Approches multivaluées et supervisées en morphologie mathématique et applications en analyse d'image - TEL - Thèses en ligne Accéder directement au contenu
Hdr Année : 2009

Multivalued and Supervised Approaches within Mathematical Morphology, and Applications in Image Analysis

Approches multivaluées et supervisées en morphologie mathématique et applications en analyse d'image

Résumé

This dissertation contains a summary of research activities in mathematical morphology done in LSIIT (UMR 7005 CNRS–UDS) since 2003. Mathematical morphology is a theory introduced more than 40 years ago by two french researchers, Georges Matheron and Jean Serra. Since then, it has been widely used in the fields of image analysis and processing, due to its ability to analyse spatial structures (most often by means of a neighbourhood called structuring element) in a non-linear framework. Its application to binary and greylevel images is straightforward, relying on the set theory or preferably the lattice theory. However, its extension to multivalued images (where each pixel is represented by a vector instead of a scalar) is not trivial and is still an open problem. Thus, we focused on vectorial morphological approaches based on (theoretically sound) total orderings, and we have try to alleviate their high asymetric behavior with various quantification methods in order to rely on the whole set of available data. We have also studied another strategy which avoids the explicit need of a vectorial ordering by decomposing the image into a set of binary or greyscale components, which are then processed independently or jointly. Regardless of image type, building a morphological image analysis system requires most often some domain expertise and very precise knowledge about the problem under consideration in order to select, combine, and set up adequately the morphological operators to be involved. Thus, morphological methods cannot usually be reused in a different context from the one for which they have been designed, and do not ensure the genericity property expected in image analysis. This problem is of course not limited at all to mathematical morphology (it is frequently encountered in image processing), and we have addressed it following two principal directions. On the one side, we have studied how knowledge could be formalised within structuring elements in the context of object detection. On the other side, we have relied on techniques from supervised classication (where learning sets are provided by the expert) or unsupervised classification or clustering (where only the number of objects or classes of interest is known) wihtin the process of image segmentation. The overall objective is to obtain multivalued and supervised morphological approaches, able to process every kind of data, in any context. So we have applied these works in several fields, in particular colour image analysis (with the aim of content-based image annotation and retrieval), remote sensing (at very high spatial resolution), and astronomical imaging (where data can be very noisy). These application fields, where images are multivalued and knowledge integration to drive image processing techniques is necessary, are relevant since spatial information is crucial (thus mathematical morphology is worth being used). Recurring problems we were dealing with in these fields are object detection, image segmentation and description. Complementary to these mathematical morphology-related works, we also present the PELICAN project, which is a generic and extensible framework for image processing. This dissertation ends with indicating a few research directions for future works in the context of several collaborative projects. Ensuring invariance and uncertainty within mathematical morphology would help solving biomedical imaging-related problems. Using mathematical morphology for video sequence analysis and design of local image descriptors would offer some alternative solutions for multimedia indexing. Finally, since mathematical morphology is by no way limited to image data, its application to other types of data should be carefully studied.
Ce mémoire présente une synthèse des activités de recherche en morphologie mathématique menées au LSIIT (UMR 7005 CNRS–UDS) depuis 2003. La morphologie mathématique est une théorie introduite il y a quarante ans par les chercheurs français Georges Matheron et Jean Serra. Elle connaît depuis un vif succès dans la communauté de l'analyse et du traitement des images, puisqu'elle permet l'analyse des structures spatiales (le plus souvent au travers d'un voisinage défini par le terme d'élément structurant) dans un cadre non-linéaire. Son application aux images binaires et aux images en niveaux de gris s'effectue très simplement en s'appuyant sur la théorie des ensembles ou mieux, celle des treillis. Cependant, son extension au cas des images multivaluées (où chaque pixel est représenté par un vecteur et non plus par un scalaire) n'est pas triviale et reste un problème ouvert. Ainsi, nous nous sommes intéressés aux approches morphologiques vectorielles basées sur des ordres totaux (aux fondements théoriques les plus valides), en cherchant à atténuer, à l'aide de différentes méthodes de quantification, leur caractère fortement asymétrique afin de mieux exploiter l'ensemble des données disponibles. Nous avons également étudié une autre stratégie consistant à éviter l'appel explicite à un ordre vectoriel, et à décomposer l'image en un ensemble de composantes binaires ou à niveaux de gris, traitées indépendemment ou conjointement. Indépendamment de la nature des images considérées, la création des systèmes d'analyse d'image par morphologie mathématique nécessite le plus souvent une expertise du domaine et une connaissance très fine du problème pour pouvoir choisir, combiner, et paramétrer les opérateurs morphologiques à bon escient. De ce fait, les méthodes morphologiques ne peuvent généralement pas être réutilisées dans un contexte différent de celui pour lequel elles ont été élaborées, et ne respectent que très peu la contrainte de généricité souhaitée en analyse d'image. Ce problème n'est bien sûr pas spécifique à la morphologie mathématique et est récurrent en traitement d'image, et nous l'avons abordé selon deux axes principaux. D'une part, nous avons étudié les connaissances pouvant être formalisées au sein des éléments structurants dans le contexte de la détection d'objet. D'autre part, nous avons exploité des procédures de classification supervisée (où des ensembles d'apprentissage sont fournis par l'expert) ou non-supervisée (où seul le nombre d'objets ou de classes d'intérêt est connu) au sein du processus de segmentation d'image en régions. L'objectif sous-jacent à ces travaux fondamentaux est d'aboutir à terme à des approches morphologiques multivaluées et guidées par les connaissances, aptes à traiter tout type d'information, dans tout contexte. Nous avons donc cherché à appliquer ces développements théoriques et méthodologiques dans différents domaines, en particulier l'analyse d'images couleur (dans un but d'annotation et de recherche par le contenu), ainsi que la télédétection (à très haute résolution spatiale) et l'imagerie astronomique (où les données peuvent être particulièrement bruitées). Ces domaines d'application, où les images sont de nature multivaluée et où l'intégration de connaissances pour guider les traitements est nécessaire, sont particulièrement pertinents puisque l'information spatiale y est cruciale, la morphologie mathématique prenant alors tout son sens. Les problèmes récurrents rencontrés dans ces différents domaines sont la détection, la segmentation, et la description des images. En complément à ces travaux relatifs à la morphologie mathématique, nous présentons le projet PELICAN, une plate-forme générique et extensible pour le traitement d'image. Ce mémoire se termine par une présentation de quelques perspectives de recherche envisagées dans le cadre de différentes collaborations. Ainsi, l'apport des propriétés d'invariance et d'imprécision dans le contexte de la morphologie mathématique aurait des répercussions en imagerie du vivant. L'analyse morphologique de séquences vidéo, et l'élaboration de descripteurs morphologiques locaux offriraient des solutions alternatives en indexation multimédia. Enfin, la morphologie mathématique n'étant par définition pas limitée à des données de type image, son application à des données de différentes natures mérite d'être étudiée avec une attention particulière.
Fichier principal
Vignette du fichier
hdr2009.pdf (12.7 Mo) Télécharger le fichier

Dates et versions

tel-00515901 , version 1 (08-09-2010)

Identifiants

  • HAL Id : tel-00515901 , version 1

Citer

Sébastien Lefèvre. Approches multivaluées et supervisées en morphologie mathématique et applications en analyse d'image. Interface homme-machine [cs.HC]. Université de Strasbourg, 2009. ⟨tel-00515901⟩

Collections

CNRS
213 Consultations
1135 Téléchargements

Partager

Gmail Facebook X LinkedIn More