Note publique d'information : La segmentation en objets d’une image consiste à extraire une ou des régions d’intérêt
de l’image, suivant un critère défini. Nous segmentons l’image par un algorithme de
contours actifs, dans le cadre d’une approche variationnelle. Partant, d’un contour
initial quelconque, le contour actif évolue vers la région d’intérêt, dirigé par une
équation aux dérivées partielles. L’équation d’évolution du contour actif est déduite
de la dérivation du critère définissant la région. Au vu de la dépendance du critère
à la région considérée, la dérivation du critère par rapport à la région n’est pas
aisée. Nous utilisons des outils de dérivation empruntés à l’optimisation de domaine
: les gradients de forme. La contribution de cette thèse réside dans l’élaboration
et l’étude de différents descripteurs de régions. Pour chaque critère, nous calculons
la dérivée du critère à l’aide des gradients de forme et en déduisons l’équation d’évolution
du contour actif. Le premier descripteur définit un a priori géométrique sans contrainte
paramétrique : il minimise la distance du contour actif à un contour de référence.
Nous l’avons appliqué à la déformation de courbe (shape warping), la segmentation
et le suivi de cible (tracking). Le deuxième descripteur définit conjointement une
région et son mouvement sur plusieurs images consécutives. Le mouvement de la région
est représenté par un modèle de mouvement. Nous avons appliqué ce critère à l’estimation
et la segmentation conjointe du mouvement et au suivi d’objets en mouvement.
Note publique d'information : Image segmentation is the partition of an image in region of interest against a background.
We performed image segmentation using an active contour algorithm in a variational
framework. The active contour evolves from an initial contour towards the region of
interest following an evolution equation. In a variational framework, the evolution
equation is deduced from the derivation of a criterion. The criterion characterizes
the region of interest according to, for example, its motion, its colour homogeneity
or its texture. The derivation os provided using shape gradients, a tool coming from
shape optimisation theory. We propose two criterions and provide for each criterion
the derivation process and the associated evolution equation. The first criterion
defines a free form a priori constraint on the contour by minimizing the distance
between the active contour and a reference one. We applied this criterion to shape
warping, image segmentation, and video tracking. The second criterion assumes that
object motion can be described by a motion model. The evolution of the active contour
according to the minimization of this criterion provides a joint motion segmentation
and estimation on a group of pictures. We applied this criterion to image segmentation
and motion estimation, and to video tracking.