| Titre : | Apprentissage et optimisation intelligente pour une segmentation robuste d’image |
| Auteurs : | Bilal Khomri, Auteur ; Mohamed Chaouki Babahenini, Directeur de thèse ; Leila Djerou, Directeur de thèse |
| Type de document : | Thése doctorat |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2019 |
| Format : | 1 vol. (101 p.) / 30 cm |
| Langues: | Français |
| Mots-clés: | Segmentation d’image,Image de la rétine,Segmentation des vaisseaux sanguins,Méta-heuristique d’optimisation,Optimisation multi-objectif. |
| Résumé : |
Ce travail de thèse s’inscrit dans le domaine de segmentation d’image et s’intéresse de façon particulière au problème de la segmentation de l’image rétinienne qui consiste à l’extraction automatique des structures anatomiques et pathologiques comme les vaisseaux sanguins. Ceux-ci sont de bons indicateurs de la santé de la rétine et leur segmentation peut également aider à détecter les lésions rouges, indicatrices de la rétinopathie diabétique. Malgré l’abondance des travaux dans ce domaine et les progrès récents dans la technologie d’acquisition de ces images, le problème de la détection des vaisseaux reste très compliqué. En effet, les images obtenues peuvent souffrir de problèmes d'illumination non uniformes, ce qui amène à une mauvaise définition des bords de vaisseaux et une interruption de la connexité du réseau vasculaire, rendant ainsi l’apparition des petits vaisseaux très faibles par rapport à la région de fond adjacente. C’est pourquoi que le fait de s’orienter vers les techniques d’apprentissage et d’optimisation intelligente est très important, ceci permettra de proposer une segmentation robuste qui améliore la détection des vaisseaux sanguins et attenu le problème de la complexité de calcul. Dans ce contexte, notre contribution prend deux formes: la première consiste en l’exploitation de la flexibilité et la puissance de l’algorithme Elite-guided Multi-Objective Artificial Bee Colony (EMOABC) pour proposer une méthode de segmentation par seuillage, rapide et sensible au contexte des images rétiniennes, et permettant d'optimiser simultanément plusieurs critères de segmentation. Cela pourrait améliorer la robustesse vis-àvis des différents artéfacts contenus dans les images rétiniennes. La deuxième consiste à exploiter la puissance de la technique d’optimisation par essaims de particulaires (PSO) pour trouver la meilleure disposition des échelles de la méthode Multi-Scale Line Detection (MSLD), et aussi gérer le problème de la recombinaison de réponse en échelle, ce qui permet de traiter le problème de la détection de vaisseaux de diamètres différents dans les images de fond d'oeil de basse et de haute résolution. L'intégration de la méthode proposée dans un système Computer-Aided Diagnosis (CAD) pour le dépistage de la rétinopathie diabétique permettrait de réduire les faux positifs due à de petits vaisseaux manqués, mal classés en lésions rouges. Pour montrer l’efficacité des méthodes proposées par rapport aux travaux reportés dans l’état de l’art, des études expérimentales sont faites, sur des différentes bases d’images rétiniennes (basse et haute résolution) utilisées dans le test. |
| Sommaire : |
Chapitre 1 : Introduction générale I.1 Introduction ...................................................................................................................... 1 I.2 Motivation ........................................................................................................................ 1 I.3 Description de la problématique de recherche ................................................................. 2 I.4 Contributions de la recherche .......................................................................................... 3 I.5 Organisation de la thèse .................................................................................................. 4 Chapitre 2 : Segmentation d’image par les métaheuristiques d’optimisation II.1 Introduction ................................................................................................................... 5 II.2 Améliorations des méthodes de segmentation d'image par les méta-heuristiques d'optimisation mono-objectif II.2.1 Méthodes de segmentation par seuillage ......................................................... 5 II.2.2 Méthodes de segmentation par croissance de régions ..................................... 7 II.2.3 Méthodes de segmentation par chaînes de Markov ......................................... 7 II.2.4 Méthodes de segmentation par modèles déformables .................................... 8 II.2.5 Méthodes de segmentation par classification ............................................... ...8 II.3 Améliorations des méthodes de segmentation d’image par les méta-heuristiques d’optimisation multi-objectif 9 II.3.1 Optimisation multi-objectif ....................... 10 II.3.1.1 Calcul du fitness ................................................................................. 11 II.3.1.2 Maintenir la diversité .......................................................................... 13 II.3.2 segmentation d’image par les métaheuristiques d’optimisation multiobjectif................................................................ II.3.2.1 Méthodes de segmentation par seuillage ............................................. 17 II.3.2.2 Méthodes de segmentation par classification ...................................... 17 II.3.2.3 Méthodes de segmentation basée sur la forme .................................... 17 II.5 Conclusion .................................................................................................................... 18 Chapitre 3 : Techniques de segmentation des vaisseaux sanguins III.1 Introduction ................................................................................................................. 19 III.2 Anatomie de l’oeil humain .......................................................................................... 19 III.2.1 Anatomie d'une image de fond de l'oeil ........................................................ 20 III.2.2 Vaisseaux rétiniens .......................................................................................... 20 III.2.3 Pathologies des vaisseaux rétiniens ................................................................. 21 III.3 Les méthodes de segmentation des vaisseaux rétiniens .............................................. 21 III.3.1 Méthodes basées sur l’intensité ...................................................................... 22 III.3.1.1 Filtrage adapté ................................................................................... 22 III.3.1.2 Traitement morphologique ................................................................. 24 III.3.1.3 Détection de ligne ............................................................................... 26 III.3.1.4 Méthodes dérivées .............................................................................. 26 III.3.1.5 Contours actifs .................................................................................... 27 III.3.1.6 Suivi par croissance de région ............................................................ 28 III.3.1.7 Chemin de coût minimum .................................................................. 30 III.3.1.8 Méthodes à base d'apprentissage ........................................................ 31 III.3.2 Apprentissage en profondeur........................................................................... 35 III.3.3 Méthodes d’optimisation ................................................................................ 36 III.5 Mesures de segmentation des vaisseaux rétiniens ....................................................... 37 III.4 Description des bases de données .............................................................................. 38 III.4.1. Base d’images DRIVE .................................................................................. 38 III.4.2. Base d’images STARE .................................................................................. 38 III.4.3. Base d’images HRF ....................................................................................... 39 III.6 Discussion générale sur les limites des méthodes existantes ...................................... 39 III.7 Conclusion .................................................................................................................. 40 Chapitre 4 : Seuillage multiple (a multi-niveaux) par optimisation multiobjectif pour la segmentation des vaisseaux rétiniens IV.1 Introduction ................................................................................................................ 41 IV.2 Etude des critères de segmentation ............................................................................. 41 IV.2.1 Classe 1 : Seuillage basé sur l’histogramme ................................................... 41 IV.2.1.1 Variance interclasse d’Otsu................................................................ 42 IV.2.1.2 Entropie de Kapur ............................................................................. 43 IV.2.1.3 Méthode de Kittler et Illingworth ...................................................... 44 IV.2.2 Classe 2 : Seuillage à base d’information spatiale ......................................... 44 IV.2.1.1 Histogramme bidimensionnel .......................................................... 44 IV.2.1.2 Seuillage basé sur la courbe d’énergie ............................................... 47 IV.2.3 Résultats et Évaluation ................................................................................... 47 IV.3 Segmentation des images diverses par la méthode d’optimisation multi-objective de fourragement bactérien 51 IV.3.1 Résultats expérimentaux et discussion ............................................................ 55 IV.3.2.1 Seuillage simple ........................................................................... 55 IV.3.2.2 Seuillage multiple ........................................................................ 56 IV.4 Segmentation à base seuillage de l’image rétinienne par la méthode d’optimisation multi-objectif de colonie d'abeilles ............ 59 IV.4.1 Colonie d'abeilles artificielles multi-objectif guidées par les élites ...... 59 IV.4.2 Segmentation des vaisseaux rétiniens avec le seuillage par l’algorithme EMOABC IV.4.3 Résultats expérimentaux et discussion .................................................. 64 IV.4.3.1 Ajustement des paramètres .......................................................... 64 IV.4.3.2 Analyse et comparaison ............................................................... 65 IV.5 Conclusion .................................................................................................................. 69 Chapitre 5 : Méthode d'optimisation par essaim de particules pour la détection de petits vaisseaux rétiniens sur des images de fond d'oeil multi-résolution V.1 Introduction ................................................................................................................. 70 V.2 Algorithme de détection de ligne multi-échelle ........................................................... 70 V.3 Algorithme d'optimisation de l'essaim de particules ................................................... 70 V.4 Algorithme de réarrangement d'échelle proposé .......................................................... 71 V.5 Algorithme de recombinaison proposé ........................................................................ 73 V.6 Évaluation des performances sur l'ensemble de données haute résolution .................. 75 V.6.1 Analyse et comparaison sur la segmentation de tout le réseau vasculaire ....... 75 V.6.2 Analyse et comparaison sur la segmentation de petits et de grands vaisseaux.77 V.7 Évaluation des performances sur base de données à basse résolution ......................... 80 V.8 Conclusion ................................................................................................................... 82 Conclusions et perspectives ......................................................................................... 83 Références bibliographiques ........................................................................................ 85 |
| En ligne : | http://thesis.univ-biskra.dz/id/eprint/3858 |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| TINF/133 | Théses de doctorat | bibliothèque sciences exactes | Consultable |
