La méthode de Boltzmann sur réseau dédiée au traitement d’image

La méthode de Boltzmann sur réseau est un outil de simulation numérique dont la formulation à l'échelle mésoscopique permet d'éviter la résolution d'une équation différentielle, et repose sur des mécanismes de propagation et de collision au cours du temps, de distributions de particules se propageant sur un réseau régulier. Si les lois de conservation sont imposées en chaque nœud du réseau, alors la solution générée correspondra à la modélisation de phénomènes physiques à l'échelle macroscopique. Dans ce contexte la méthode de Boltzmann est tout à fait adaptée pour résoudre un problème de mécanique des fluides qui équivaut à résoudre indirectement l'équation de Navier-Stokes. Récemment des travaux en traitement d'images ont été réalisés en adaptant la méthode de Boltzmann sur réseau à des opérations de segmentation, de dé bruitage, etc. Par ailleurs la méthode Boltzmann est intrinsèquement adaptée au calcul parallèle sur cartes graphiques permettant ainsi d'optimiser les temps de calculs. Dans ce cadre, l'objectif de cette thèse est de développer une stratégie générale de segmentation multi-seuils appliquée à des données 3D. L'élaboration d'une fonction de collision originale couplée à un algorithme des k-moyennes réalisant une division en "K" partitions ("clusters") des niveaux de gris de l'image considérée, permet une segmentation efficace à seuils multiples. La précision et l’efficacité de la solution proposée ont été validées sur des images de références et sur des séquences d'imagerie médicale traitant d’anévrismes cérébraux. Egalement la méthode proposée couplant la méthode de Boltzmann et la méthode des k-moyennes, a été testée sur cartes graphiques n’VIDIA attestant que la méthode proposée permet une accélération des calculs d'un facteur au moins supérieur à cent et avec une précision identique relevée notamment lors de la segmentation de la paroi d'anévrismes intracrâniens.Lattice Boltzmann Method (LBM) is a numerical tool for solving partial differential equation, LBM being a mesoscopic model dealing with the material containing a quantity of particles in order to simulate macroscopic phenomenon. As a numerical tool LBM has proved its capability to simulate complex fluid flow behaviours and more recently to process medical images. In the framework of image analysis, LBM is implemented to perform de-noising operation, image boundary detection and image segmentation. In addition, LBM has advantage of strong amenability to parallel computing, especially on low-cost, powerful graphics hardware (GPU).In this direction, the main purpose of this thesis is to develop a general parallel computational segmentation algorithm. We have proved the efficiency of the proposed original method through the segmentation of the wall of an aneurysm and associated with parent blood vessels, whole cerebral data-set and stent-assisted aneurysm. The parallel segmentation algorithm has been run on nVIDIA graphic card, and demonstrates that the speedup has been improved by more than 100 times under the same precision