong>de</strong>s distancesentre ce point et ses voisins dans le graphe (1 ou 3 voisins pour les points singuliers extrémité ou intersection respectivement et 2 voisins pour les autres). Cette pondérationdistribue uniformément les poids le long <strong>de</strong> la mesure, compensant ainsi l'hétérogénéité<strong>de</strong> la distribution spatiale <strong>de</strong> l'ensemble <strong>de</strong> points correspondant à un sillon interrompucomme illustré sur la gure 5.1. Un sillon en plusieurs morceaux décrit par un ensemble<strong>de</strong> points hétérogène et un sillon continu sont tous les <strong>de</strong>ux modélisés par une mesuredont la pondération est uniforme. De plus, comme on ne normalise pas ces poids entre les96