Abstract FR:

La segmentation d'images occupe une place importante dans la chaine de traitement visuel d'une scene. Il s'agit de partir de l'image brute pour en extraire les informations essentielles a la comprehension du contenu de cette image. Les lois gerant cette operation sont inconscientes chez l'homme ; elles sont notamment etudiees dans le cadre de la psychologie de la gestalt. Ainsi, des lois generales de groupement perceptuel ont ete formulees, notamment la proximite, la similitude, la fermeture, la continuite, l'appartenance a une region commune et la connexite. Notre but est de realiser un systeme de segmentation utilisant des primitives simples de groupement-division d'elements visuels (groupement de regions, de lignes, ou divisions de differentes manieres), ce systeme etant separe en deux parties: la gestion du controle (enchainement des operations de groupement visuel), et la representation des entites du domaine (structures de donnees image et differents elements visuels, operations elementaires de groupements et de divisions d'elements visuels). Le controle est fonde sur une architecture de tableau noir a controle hierarchique dans lequel les connaissances de controle sont reparties sur trois niveaux. Le premier niveau est constitue par des sources de connaissances du domaine qui expriment l'expertise a fournir par le programmeur d'application et representent des criteres de groupement-division d'elements visuels s'appuyant sur les lois de la gestalt. Deux niveaux de controle assurent l'enchainement des sources de connaissance du domaine: les niveaux strategie et taches. Le niveau strategie constitue la strategie generale du traitement, et represente l'expertise exprimant l'ordre d'application des sources du deuxieme niveau, les taches. Ces dernieres expriment des strategies partielles de traitement, et constituent l'expertise exprimant l'ordre d'application des sources de connaissance du domaine dans differentes situations. On peut ainsi exprimer differentes strategies de segmentation adaptees a differentes classes d'images avec un moindre effort. Cette approche permet de realiser des systemes generaux, mettant en uvre diverses heuristiques de segmentation, leur permettant ainsi de s'adapter au type de l'image. Elle a ete validee sur des images biomedicales de cytologie et d'histologie