Mise en oeuvre d'un système adaptatif de segmentation d'images

Le traitement d'images suscite un interet croissant a mesure que l'image s'impose comme un support et une source d'informations privilegies. La qualite de l'interpretation d'une image depend fortement de celle de la segmentation. Malgre la grande diversite de methodes, les resultats de segmentation restent moyens et varient beaucoup en fonction de la technique choisie. Une methode de segmentation generale et automatique est difficile a concevoir etant donnes les differents types de regions pouvant etre presentes dans une image. Afin de contribuer a resoudre ce probleme, nous proposons un systeme adaptatif de segmentation d'images. Apres un travail de synthese permettant de repertorier les differentes methodes de segmentation existantes en fonction du type d'informations pour lesquelles elles sont performantes, un systeme original de segmentation est propose. L'originalite de ce systeme reside dans l'adaptation des traitements au contexte local de l'image avec le minimum de connaissances a priori. Il est constitue de trois modules de traitement. Le premier module permet d'analyser finement l'image a deux niveaux. Le premier niveau identifie d'une part, le contexte global de l'image a traiter (image majoritairement composee de regions uniformes ou texturees) afin d'adapter la suite des traitements et, distingue d'autre part, les zones texturees et uniformes la composant. Le second niveau du module concerne l'analyse locale de l'image a segmenter afin de caracteriser chacune des regions detectees par des attributs classiques de textures pertinents (obtenus par analyse statistique) et des attributs que nous avons definis. Ces parametres complementaires ont ete determines a partir d'un modele de texture base sur la decomposition de Wold de la fonction d'autocovariance. Ils permettent d'obtenir des informations sur le type de texture (aleatoire ou deterministe) et sur sa granularite (grossiere ou fine). Cette analyse plus fine d'une region texturee permet, d'une part, de faciliter le choix de la methode de segmentation appropriee et, d'autre part, d'adapter la taille du support d'analyse de la region a segmenter. Le deuxieme module declenche la methode de segmentation adaptee au contexte local de l'image en utilisant une methode de classification non supervisee que nous avons developpee. Enfin, le troisieme module permet de fusionner soit les resultats de plusieurs methodes de segmentation d'une meme image, soit les resultats de segmentation de chaque bande dans le cas d'une image multi-composantes. La methode de fusion developpee adopte une approche genetique en combinant les resultats de segmentation ponderes par un critere d'evaluation. Le systeme a ete valide sur differents types d'image (synthetiques et reelles de teledetection).