Télécharger La thèse : | ![]() |
Titre: Calcul distribué pour l'imagerie médicale
Domaine: Mathématiques informatique (MI)
Filière: Informatique
Option: INFORMATIQUE
Auteur: MEDDEBER Hayat
Soutenu (e) le: 15/01/2022
Sous la direction de: YAGOUBI Belabbas, Professeur, Université Oran 1
Le président du jury : KHELFI Mohamed Fayçal, Professeur, Université Oran 1
Examinateur1: AMINE AbdelmaleK, Professeur, Université Dr Moulay Tahar de Saida
Examinateur2: LOUKIL Lakhdar, Professeur, Université Oran 1
Examinateur3: CHIKHI Salim, Professeur, Université Abdelhamid Mehri Constantine 2
Examinateur4: DEBBAT Fatima, Professeur, Université Université Mustapha Stambouli Mascara
Mention: Très honorables
Résumé:Le suivi d'objets présente un défi essentiel en vision par ordinateur et en traitement d'images. L'objectif de cette thèse est de développer une approche robuste de suivi d'objet dans une séquence d'images médicales. La robustesse d'une méthode de suivi est la capacité d'avoir une bonne qualité de détection d'objet dans un court intervalle de temps. Pour la détection d'objet, dans ce travail nous nous intéressons aux modèles déformables tout particulièrement aux modèles de Flux de Vecteurs Gradients (GVF) [Zha16], qui présentent une efficacité à segmenter et à suivre les objets non-rigides. L'approche proposée est un système coopératif composé de trois agents qui s'exécutent en parallèle. Le premier Agent décompose les images de la séquence en multi-résolutions en utilisant l'algorithme de pyramide Gaussienne [Bur83]. Son but est d'accélérer la convergence du modèle déformable vers les frontières de l'objet et de diminuer la sensibilité du contour actif aux bruits. Le second est un sous-système d'agents, il détecte l'objet à suivre aux niveaux supérieurs des pyramides. Pour avoir une courbe initiale proche de l'objet à détecter, une segmentation initiale est réalisée sur les images à basse résolution par l'algorithme de K-means [Dha15]. Pour réduire le temps de convergence, une subdivision est effectuée; le contour initial devient des sous-contours indépendants qui convergent simultanément. Chaque sous- contour est affecté à un sous-agent. La détection est ensuite réalisée par un modèle de Flux de Vecteurs Gradients amélioré (IGVF). Le troisième Agent réalise la projection des points d'IGVF des images à basse résolution vers les images à haute résolution. Des expériences sont fournies pour évaluer notre système de suivi, montrant des améliorations significatives à la fois sur la sensibilité aux bruits, la détection d'objet de forme concave et sur le temps de suivi.
Mots clefs: Suivi D'objets; Image Médicale; Multi-Résolution; Segmentation; Exécution Parallèle; Système Coopératif; Agents; Flux De Vecteurs Gradients; IGVF; K-Means.
Publications associées à la thèse
Article 1:
Titre: Parallel object tracking in image sequences based on K-means and an Improved Gradient Vector Flow.
Revue: Journal of Engineering Science and Technology (JESTEC)
Référence: Journal of Engineering Science and Technology Vol. 16, No. 4 (2021) 3119 – 3135 © School of Engineering, Taylor’s University
Date: Aout 2021