Techniques de segmentation d'images par contours actifs et contribution au mouvement dans des séquences d'images

Abstract

Les méthodes de segmentation d’images sont nombreuses; toutes présentent des avantages mais ne donnent pas entière satisfaction. Chacune d’elle doit être adaptée en fonction des applications que l’on se propose de réaliser. Les contours actifs ou modèles déformables permettent de s’affranchir du chaînage des points du contour mais nécessitent le réglage de nombreux paramètres. Les contours actifs que nous avons étudiés sont implémentés par l’algorithme de « Greedy » que nous avons rendu autonome, ce dernier recherche les paramètres qui minimisent l’énergie pour chaque point dans le voisinage. Les algorithmes génétiques ont été introduit nous permettent de détecter autrement un meilleur contour. Comme le suggère le thème de notre mémoire, Ce dernier a été organisé en deux parties: Les trois premiers chapitres relatent la première partie dans laquelle le chapitre 1 est réservé aux méthodes de traitement d’images où sont présentées quelques techniques de segmentations d’images; le chapitre 2 est consacré aux contours actifs détaillant l’approche variationnelle ainsi que d’autres techniques parmi les plus utilisées. On y trouve aussi une introduction aux algorithmes génétiques; le chapitre 3 quant à lui présente le suivi d’un objet en mouvement dans une séquence d’images. Les deux chapitres suivants constituent la deuxième partie. Le chapitre 4 présente la démarche suivie en expliquant les différents acheminements menant à la mise en œuvre des algorithmes implémentés. A travers le chapitre 5 nous présentons les résultats obtenus après une série de tests ainsi que l’interprétation de ces résultats. Une conclusion générale fera le point de ce travail et donnera quelques perspectives envisagées.