10.07.2015 Views

th`ese de doctorat - Neurosciences Cognitives & Imagerie Cérébrale ...

th`ese de doctorat - Neurosciences Cognitives & Imagerie Cérébrale ...

th`ese de doctorat - Neurosciences Cognitives & Imagerie Cérébrale ...

SHOW MORE
SHOW LESS

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!