Contours actifs d'ordre supérieur et leur application à la détection de linéiques dans les images de télédétection

Cette thèse aborde le problème de l'introduction d'une connaissance a priori sur la géométrie de l'objet à détecter dans le cadre général de la reconnaissance de formes dans une image. L'application choisie pour illustrer ce problème est la détection de réseaux de linéiques dans des images satellitaires et aériennes. Nous nous plaçons dans le cadre des contours actifs, qui ont été largement utilisés en traitement d'image pour l'extraction d'objets, et nous introduisons une nouvelle classe de contours actifs d'ordre supérieur. Cette classe permet la création de nouveaux modèles rendant possible l'incorporation d'informations géométriques fortes définissant plutôt qu'une forme spécifique, une famille générale de formes. Nous étudions, dans un premier temps, un cas particulier d'énergie quadratique qui favorise des structures à plusieurs bras de largeur à peu près constante et connectés entre eux. Cette énergie démontre les perspectives de modélisation qu'offre la nouvelles classe de contours actifs introduite. L'énergie étudiée ainsi que des termes linéaires de longueur et d'aire sont utilisés comme termes d'a priori pour les modèles d'extraction de linéiques que nous proposons. Plusieurs termes d'attache aux données sont proposés dont un terme quadratique permettant de lier la géométrie du contour et les propriétés de l'image. Un modèle d'extraction permettant de gérer les occultations est également présenté. Pour permettre la minimisation de l'énergie, nous développons un cadre méthodologique utilisant les courbes de niveau. Les forces non locales sont calculées sur le contour extrait avant d'être étendues sur tout le domaine considéré. Finalement, afin de résoudre certaines difficultés rencontrées avec les contours actifs standards ainsi que les nouveaux modèles, nous proposons d'utiliser des modèles de champs de phase pour modéliser les régions. Cette méthodologie offre une alternative avantageuse aux techniques classiques et nous définissons des modèles d'extraction de linéiques similaires aux contours actifs d'ordre supérieur dans ce cadre. La pertinence de tous les modèles proposés est illustrée sur des images satellitaires et aériennes réelles.This thesis addresses the question of how to introduce prior knowledge about the shape of an object to be detected in the general framework of object recognition from images. We illustrate this idea with the problem of line network extraction from satellite and aerial images. We use the framework of active contours, which has been extensively used in image processing for object extraction. We introduce a whole new class of active contours, named "higher-order active contours". This class allows us to define new models that incorporate sophisticated prior geometric knowledge describing, rather than a specific shape, a general family of shapes. We first study a particular case of a geometric quadratic energy that favours network structures composed of arms of roughly constant width joined at junctions. This energy demonstrates the modelling possibilities offered by the new class of active contours. The geometric quadratic energy is added to the linear terms length and area, and is used as a geometric prior for the line network extraction models we propose. Several image terms are defined, one of them being a quadratic term linking the geometry of contour points and the data. A model for extraction in presence of occlusions is also presented. In order to minimize these energies, we develop an algorithm based on the level set methodology. The non-local forces of the gradient descent equation are computed on the extracted contour, before being extended to the whole domain. Finally, in order to solve certain difficulties with both standard active contours and the new models, we propose to use phase field models to model regions.NICE-BU Sciences (060882101) / SudocSOPHIA ANTIPOLIS-INRIA I3S (061522305) / SudocSudocFranceF