Meilleur Segmentation

download Meilleur Segmentation

of 36

  • date post

    03-Jul-2015
  • Category

    Documents

  • view

    148
  • download

    7

Embed Size (px)

Transcript of Meilleur Segmentation

  • Institut de la francophonie pour l'informatique (IFI)Bt. D, ruelle 42, rue Ta Quang Buu, Hano, Vitnam

    http://www.ifi.auf.org

    Travail d'Intrt Personnel Encadr

    valuation de la segmentation d'imagesRapport final

    tudiant DO Minh Chau Promotion 11, IFI

    Superviseur Alain BOUCHER

    Hano, janvier 2007

    mailto:alain.boucher@auf.orghttp://www.ifi.auf.org/mailto:dmchau@ifi.edu.vnhttp://www.ifi.auf.org/
  • TIPE valuation de la segmentation d'images DO Minh Chau

    REMERCIEMENTS

    Je tiens remercier sincrement monsieur Alain BOUCHER, mon superviseur, qui m'a aid de finir mon travail d'intrt personnel encadr.

    Jadresse mes sincres remerciements mademoiselle LE Thi Lan qui m'a donn des conseils sur la bibliothque LTI-Lib.

    Je tiens remercier chaleureusement tous les professeurs ainsi que tous mes camarades l'IFI qui m'ont donn une bonne environnement scientifique.

    Enfin je remercie mes parents, mon frre, pour leur soutien et leur confiance tout au long de cette preuve.

    Hanoi, le 29 janvier 2007DO Minh Chau

    -- 1 --

  • TIPE valuation de la segmentation d'images DO Minh Chau

    Table des matires1. Introduction.........................................................................................................................................32. Segmentation d'images........................................................................................................................43. valuation de la segmentation...........................................................................................................5

    3.1. valuation supervise....................................................................................................................53.1.1. valuation avec vrit terrain experte...................................................................................63.1.2. valuation avec vrit terrain synthtique............................................................................63.1.3. valuation psychovisuelle...................................................................................................11

    3.2. valuation non supervise...........................................................................................................113.2.1. valuation de la segmentation en frontires.......................................................................123.2.2. valuation de la segmentation en rgions/classes...............................................................12

    4. Analyse................................................................................................................................................175. Conclusion et perspectives................................................................................................................30Bibliographie..........................................................................................................................................31

    -- 2 --

  • TIPE valuation de la segmentation d'images DO Minh Chau

    1. Introduction

    La segmentation d'images est une tape fondamentale et importante dans beaucoup d'applications de vision par ordinateur. C'est une tape primordiale pour l'interprtation d'images. Beaucoup de mthodes de segmentation ont t dveloppes, mais il n'y a pas encore de mesures de performance satisfaisante. Concevoir une bonne mesure pour la qualit de segmentation est un problme dur. Quelques chercheurs pensent que c'est impossible. La segmentation, comme la cuisine, est un art. Chaque personne, comme un cuisinier, a une recette diffrente.

    Malgr que ce soit impossible d'valuer automatiquement la segmentation, nous pouvons dfinir des critres sur le rsultat d'un algorithme de segmentation pour avoir une ide d'valuation.

    Dans ce rapport, j'aborderai d'abord la dfinition de la segmentation d'images qui est le problme pralable pour toutes les mthodes d'valuation de la segmentation d'images. Ensuite, certains critres d'valuation seront prsents et compars. Enfin, je citerai les perspectives concernant le sujet de ce TIPE

    Mots cls : valuation d'un rsultat de segmentation d'images, qualit de la segmentation d'images, vision par ordinateur, critres quantitatifs, critres superviss, critres non superviss, vrit terrain, carte de rfrence.

    -- 3 --

  • TIPE valuation de la segmentation d'images DO Minh Chau

    2. Segmentation d'imagesUn bon rsultat de segmentation ne permet pas forcment une bonne interprtation, mais nous

    ne pouvons pas obtenir une bonne interprtation partir d'un mauvais rsultat de segmentation. C'est pourquoi une dfinition de la segmentation est vraiment indispensable. Cependant, la segmentation d'images n'a pas de dfinition officielle. Elle peut tre dfinie ainsi : La segmentation est un traitement de bas niveau qui consiste crer une partition de l'image A en sous-ensembles Ri, appels rgions tels qu'aucune rgion ne soit vide, l'intersection entre deux rgion soit vide et l'ensemble des rgions recouvre toute l'image. Une rgion est un ensemble de pixels connexes ayant des proprits communes qui les diffrencient des pixels des rgions voisines . Il y a certaines autres dfinitions similaires que nous pouvons trouver dans divers autres articles. Le but de la segmentation est d'extraire les entits d'une image pour y appliquer un traitement spcifique et interprter le contenu de l'image. La segmentation est normalement base sur les discontinuits (les artes, les changements abruptes, etc.), les similitudes (intensits, couleurs, textures, etc.). La segmentation est donc le dcoupage d'une image en diffrentes rgions et/ou frontires. Il existe une dualit entre rgions et frontires : une rgion est dlimite par un contour, un contour spare deux rgions. partir d'un rsultat de segmentation en rgions, nous pouvons obtenir un rsultat de dtection de frontires.

    Nous voyons que la segmentation seule ne peut pas trouver tous les composants de l'image tel que nous les interprtons. Gestalt a propos une approche humaine de la segmentation qui s'inspire de la psychologie et de l'observation de l'humain et de son environnement. Selon cette approche, nous regroupons les objets ou les courbes de l'image partir de ses informations : la proximit, la similarit, la tendance commune, la rgion commune, la paralllisme, la fermeture, la symtrie, la continuit et la configuration familire. Malgr certains essais, cette approche reste surtout thorique.

    Concernant la segmentation d'images, il y a toujours des difficults cause de la complexit des images naturelles et de la dfinition du niveau de prcision du rsultat.

    ce jour, il existe de nombreuses mthodes de segmentation d'images que l'on peut regrouper en quatre principales classes d'algorithmes 1:

    Segmentation base sur les rgions (region-based segmentation). On y trouve par exemple la croissance de rgion (region-growing), dcomposition/fusion (split and merge).

    Segmentation base sur les contours (edge-based segmentation).

    Segmentation base sur une approche globale de l'image, par exemple : seuillage (thresholding), histogramme, approches bases sur le nuage couleur.

    Segmentation base sur la coopration entre les trois premires segmentations.

    J'utilise trois algorithmes de segmentation d'images pour mon TIPE : MeanShift, KMeans, Watershed. L'objectif final est d'assigner un numro (aussi appel label ou tiquette) chaque rgion; chacun de ces numros est associ une couleur ou un niveau de gris, ce qui permet de construire une carte des rgions reprsentant visuellement le dcoupage en rgions de l'image. Un objet peut ensuite tre dfini comme un ensemble de rgions. Comme la sortie est une image en niveau de gris et chaque rgion possde un numro unique, le nombre de rgions est limit. Plus prcisment, le nombre de rgions maximal pour une carte des rgions est de 256 car les tiquettes sont entre 0 et 255.

    1 http://fr.wikipedia.org/wiki/Segmentation_d%27image

    -- 4 --

    http://fr.wikipedia.org/wiki/Segmentation_d'image
  • TIPE valuation de la segmentation d'images DO Minh Chau

    3. valuation de la segmentationDe nombreux critres d'valuation d'un rsultat de segmentation d'images ont t proposs. Ces

    critres d'valuation peuvent tre diviss en deux catgories principales : critres d'valuation supervise et critres d'valuation non supervise. L'objectif principal d'un critre d'valuation est d'tre capable de comparer de diffrents rsultats de segmentation afin de trouver la meilleure segmentation.

    Quelle est la meilleuresegmentation ?

    3.1. valuation superviseIl y a plusieurs critres d'valuation supervise pour la segmentation d'images. Il s'agit d'obtenir

    le meilleur rsultat de segmentation choisi par des juges, ou de calculer la distance entre un rsultat de segmentation et une rfrence connue que l'on nomme vrit terrain (ground truth). Une vrit terrain correspondant une image est le rsultat de segmentation idal de cette image. Nous pouvons obtenir une vrit terrain partir d'une image synthtique ou d'une image naturelle.

    valuation supervise d'un rsultat de segmentation l'aide d'un trac expert 2

    2 Source : Thse de doctorat de Sebastien Chabrier

    -- 5 --

    MeanShift

    KMeans

    Watershed

    http://www.ensi-bourges.fr/LVR/SIV/These_Sebastien_Chabrier.pdf
  • TIPE valuation de la segmentation d'images DO Minh Chau

    3.1.1. valuation avec vrit terrain experteUne vrit terrain experte est un rsultat de segmentation d'une image naturelle trac

    manuellement par des experts. Ce type de vrit terrain est souvent utilis dans des cas spcifiques o nous voulons valuer la qualit de segmentation de certains objets d'une image relle. C'est souvent diff