Abstract FR:

Ce travail porte sur l'etude d'architectures dediees a la segmentation d'images pour la vision industrielle. Nous nous sommes tournes vers des traitements issus de la morphologie mathematique, qui repondent aux exigences de la vision industrielle : genericite, robustesse, facilite de mise en uvre. Ces traitements sont bases sur la propagation de fronts de donnees selon les criteres de geodesie et d'idempotence : ligne de partage des eaux, reconstruction, etiquetage, etc. Nous montrons leur efficacite dans des cas concrets et etablissons une liste des operateurs qui seront implantes. Deux approches architecturales originales sont abordees. Nous montrons, tout d'abord, qu'un automate cellulaire massivement parallele permet de suivre simultanement tous les fronts de propagation, grace a un mecanisme associatif visant a limiter les contraintes de synchronisation entre processeurs. Cette architecture constitue une reference en terme de vitesse, mais aussi un outil d'etude du comportement des operateurs geodesiques. Ensuite, nous portons notre interet sur une architecture entrant mieux dans un contexte industriel. Elle repose sur des algorithmes generiques a balayage dependant des donnees, que nous exposons. Il s'agit d'une machine pipe-line dans laquelle interviennent les parallelisme de flux, de controle et de donnees. Les difficultes rencontrees resident dans l'irregularite inherente aux algorithmes data-driven. Nous presentons une structure de donnees permettant l'acces simultane aux voisins d'un point quelconque et s'acquittant d'un parcours non predetermine des points de l'image. La regularisation du flot d'instructions est egalement approfondie en se basant sur l'etude du comportement du processus de propagation dans des images d'origine industrielle. Cette architecture appelee spiddo conduit, pour la ligne de partage des eaux, a des vitesses de traitement de 40 ms lorsqu'elle est cadencee a 25 mhz.