Image segmentation : Toward an automatic framework through methods cooperation

This paper focuses on the problem of image segmentation . It adresses the inherent deficiencies occurring when extracting low-level features (primitives) and when dealing with the complexity of real scenes . To solve such a problem we propose a framework which integrates several types of primitives formed progressively from complementary image transformations in an iterative an d cooperative way. A particular interest has been given to the automatic and unsupervised aspect of the device . The proposed system combines two concepts . The first one is based on the integration of the information resulting from differen t segmentation methods . This allows us to take into account the advantages from each of them . The second concept draws itself from active perception by the introduction of a feedback in the system in order to correct and adjust the control parameters of differen t segmentation methods . The principle of the proposed cooperation introduces a mechanism to check the coherence by making a comparison of the results obtained by the cooperative methods . This last aspect is lacking to most of cooperative approaches tha t can be found in the literature .Dans cet article, nous proposons un système de segmentation adapté à l'analyse de plusieurs types d'images, riches en détails et dont les régions peuvent être de nature uniforme et/ou texturée. Un intérêt tout particulier a été accordé à l'aspect automatique et non-supervisé du dispositif. Le système proposé combine deux concepts. Le premier, fondé sur un procédé d'intégration d'informations issues de différentes méthodes de segmentation, permet de tirer parti des avantages de chacune d'elles. Le second concept s'inspire de la perception active par l'introduction d'une boucle de retour dans le système afin de corriger et d'ajuster les paramètres de contrôle de l'ensemble des méthodes employées. Le principe de la coopération proposée introduit un mécanisme de vérification de la cohérence par comparaison des résultats des méthodes impliquées dans la coopération. Ce dernier aspect fait défaut à un bon nombre d'approches coopératives. Le système développé est composé de deux modules. Le premier est dédié à l'extraction de régions uniformes ou faiblement texturées. Le principe est fondé sur une coopération itérative entre une méthode de détection de contours et une méthode d'agrégation de points. Ces deux méthodes sont itérées avec des critères de plus en plus tolérants jusqu'à la convergence vers des résultats cohérents et stables. La cohérence est réalisée en minimisant une mesure de dissimilarité entre les contours et les régions. Le but est ainsi de fournir une solution optimale au sens de la compatibilité entre les résultats des deux segmentations. Le second module localise les régions texturées et contribue à la réactualisation et à la correction des contours extraits à chaque itération du premier module. Cette localisation s'appuie sur une classification automatique par multi-seuillage exploitant certains mécanismes de la perception visuelle, et sur une fusion des régions multi-seuillées minimisant un critère de similarité