thesis

Méthodes de segmentation bidimensionnelles et tridimensionnelles appliquées à l'imagerie odontologique et biomédicale

Defense date:

Jan. 1, 1996

Edit

Institution:

Saint-Etienne

Disciplines:

Directors:

Abstract EN:

Pas de résumé disponible.

Abstract FR:

Cette thèse a été effectuée au Laboratoire d'image, signal et acoustique de CPE Lyon sous la direction de monsieur M. Jourlin. Elle a pour but d'étudier et de mettre en oeuvre de nouvelles techniques de segmentation bidimensionnelles et tridimensionnelles en vue de l'application dentaire. Elle se compose de deux chapitres. Le premier chapitre présente le contexte de notre travail, c'est-à-dire l'imagerie dentaire. Nous étudions dans un premier temps les systèmes d'acquisition dont nous disposons (scanner X et morphomètre), et les différents types d'images associés. Puis, nous faisons le point sur les techniques de traitement d'images couramment utilisées par les applications odontologiques. Après avoir exposé les raisons pour lesquelles les besoins des chirurgiens-dentistes n'étaient pas entièrement satisfaits par les techniques existantes, nous terminons ce chapitre sur la nécessité de mettre en oeuvre de nouveaux traitements tels que la segmentation. Le deuxième chapitre est entièrement consacre à la segmentation. Deux approches sont étudiées : par contour et par région. La première approche fait l'objet d'une partie dans laquelle deux types de techniques sont envisagés : le filtrage et les contours actifs. La seconde approche est traitée en deux parties séparées, l'une portant sur la classification et l'autre sur la croissance de région. Des techniques nouvelles sont présentées telles que le multiseuillage par poids de frontières ou la classification mixte qui est une combinaison des nuées dynamiques multidimensionnelles et de la classification ascendante hiérarchique (cette technique prend en compte l'information spatiale et l'information des niveaux de gris). Nous terminons ce chapitre par la présentation d'un nouvel algorithme de croissance de région qui présente l'originalité de pouvoir segmenter des objets non-connexes à partir d'un seul germe avec de meilleures performances que les algorithmes classiques