Résumé:
Le système de la vision humaine a une grande facilité à percevoir une image, il peut isoler toutes les entités formant l'image et extraire dans un cours délai les informations et les données incluses dans cette dernière.
Ce mécanisme s'exécute instantanément et ne demande pas beaucoup de temps. Le domaine de l'intelligence artificielle a essayé de reprendre ce système e l'automatiser en créant le domaine du traitement d'image.
Dans ce travail nous nous sommes intéressés principalement à une seule étape du processus de traitement d'image, c'est l'étape de la segmentation. Nous avons développés un outil de segmentation d'image médicale par la méthode de détection de lignes de crêtes par propagation de vallées utilisant la multirésolution.
Pour ce faire nous avons partagé notre travail en deux étapes, la première consistait à réaliser la méthode de détection de lignes de crête par propagation de vallées sans la multirésolution (chapitre 2).
Dans un deuxième temps nous avons associé la multirésolution au processus de propagation de vallées (chapitre 4). Avant de réaliser cette association nous avons développé le fonctionnement de la multirésolution et les structures utilisées qu'est dans notre cas c'est l'arbre quaternaire (chapitre 3).
En fin de parcours, nous avons essayé d'établir une comparaison entre les deux étapes de notre méthode, et ensuite avec deux autres méthodes se segmentation (Chapitre 6), la première faisant partie de l'approche région (seuillage non supervisé) et la deuxième de l'approche frontière (le gradient).
Nous avons constaté dans la première étape de la méthode étudiée de bons résultats, mais elle reste très lourde et très coûteuse en temps d'exécution,
l'association de la multirésolution a fait réduire fortement le temps d'exécution tout en affinant le résultat, qui reste conditionné par le choix du seuil et le nombre de niveaux de résolution dans l'arbre quaternaire.
En comparant la méthode étudiée avec les deux autres approches (région, contours), nous avons constaté principalement que les deux dernières méthodes de segmentation donnent des résultats assez similaires dans le cas où l'image à traiter ne contient pas principalement des lignes c'est-à-dire que l'image est de troisième
type.
Cependant ce travail reste encore évolutif et des améliorations seront possibles en abordant les points suivants :
- Pour la multirésolution, d'autres structures multirésolitionnelles pouvant être utilisées à la place des quaternaires, les pyramides irrégulières
peuvent êtres utilisées.
· - Pour le passage d'un niveau de résolution à un autre dans l'arbre quaternaire, la possibilité de trouver une autre fonction que celle du maximum.
- La possibilité de retarder l'étape de seuillage dans la basse résolution pour essayer de donner plus de chance aux parties contenant des points crêtes.
- Faire des essais sur des images d'autres domaines que celle de l'imagerie médicale. Pour arriver peut être à un autre domaine d'application.