Guidage de contour actif par classificateur binaire supervisé pour la segmentation d'images texturées
Résumé
Dans cet article, un modèle de contour actif pour la segmentation supervisée d'images texturées est proposé. Une image d'apprentissage avec une segmentation experte est utilisée pour réaliser l'apprentissage d'un classificateur binaire grâce aux caractéristiques de texture d'Haralick. Ce classificateur est ensuite intégré dans un contour actif afin de guider son évolution sur plusieurs images. Des résultats sur deux problématiques de segmentation 2D sont présentés et évalués, mettant en avant la précision de nos modèles: la détection de zones urbaines dans des images satellites, et la segmentation de naevus dans des images échographiques. L'approche proposée a également été adaptée avec succès à la reconstruction d'objet dans des images échographiques 3D, et des résultats de reconstruction sont présentés.