Proposition d’un Projet de Fin d’Etude (PFE) pour
des ingénieurs d’état en informatique
Option : Systèmes InformatiQues (SIQ) – Année universitaire : 2010/2011
q Intitulé : « Modèles déformables guidés par les champs de vecteurs gradients (GVF) pour la segmentation des images »
q Mots clefs : Modèles déformables, contours actifs, segmentation, GVF, traitement d’images.
q Encadreur :
– Dr. KERMI Adel, Maître de Conférences à l’ESi, chargé de recherche (IMAGE/LMCS).
– Courriel : [email protected]
q Contexte, description et objectifs :
Depuis plusieurs années, les modèles déformables (introduits par [Kass et al., 1988]), encore appelés snakes (« serpents » en anglais) ou contours actifs, connaissent un large succès dans des domaines aussi divers que la reconnaissance de formes, l’animation, la modélisation géométrique, la simulation, le suivi de contours, ou plus particulièrement dans le domaine du traitement d’images médicales pour la segmentation et la représentation géométrique de structures anatomiques. En effet, ils sont généralement plus robustes au bruit et aux éventuelles discontinuités dans les contours de l’image. Ils permettent en outre une interaction relativement aisée avec l’utilisateur ainsi que l’introduction de connaissances a priori concernant la forme de l’objet recherché. Ils fournissent un outil particulièrement souple permettant d’extraire à partir de données éparses, généralement non structurées, une représentation des structures recherchées compacte et adaptée aux post-traitements informatiques.
Un modèle déformable est un objet capable d’évoluer de manière à venir se mettre en correspondance avec les données traitées. Il est constitué d’une représentation géométrique et d’une loi d’évolution régissant ses déformations. Les modèles déformables sont souvent représentés par des surfaces qui modélisent la frontière d’une ou plusieurs structures d’intérêt. Dans une image bidimensionnelle (2D), il s’agit d’un contour, comme les célèbres snakes et dans une image tridimensionnelle (3D) d’une surface. La loi d’évolution s’appuie sur la mise en correspondance de la surface et des points caractéristiques extraits de l’image.
L’évolution des modèles déformables est généralement régie par des forces potentielles. Ainsi, les modèles déformables évoluent, à travers le domaine de l’image, vers les contours recherchés (le bord de la structure souhaitée) suivant une équation énergétique ou une équation de forces. L’équation d’évolution est formée de deux termes : une force (ou énergie) interne et une force (ou énergie) externe. La première assure la régularité du contour. La seconde est liée à l’information présente dans l’image. Elle est donc calculée à partir de l’image et attire le modèle vers les contours recherchés.
L’objectif principal du travail proposé consiste à implémenter un système informatique de segmentation d’objets ou de structures à partir des images. La segmentation s’appuiera sur une approche par modèle déformable paramétrique. L’évolution du modèle déformable s’effectuera suivant différentes forces internes et externes dont la force de champ de vecteurs de gradients (GVF ou Gradient Vector Flow en anglais).
Les étudiant(e)s intéressé(e)s par le projet devront réaliser les tâches suivantes :
– Etude bibliographique sur la segmentation des images médicales, satellitaires, etc.
– Etude bibliographique sur les modèles déformables et leurs domaines d’application.
– Implémentation d’un système de segmentation des images fondée sur les modèles déformables guidés par les GVF.
– Implémentation d’une interface graphique pour la visualisation des images et la visualisation de l’évolution des modèles déformables.
– Test et évaluation du système de segmentation sur différents types d’images, telles que les images médicales, les images satellitaires, etc.
q Informations pratiques :
La programmation se fera en C /C++ ou MatLab sur des stations de travail SUN Solaris, PC Linux ou PC Windows. Pour la visualisation des images, on peut aussi utiliser le logiciel BrainVisa avec son interface Anatomist.
Des images médicales 2D et 3D par résonance magnétique (IRM) et tomographiques ou tomodensitométriques (CT) de différentes parties anatomiques du corps humain seront mises à la disposition des étudiant(e)s.
q Quelques références bibliographiques :
[Kass et al., 1988] M. KASS, A. WITKINS et D. TERZOPOULOS. Snakes: Active Contours Models. International Journal of Computer Vision, 1(4): 321-331, 1988.
[Kermi, 2008] A. KERMI. Reconstructions faciales à partir d’images tridimensionnelles de crânes humains par recalage et modèle déformable pour l’identification de personnes. Thèse de doctorat de l’Ecole Nationale Supérieure des Télécommunications de Paris, 2008.
[Maintz et Viergever, 1998] J. B. A. MAINTZ et M. A. VIERGEVER. A Survey of Medical Image Registration. Medical Image Analysis, 2(1): 1-36, mars 1998.
[McInerney et Terzopoulos, 1996] T. McInerney et D. Terzopoulos. Deformable models in medical image analysis: a survey. Medical Image Analysis, 1(2): 91-108, 1996.
[Montagnat, 1999] J. MONTAGNAT. Modèles déformables pour la segmentation et la modélisation d’images médicales 3D et 4D. Thèse de doctorat, INRIA Sophia-Antipolis, 1999.
[Montagnat et al., 2001] J. MONTAGNAT, H. DELINGETTE et N. AYACHE. A review of deformable surfaces: topology, geometry and deformation. Image and Vision Computing, 19(14): 1023-1040, 2001.
[Terzopoulos et al., 1988] D. TERZOPOULOS, A. Witkin et M. KASS. Constraints on Deformable Models: recovering 3D Shape and Nonrigid Motion. Artificial Intelligence, 36(1): 91-123, 1988.
[Terzopoulos et Metaxas, 1991] D. TERZOPOULOS et D. METAXAS. Dynamic 3D Models with Local and Global Deformations: Deformable Superquadrics. IEEE Transactions on Pattern Analysis and Machine Intelligence, 13(7): 703-714, juillet 1991.
Xu et Prince, 1997] C. XU et J. L. PRINCE. Gradient Vector Flow: A New External Force for Snakes. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR’1997), pages 66-71, San Juan, Puerto Rico, juin 1997.
[Xu et Prince, 1998] C. XU et J. L. PRINCE. Snakes, Shapes, and Gradient Vector Flow. IEEE Transactions on Image Processing, 7(3): 359-369, 1998.
Dr. Adel KERMI
Maître de conférences