Abstract FR:

La detection robuste de structures courbes a partir de contours joue un role important pour de nombreux systemes de vision artificielle. Dans ce contexte, le groupement perceptuel est une contribution utile de la psycho-vision a la vision par ordinateur, avec l'apport de methodes generiques et robustes pour reduire la complexite de cette tache. Nous proposons dans cette these une methode robuste, inspiree des regles gestaltistes, pour detecter les contours saillants et en extraire des elements de representation. Cette approche est hierarchique et divisee en trois niveaux d'organisation. Le premier niveau consiste en l'optimisation d'une fonction de qualite representative des proprietes geometriques des contours a l'aide d'un reseau d'elements localement connectes. Le but de ce niveau est d'isoler les structures curvilignes les plus regulieres. Nous apportons un formalisme generique pour ce type de reseau, ainsi qu'une famille de fonctions de qualite plus stable, et un ensemble de critere pour l'optimisation et la selection des contours les plus saillants. Ces derniers servent de centre d'attention pour le second niveau de groupement. Des hypotheses de segments, d'arcs et de points d'interet sont etablies a partir des structures saillantes et groupees afin de produire un ensemble d'elements representatifs des contours de la scene. Enfin, nous illustrons le dernier niveau par une application a la detection et la mise en correspondance de jonctions entre deux images. La principale caracteristique de notre methode est une separation entre une strategie generique d'organisation et des modules de groupements specialises. Une certaine part d'ambiguite et de redondance est egalement necessaire afin de permettre la detection de structures multi-echelles. Notre travail insiste sur la manipulation de scenes complexes, sur des systemes usuels. Il a fait l'objet d'applications sur des scenes variees, depuis les images satellitaires et medicales aux scenes urbaines et d'interieur.