Abstract FR:

Ce travail de thèse est consacré à une méthode de segmentation semi-supervisée, basée sur les opérations morphologiques à niveau de gris. Cette étude a été réalisé en collaboration avec le service de neuroradiologie du C. H. R. U. De Lille, dans le cadre d'une segmentation de régions et de lésions cérébrale. La difficulté de détecter des régions ou contours, est la réalité des images médicales (complexité des formes). En effet les valeurs attribuées à l'image sont accompagnées d'un bruit qui est la conséquence des troncatures de calcul, mais aussi des phénomènes physiques liés au fonctionnement des capteurs (patient, environnement, circuits électroniques. . . ). Ce bruit, en plus d'être différent entre le fond et l'objet, engendre des difficultés majeures de détection. Face à ces obstacles pour la segmentation, nous nous efforçons d'obtenir des images plus simples et plus structurées en effectuant un pré - traitement (filtrage) afin d'éliminer le bruit. Le filtre non linéaire à compensation de bruit - comb-, que nous proposons, basé sur les opérations de morphologique mathématique ouverture et fermeture, réduit les fluctuations de niveaux de gris sans modifier les transitions entre les différents objets. Il classifie certaines régions de l'image par tri des valeurs de niveaux de gris. Pour montrer une application de ce filtre, nous proposons une méthode de calcul de dérivée seconde partielle du niveau de gris à partir de l'inversion de la formule de rehaussement de contraste morphologique. Ce calcul permet d'étudier les variations de niveaux de gris, et de déterminer un contour compris entre deux contours extremums représentant le début et la fin de cette transition. Finalement nous avons réalisé un logiciel permettant d'effectuer diverses reconstructions et mesures.