Modèle Déformable en Métrique non-euclidienne

Benjamin Taton (1) , Jacques-Olivier Lachaud (1)

1 LaBRI - Laboratoire Bordelais de Recherche en Informatique

Les modèles déformables sont un outil classique pour la segmentation d'images. Les modèles hautement déformables peuvent de plus extraire des composantes image arbitrairement complexes. Cependant, la complexité en temps et en mémoire de ces modèles augmente au moins aussi vite que la taille des données. Cela est causé par le lien étroit entre résolution de l'image et résolution du modèle. Dans cet article, nous proposons une extension d'un modèle hautement déformable qui autorise une adaptation locale de la résolution du modèle. Celui-ci pourra donc avoir une grande précision dans les zones d'intérêt et une résolution grossière ailleurs. L'idée générale est d'échanger la métrique euclidienne de l'espace image contre une métrique non-euclidienne déformée, où les zones d'intérêt ont été géométriquement agrandies. Par ce biais, nous conservons le contexte robuste de segmentation des modèles déformables en lui rajoutant une indépendance certaine vis-à-vis de la taille des données d'une part et de la complexité des composantes image d'autre part.

Mots clés: deformable models; snakes; riemannian geometry; image segmentation; shape recovery

Domaines: Autre [cs.OH]; Traitement des images [eess.IV]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Benjamin Taton, Jacques-Olivier Lachaud. Modèle Déformable en Métrique non-euclidienne. Actes du 13ème Congrès Francophone de Reconnaissance des Formes et Intelligence Artificielle (RFIA02), Jan 2002, France. pp.425-434. ⟨hal-00307964⟩