Segmentation d'images par morphologie mathématique et classification de données par réseaux de neurones : Application à la classification de cellules en cytologie des séreuses

In this work, we studied the various stages useful for the development of a computer vision system : the segmentation of images, the characterization of objects and the classification of data. We developed sufficiently general original techniques allowing to carry out each one of these stages.We will first of all present a method of segmentation of images color of microscopy based on a watershed using of local and global information. In order to be able to adapt the critical points of the method, we defined a strategy of optimization which makes it possible to define the way to approach and to optimize them. We are more particularly interested in the choice of color space and in the obtaining of the markers. In particular, we defined a strategy for the choice of a color space using a color contrast measure based on a priori information.We detail then a neural network architecture. Its principle consists in simplifying the task of the classifior by dividing the problem to be solved. Architecture that we defined makes it possible to simplify the recognition of the data, to improve the training, to simplify the structure of the neural networks used but mainly to increase the recognition rate of the classifior. We illustrated these properties by experiments on various data bases.Finally, we present the development of a screening assistance system by computer cell sorting. This system carries out the synthesis of the methods suggested in the first two parts. It is completely autonomous and allows the recognition of the cells in a highly reliable way (94.5% of the abnormal cells and 99% of the normal cells).Dans ce travail, nous avons étudié les différentes étapes utiles à l'élaboration d'un système de vision par ordinateur : la segmentation d'images, la caractérisation d'objets et la classification de données. Nous avons développé des techniques originales suffisamment générales permettant de réaliser chacune de ces étapes.Nous exposerons tout d'abord une méthode de segmentation d'images couleur de microscopie basée sur une ligne de partage des eaux utilisant des informations locales et globales. Afin de pouvoir adapter les points critiques de la méthode, nous avons défini une stratégie d'optimisation qui permet de définir la façon de les aborder et de les optimiser. Nous nous sommes plus particulièrement intéressés au choix de l'espace couleur et à l'obtention de marqueurs. En particulier, nous avons défini une stratégie de choix de l'espace couleur basée sur une mesure du contraste couleur à partir d'informations a priori.Nous détaillons ensuite une architecture de réseaux de neurones. Son principe consiste à simplifier la tâche du classifieur en divisant le problème à résoudre. L'architecture que nous avons définie permet de simplifier la reconnaissance des données, d'améliorer l'apprentissage, de simplifier la structure des réseaux de neurones utilisés mais principalement d'augmenter le taux de reconnaissance du classifieur. Nous avons illustré ces propriétés par des expérimentations sur différentes bases de données.Enfin, nous présentons l'élaboration d'un système d'aide au screening par le tri informatique cellulaire. Ce système réalise la synthèse des méthodes proposées dans les deux premières parties. Il est totalement autonome et permet la reconnaissance des cellules de façon très fiable (94.5% des cellules anormales et 99% des cellules normales)