Segmentation d'images : recherche d'une mise en œuvre automatique par coopération de méthodes
Dans cet article, nous proposons un système de segmentation adapté à l'analyse de plusieurs types d'images, riches en détails et dont les régions peuvent être de nature uniforme et/ou texturée. Un intérêt tout particulier a été accordé à l'aspect automatique et non-supervisé du dispos...
Gespeichert in:
Veröffentlicht in: | Traitement du signal 1998, Vol.15 (4), p.321-337 |
---|---|
Hauptverfasser: | , |
Format: | Artikel |
Sprache: | fre |
Schlagworte: | |
Online-Zugang: | Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
container_end_page | 337 |
---|---|
container_issue | 4 |
container_start_page | 321 |
container_title | Traitement du signal |
container_volume | 15 |
creator | Djalal Kermad, Chafik Chehdi, Kacem |
description | Dans cet article, nous proposons un système de segmentation adapté à l'analyse de plusieurs types d'images, riches en détails et dont les régions peuvent être de nature uniforme et/ou texturée. Un intérêt tout particulier a été accordé à l'aspect automatique et non-supervisé du dispositif. Le système proposé combine deux concepts. Le premier, fondé sur un procédé d'intégration d'informations issues de différentes méthodes de segmentation, permet de tirer parti des avantages de chacune d'elles. Le second concept s'inspire de la perception active par l'introduction d'une boucle de retour dans le système afin de corriger et d'ajuster les paramètres de contrôle de l'ensemble des méthodes employées. Le principe de la coopération proposée introduit un mécanisme de vérification de la cohérence par comparaison des résultats des méthodes impliquées dans la coopération. Ce dernier aspect fait défaut à un bon nombre d'approches coopératives. Le système développé est composé de deux modules. Le premier est dédié à l'extraction de régions uniformes ou faiblement texturées. Le principe est fondé sur une coopération itérative entre une méthode de détection de contours et une méthode d'agrégation de points. Ces deux méthodes sont itérées avec des critères de plus en plus tolérants jusqu'à la convergence vers des résultats cohérents et stables. La cohérence est réalisée en minimisant une mesure de dissimilarité entre les contours et les régions. Le but est ainsi de fournir une solution optimale au sens de la compatibilité entre les résultats des deux segmentations. Le second module localise les régions texturées et contribue à la réactualisation et à la correction des contours extraits à chaque itération du premier module. Cette localisation s'appuie sur une classification automatique par multi-seuillage exploitant certains mécanismes de la perception visuelle, et sur une fusion des régions multi-seuillées minimisant un critère de similarité.
This paper focuses on the problem of image segmentation. It adresses the inherent deficiencies occurring when extracting low-level features (primitives) and when dealing with the complexity of real scenes. To solve such a problem we propose a framework which integrates several types of primitives formed progressively from complementary image transformations in an iterative and cooperative way. A particular interest has been given to the automatic and unsupervised aspect of the device. The proposed system combines two concepts. The fir |
doi_str_mv | 10.3166/ts.15.321-337 |
format | Article |
fullrecord | <record><control><sourceid>istex_pasca</sourceid><recordid>TN_cdi_pascalfrancis_primary_1732066</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>ark_67375_HT0_SP8S51C5_3</sourcerecordid><originalsourceid>FETCH-LOGICAL-i676-2f57d97d2c4151fc8a85dfbf4201dec442ca1ec37d849854798291c6976ee6b83</originalsourceid><addsrcrecordid>eNo9j81KAzEUhYMoWGqX7rMQXKXmZ_Iz7qSoFQoK0_2YZu60o50fkxnR5_Ap-hzF9zLQ4oXLhXPO_eAgdMnoVDClbvowZXIqOCNC6BM0Yqk0RCpqTtGIaiUJpSw9R5MQ3mgcwRKlxAi9ZrCuoeltX7UNLq6r2q4h4FvswW3Ax43i0ACuqwAYGvz7M3x6wHbo2zo-fQyAO-uxa9tuv_NHTIzvd_2mLSBcoLPSbgNMjneMlg_3y9mcLJ4fn2Z3C1IprQgvpS5SXXCXMMlKZ6yRRbkqE05ZAS5JuLMMnNCFSVIjE50anjKnUq0A1MqIMbo6YDsbnN2W3jauCnnnYyH_nTMtOI2Fx4gcYlXo4evftv49V1pomc-XNM9eTCbZTOZC_AFVWWgq</addsrcrecordid><sourcetype>Index Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>Segmentation d'images : recherche d'une mise en œuvre automatique par coopération de méthodes</title><source>EZB-FREE-00999 freely available EZB journals</source><source>Alma/SFX Local Collection</source><creator>Djalal Kermad, Chafik ; Chehdi, Kacem</creator><creatorcontrib>Djalal Kermad, Chafik ; Chehdi, Kacem</creatorcontrib><description>Dans cet article, nous proposons un système de segmentation adapté à l'analyse de plusieurs types d'images, riches en détails et dont les régions peuvent être de nature uniforme et/ou texturée. Un intérêt tout particulier a été accordé à l'aspect automatique et non-supervisé du dispositif. Le système proposé combine deux concepts. Le premier, fondé sur un procédé d'intégration d'informations issues de différentes méthodes de segmentation, permet de tirer parti des avantages de chacune d'elles. Le second concept s'inspire de la perception active par l'introduction d'une boucle de retour dans le système afin de corriger et d'ajuster les paramètres de contrôle de l'ensemble des méthodes employées. Le principe de la coopération proposée introduit un mécanisme de vérification de la cohérence par comparaison des résultats des méthodes impliquées dans la coopération. Ce dernier aspect fait défaut à un bon nombre d'approches coopératives. Le système développé est composé de deux modules. Le premier est dédié à l'extraction de régions uniformes ou faiblement texturées. Le principe est fondé sur une coopération itérative entre une méthode de détection de contours et une méthode d'agrégation de points. Ces deux méthodes sont itérées avec des critères de plus en plus tolérants jusqu'à la convergence vers des résultats cohérents et stables. La cohérence est réalisée en minimisant une mesure de dissimilarité entre les contours et les régions. Le but est ainsi de fournir une solution optimale au sens de la compatibilité entre les résultats des deux segmentations. Le second module localise les régions texturées et contribue à la réactualisation et à la correction des contours extraits à chaque itération du premier module. Cette localisation s'appuie sur une classification automatique par multi-seuillage exploitant certains mécanismes de la perception visuelle, et sur une fusion des régions multi-seuillées minimisant un critère de similarité.
This paper focuses on the problem of image segmentation. It adresses the inherent deficiencies occurring when extracting low-level features (primitives) and when dealing with the complexity of real scenes. To solve such a problem we propose a framework which integrates several types of primitives formed progressively from complementary image transformations in an iterative and cooperative way. A particular interest has been given to the automatic and unsupervised aspect of the device. The proposed system combines two concepts. The first one is based on the integration of the information resulting from different segmentation methods. This allows us to take into account the advantages from each of them. The second concept draws itself from active perception by the introduction of a feedback in the system in order to correct and adjust the control parameters of different segmentation methods. The principle of the proposed cooperation introduces a mechanism to check the coherence by making a comparison of the results obtained by the cooperative methods. This last aspect is lacking to most of cooperative approaches that can be found in the literature. The developed system is composed of two modules. The first is dedicated to the extraction of uniform or weakly textured regions. Its principle is based on an iterative cooperation between two methods : edge detection and region growing. Both methods are iterated with more and more tolerance criteria until they converge towards coherent and stable results. The coherence is achieved by minimising a dissimilarity measure between the contours and the regions. The objective is therefore to provide an optimal solution in the sense of the compatibility between the results of the two segmentations. The second module localises textured regions in order to update and correct the contours extracted at each iteration by the first module. This localisation is based on an automatic classification through multi-thresholding exploiting some mechanisms of visual perception, and on a fusion of multi-thresholded regions minimising a similarity criterion.</description><identifier>ISSN: 0765-0019</identifier><identifier>EISSN: 1958-5608</identifier><identifier>DOI: 10.3166/ts.15.321-337</identifier><language>fre</language><publisher>Saint-Martin d'Hères: Lavoisier</publisher><subject>coherence measure ; contrast perception ; cooperative methods ; coopération de méthodes ; dissimilarity between edge maps ; dissimilarité entre images de contours ; Image segmentation ; mesure de cohérence ; perception du contraste ; Sciences appliquees ; Sciences exactes et technologie ; Segmentation d'images ; Telecommunications et theorie de l'information ; Théorie de l'information, du signal et des communications ; Traitement des images ; Traitement du signal</subject><ispartof>Traitement du signal, 1998, Vol.15 (4), p.321-337</ispartof><rights>1999 INIST-CNRS</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,780,784,4024,27923,27924,27925</link.rule.ids><backlink>$$Uhttp://pascal-francis.inist.fr/vibad/index.php?action=getRecordDetail&idt=1732066$$DView record in Pascal Francis$$Hfree_for_read</backlink></links><search><creatorcontrib>Djalal Kermad, Chafik</creatorcontrib><creatorcontrib>Chehdi, Kacem</creatorcontrib><title>Segmentation d'images : recherche d'une mise en œuvre automatique par coopération de méthodes</title><title>Traitement du signal</title><description>Dans cet article, nous proposons un système de segmentation adapté à l'analyse de plusieurs types d'images, riches en détails et dont les régions peuvent être de nature uniforme et/ou texturée. Un intérêt tout particulier a été accordé à l'aspect automatique et non-supervisé du dispositif. Le système proposé combine deux concepts. Le premier, fondé sur un procédé d'intégration d'informations issues de différentes méthodes de segmentation, permet de tirer parti des avantages de chacune d'elles. Le second concept s'inspire de la perception active par l'introduction d'une boucle de retour dans le système afin de corriger et d'ajuster les paramètres de contrôle de l'ensemble des méthodes employées. Le principe de la coopération proposée introduit un mécanisme de vérification de la cohérence par comparaison des résultats des méthodes impliquées dans la coopération. Ce dernier aspect fait défaut à un bon nombre d'approches coopératives. Le système développé est composé de deux modules. Le premier est dédié à l'extraction de régions uniformes ou faiblement texturées. Le principe est fondé sur une coopération itérative entre une méthode de détection de contours et une méthode d'agrégation de points. Ces deux méthodes sont itérées avec des critères de plus en plus tolérants jusqu'à la convergence vers des résultats cohérents et stables. La cohérence est réalisée en minimisant une mesure de dissimilarité entre les contours et les régions. Le but est ainsi de fournir une solution optimale au sens de la compatibilité entre les résultats des deux segmentations. Le second module localise les régions texturées et contribue à la réactualisation et à la correction des contours extraits à chaque itération du premier module. Cette localisation s'appuie sur une classification automatique par multi-seuillage exploitant certains mécanismes de la perception visuelle, et sur une fusion des régions multi-seuillées minimisant un critère de similarité.
This paper focuses on the problem of image segmentation. It adresses the inherent deficiencies occurring when extracting low-level features (primitives) and when dealing with the complexity of real scenes. To solve such a problem we propose a framework which integrates several types of primitives formed progressively from complementary image transformations in an iterative and cooperative way. A particular interest has been given to the automatic and unsupervised aspect of the device. The proposed system combines two concepts. The first one is based on the integration of the information resulting from different segmentation methods. This allows us to take into account the advantages from each of them. The second concept draws itself from active perception by the introduction of a feedback in the system in order to correct and adjust the control parameters of different segmentation methods. The principle of the proposed cooperation introduces a mechanism to check the coherence by making a comparison of the results obtained by the cooperative methods. This last aspect is lacking to most of cooperative approaches that can be found in the literature. The developed system is composed of two modules. The first is dedicated to the extraction of uniform or weakly textured regions. Its principle is based on an iterative cooperation between two methods : edge detection and region growing. Both methods are iterated with more and more tolerance criteria until they converge towards coherent and stable results. The coherence is achieved by minimising a dissimilarity measure between the contours and the regions. The objective is therefore to provide an optimal solution in the sense of the compatibility between the results of the two segmentations. The second module localises textured regions in order to update and correct the contours extracted at each iteration by the first module. This localisation is based on an automatic classification through multi-thresholding exploiting some mechanisms of visual perception, and on a fusion of multi-thresholded regions minimising a similarity criterion.</description><subject>coherence measure</subject><subject>contrast perception</subject><subject>cooperative methods</subject><subject>coopération de méthodes</subject><subject>dissimilarity between edge maps</subject><subject>dissimilarité entre images de contours</subject><subject>Image segmentation</subject><subject>mesure de cohérence</subject><subject>perception du contraste</subject><subject>Sciences appliquees</subject><subject>Sciences exactes et technologie</subject><subject>Segmentation d'images</subject><subject>Telecommunications et theorie de l'information</subject><subject>Théorie de l'information, du signal et des communications</subject><subject>Traitement des images</subject><subject>Traitement du signal</subject><issn>0765-0019</issn><issn>1958-5608</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>1998</creationdate><recordtype>article</recordtype><recordid>eNo9j81KAzEUhYMoWGqX7rMQXKXmZ_Iz7qSoFQoK0_2YZu60o50fkxnR5_Ap-hzF9zLQ4oXLhXPO_eAgdMnoVDClbvowZXIqOCNC6BM0Yqk0RCpqTtGIaiUJpSw9R5MQ3mgcwRKlxAi9ZrCuoeltX7UNLq6r2q4h4FvswW3Ax43i0ACuqwAYGvz7M3x6wHbo2zo-fQyAO-uxa9tuv_NHTIzvd_2mLSBcoLPSbgNMjneMlg_3y9mcLJ4fn2Z3C1IprQgvpS5SXXCXMMlKZ6yRRbkqE05ZAS5JuLMMnNCFSVIjE50anjKnUq0A1MqIMbo6YDsbnN2W3jauCnnnYyH_nTMtOI2Fx4gcYlXo4evftv49V1pomc-XNM9eTCbZTOZC_AFVWWgq</recordid><startdate>1998</startdate><enddate>1998</enddate><creator>Djalal Kermad, Chafik</creator><creator>Chehdi, Kacem</creator><general>Lavoisier</general><general>Groupe de recherche et d'étude de traitement du signal et des images</general><scope>BSCLL</scope><scope>IQODW</scope></search><sort><creationdate>1998</creationdate><title>Segmentation d'images : recherche d'une mise en œuvre automatique par coopération de méthodes</title><author>Djalal Kermad, Chafik ; Chehdi, Kacem</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-i676-2f57d97d2c4151fc8a85dfbf4201dec442ca1ec37d849854798291c6976ee6b83</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>fre</language><creationdate>1998</creationdate><topic>coherence measure</topic><topic>contrast perception</topic><topic>cooperative methods</topic><topic>coopération de méthodes</topic><topic>dissimilarity between edge maps</topic><topic>dissimilarité entre images de contours</topic><topic>Image segmentation</topic><topic>mesure de cohérence</topic><topic>perception du contraste</topic><topic>Sciences appliquees</topic><topic>Sciences exactes et technologie</topic><topic>Segmentation d'images</topic><topic>Telecommunications et theorie de l'information</topic><topic>Théorie de l'information, du signal et des communications</topic><topic>Traitement des images</topic><topic>Traitement du signal</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>Djalal Kermad, Chafik</creatorcontrib><creatorcontrib>Chehdi, Kacem</creatorcontrib><collection>Istex</collection><collection>Pascal-Francis</collection><jtitle>Traitement du signal</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>Djalal Kermad, Chafik</au><au>Chehdi, Kacem</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>Segmentation d'images : recherche d'une mise en œuvre automatique par coopération de méthodes</atitle><jtitle>Traitement du signal</jtitle><date>1998</date><risdate>1998</risdate><volume>15</volume><issue>4</issue><spage>321</spage><epage>337</epage><pages>321-337</pages><issn>0765-0019</issn><eissn>1958-5608</eissn><abstract>Dans cet article, nous proposons un système de segmentation adapté à l'analyse de plusieurs types d'images, riches en détails et dont les régions peuvent être de nature uniforme et/ou texturée. Un intérêt tout particulier a été accordé à l'aspect automatique et non-supervisé du dispositif. Le système proposé combine deux concepts. Le premier, fondé sur un procédé d'intégration d'informations issues de différentes méthodes de segmentation, permet de tirer parti des avantages de chacune d'elles. Le second concept s'inspire de la perception active par l'introduction d'une boucle de retour dans le système afin de corriger et d'ajuster les paramètres de contrôle de l'ensemble des méthodes employées. Le principe de la coopération proposée introduit un mécanisme de vérification de la cohérence par comparaison des résultats des méthodes impliquées dans la coopération. Ce dernier aspect fait défaut à un bon nombre d'approches coopératives. Le système développé est composé de deux modules. Le premier est dédié à l'extraction de régions uniformes ou faiblement texturées. Le principe est fondé sur une coopération itérative entre une méthode de détection de contours et une méthode d'agrégation de points. Ces deux méthodes sont itérées avec des critères de plus en plus tolérants jusqu'à la convergence vers des résultats cohérents et stables. La cohérence est réalisée en minimisant une mesure de dissimilarité entre les contours et les régions. Le but est ainsi de fournir une solution optimale au sens de la compatibilité entre les résultats des deux segmentations. Le second module localise les régions texturées et contribue à la réactualisation et à la correction des contours extraits à chaque itération du premier module. Cette localisation s'appuie sur une classification automatique par multi-seuillage exploitant certains mécanismes de la perception visuelle, et sur une fusion des régions multi-seuillées minimisant un critère de similarité.
This paper focuses on the problem of image segmentation. It adresses the inherent deficiencies occurring when extracting low-level features (primitives) and when dealing with the complexity of real scenes. To solve such a problem we propose a framework which integrates several types of primitives formed progressively from complementary image transformations in an iterative and cooperative way. A particular interest has been given to the automatic and unsupervised aspect of the device. The proposed system combines two concepts. The first one is based on the integration of the information resulting from different segmentation methods. This allows us to take into account the advantages from each of them. The second concept draws itself from active perception by the introduction of a feedback in the system in order to correct and adjust the control parameters of different segmentation methods. The principle of the proposed cooperation introduces a mechanism to check the coherence by making a comparison of the results obtained by the cooperative methods. This last aspect is lacking to most of cooperative approaches that can be found in the literature. The developed system is composed of two modules. The first is dedicated to the extraction of uniform or weakly textured regions. Its principle is based on an iterative cooperation between two methods : edge detection and region growing. Both methods are iterated with more and more tolerance criteria until they converge towards coherent and stable results. The coherence is achieved by minimising a dissimilarity measure between the contours and the regions. The objective is therefore to provide an optimal solution in the sense of the compatibility between the results of the two segmentations. The second module localises textured regions in order to update and correct the contours extracted at each iteration by the first module. This localisation is based on an automatic classification through multi-thresholding exploiting some mechanisms of visual perception, and on a fusion of multi-thresholded regions minimising a similarity criterion.</abstract><cop>Saint-Martin d'Hères</cop><pub>Lavoisier</pub><doi>10.3166/ts.15.321-337</doi><tpages>17</tpages></addata></record> |
fulltext | fulltext |
identifier | ISSN: 0765-0019 |
ispartof | Traitement du signal, 1998, Vol.15 (4), p.321-337 |
issn | 0765-0019 1958-5608 |
language | fre |
recordid | cdi_pascalfrancis_primary_1732066 |
source | EZB-FREE-00999 freely available EZB journals; Alma/SFX Local Collection |
subjects | coherence measure contrast perception cooperative methods coopération de méthodes dissimilarity between edge maps dissimilarité entre images de contours Image segmentation mesure de cohérence perception du contraste Sciences appliquees Sciences exactes et technologie Segmentation d'images Telecommunications et theorie de l'information Théorie de l'information, du signal et des communications Traitement des images Traitement du signal |
title | Segmentation d'images : recherche d'une mise en œuvre automatique par coopération de méthodes |
url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-26T16%3A51%3A58IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-istex_pasca&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Segmentation%20d'images%20:%20recherche%20d'une%20mise%20en%20%C5%93uvre%20automatique%20par%20coop%C3%A9ration%20de%20m%C3%A9thodes&rft.jtitle=Traitement%20du%20signal&rft.au=Djalal%20Kermad,%20Chafik&rft.date=1998&rft.volume=15&rft.issue=4&rft.spage=321&rft.epage=337&rft.pages=321-337&rft.issn=0765-0019&rft.eissn=1958-5608&rft_id=info:doi/10.3166/ts.15.321-337&rft_dat=%3Cistex_pasca%3Eark_67375_HT0_SP8S51C5_3%3C/istex_pasca%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true |