N° d'ordre 1053

4.5 Expérimentation

Nous avons testé les méthodes de Deriche et de Shen et Castan sur trois types d'images: images de caméra, images optiques de photographie aérienne et images de microscopie électronique.

Le résultat des traitements effectués est présenté ci-dessous, les contours sont ensuite codés sur l'alphabet de Freeman en relatif en choisissant un sens de codage orienté par rapport au gradient.


Image originale

Méthode Deriche	Méthode Shen et Castan

Fig. 4.3: Exemple de contours d'images de caméra (pyramide)



Image originale

Méthode Deriche	Méthode Shen et Castan

Fig.4.4: Exemple d'images de photographie aérienne (Belle Ile)



Image originale

Méthode Deriche	Méthode Shen et Castan

Fig.4.5: Exemple d'images de microscope à balayage (calcite)

4.6 Conclusion

Nous avons extrait les contours des images test selon les méthodes de Deriche d'une part, et de Shen et Castan d'autre part. Les résultats obtenus sont similaires avec une exécution plus rapide pour la méthode de Shen et Castan. Un affinage des seuils permettrait d'améliorer la qualité des contours obtenus, cependant les résultats sont suffisant pour les étapes suivantes de la chaîne de traitement.

Dans le travail présenté, l'extraction de contour est surtout un moyen d'obtenir des points homologues entre deux images stéréoscopiques afin de préparer les étapes de calibration du système de prise de vues et de mise en correspondance des deux images. Il n'est donc pas nécessaire d'obtenir le maximum de contours sur une image mais plutôt d'extraire les contours les plus fiables possibles. Un nombre trop élevé de contours serait un désavantage par l'explosion combinatoire de la recherche de correspondance entre contours homologues.
D'autre part, les modèles utilisés pour rehausser les contours ne sont pas forcément optimaux pour des images de microscopie électronique, puisque les contours qui présentent un pic lumineux importants, n'ont pas exactement les mêmes propriétés que ceux d'images optiques, et les propriétés statistiques du bruit ne sont pas les mêmes que pour les images optiques (bruit blanc).
Nous avons donc testé ces deux détecteurs de contours sans les affiner puisque le plus important était d'obtenir une chaîne de traitement complète. Il sera intéressant de tester l'enchaînement de différents filtrages (Sobel, Deriche ou Shen & Castan) avec les méthodes de sélection de points ( max local, Laplacien ou programmation dynamique) afin de déterminer pour chaque type d'image la solution la mieux adaptée.

5. Mise en correspondance

La mise en correspondance de deux images stéréoscopique se divise en deux étapes principales:

1) l'extraction de points homologues appelés amers qui servent à initialiser le processus de mise en correspondance

2) l'élargissement de la correspondance à l'ensemble des deux images appelée fusion des images dans la suite de ce chapitre.

La détermination des points amers se fait en trois phases:
1) Mise en correspondance des contours suivant des critères de forme. Cette phase détermine un sous ensemble de contours homologues potentiels et définit une correspondance point à point entre ceux-ci.

2) Application de contraintes géométriques sur les couples de contours en s'appuyant sur les correspondances de points définies lors de la phase 1. Cette phase permet d'éliminer les appariements aberrants et de limiter le combinatoire de l'étape suivante.

3) Choix du meilleur sous ensemble de couples de contours et extraction sur ces contours des points amers les plus fiables. Cette phase élargit la contrainte géométrique à plusieurs contours et prend en compte leurs positions relatives sur les deux images.
La fusion des deux images se fait en deux phases:
1) Recalcul d'une image par rapport à l'autre afin de superposer les droites épipolaires homologues. Cette phase utilise la géométrie épipolaire décrite dans le chapitre 3 et corrige l'image homologue par rapport à l'image de référence afin de faciliter le traitement de la phase suivante.

2) Mise en correspondance des droites épipolaires homologues pour obtenir la correspondance point à point entre les deux images homologues. Cette phase fait appel aux techniques de programmation dynamique entre droites épipolaire, en utilisant comme critère de similarité la luminance des points homologues qui est supposée identique.

Dans la suite de ce chapitre, nous présentons les cinq phases successives qui mènent à la mise en correspondance des images.