Identifiant pérenne de la notice : 247843261
Notice de type
Notice de regroupement
Note publique d'information : Les modèles déformables sont un outil classique largement utilisé dans le contexte
de l'analyse d'images. L'étude des différentes variantes décrites dans la littérature
montrent qu'elles impliquent toujours un compromis entre efficacité et généricité.
Si les modèles dédiés à une application particulière sont en général très efficaces
et robustes, ils ne sont utilisables que dans des contextes très spécifiques et s'adaptent
difficilement à des situations différentes ou inattendues. A l'inverse, les modèles
entièrement génériques permettent la reconstruction d'objets de forme arbitraire mais
s'accompagnent en contrepartie d'une complexité importante, directement liée à la
résolution de l'image à traiter. Le travail présenté dans cette thèse vise à lever
cette limitation : un modèle déformable entièrement générique existant est enrichi
avec la capacité à adapter localement et automatiquement la finesse de la reconstruction
en fonction de la géométrie des objets à reconstruire. De la sorte, l'effort de calcul
est concentré dans les régions où il est le plus utile, et la complexité du processus
de reconstruction est significativement réduite. Pour y parvenir, les zones importantes
de l'image sont artificiellement dilatées en remplaçant la métrique euclidienne de
l'espace image par une métrique riemannienne qui étend les distances à leur voisinage.
La nouvelle métrique est construite à partir des informations disponibles dans l'image
et de sorte que la finesse de l'analyse soit guidée par les caractéristiques géométriques
des composantes à reconstruire. Dans cet objectif, les courbures des structures de
l'image sont calculées directement à partir de l'image, à l'aide d'un nouvel estimateur
précis et robuste. Cet estimateur est validé et comparé aux travaux similaires proposés
dans la littérature. Enfin, les capacités du modèle décrit dans cette thèse sont illustrées
par des exemples de reconstructions obtenues à partir d'images synthétiques et biomédicales.
paprika.idref.fr
data.idref.fr
Documentation
