Introduction générale
Le traitement d'images et la vision par ordinateur sont deux
disciplines relativement jeunes, mais elles évoluent rapidement. Ces
deux domaines de traitement de l'information jouent un rôle très
important dans plusieurs contextes : académiques, technologiques et
industriels.
Le recalage d'image est un problème classique en vision
par ordinateur et un processus fondamental en traitement d'images. Il vise
à déterminer la meilleure transformation
géométrique qui permet de superposer la plus grande partie
commune possible de deux ou plusieurs images prises à différents
moments, depuis différents capteurs (recalage multimodale) ou à
partir de différents point de vue (recalage monomodale). Le recalage
joue un rôle important dans plusieurs applications comme la surveillance
de terre agricole à partir d'images satellitaires, la correspondance
d'images stéréoscopiques et l'alignement d'images
médicales pour le diagnostique.
Pour résoudre le problème de recalage il existe
plusieurs techniques. On peut les classer en deux grandes classes : les
approches géométriques basées primitives, elles s'appuient
sur l'utilisation de primitives géométriques (points, segments,
contours, etc.) ; et les approches basées intensité, dites
également approches iconiques. Ce deuxième type, approches
iconiques, est mieux adapté au recalage d'images multimodales.
Le problème de recalage est connu comme un
problème d'optimisation. Pour sa résolution, plusieurs
méthodes approchées ont été proposées. Parmi
ces méthodes on trouve: le recuit simulé, la recherche taboue,
les algorithmes génétiques, les colonies de fourmis et les
systèmes immunitaires artificiels.
Dans ce travail, nous proposons un algorithme à
évolution différentielle adaptative pour le recalage d'images
médicales multimodales en utilisant l'information mutuelle comme mesure
de similarité. Deux variantes ont été définies.
Dans la première, une adaptation linéaire du facteur
d'amplification de l'opération de mutation est utilisée. Dans la
deuxième, cette adaptation linéaire est remplacée par une
formule sinusoïdale permettant à l'operateur de mutation de changer
son rôle périodiquement de l'exploration à l'exploitation
et vice versa.
2
Les résultats expérimentaux obtenus de
l'application des deux variantes à différentes paires d'images
médicales, IRM et PET, ont été comparés avec ceux
obtenu de l'application de l'évolution différentielle de base sur
les mêmes paires d'images. Cette comparaison a démontré la
supériorité de nos deux variantes par rapport à
l'algorithme de base au moins au niveau de la complexité
algorithmique.
Ce mémoire s'articule donc de la manière suivante
:
- Dans le premier chapitre nous expliquons brièvement le
problème de recalage
d'images, ses principes de base, ses types et ses domaines
d'application.
- Le deuxième chapitre présente le domaine
d'optimisation en se concentrant sur les différentes approches
proposées dans la littérature pour résoudre les
différents problèmes d'optimisation.
- Le troisième chapitre est consacré à la
description de l'algorithme de base de l'évolution
différentielle, ses variantes, ses limites, et ses avantages.
- Le quatrième chapitre détaille nos
contributions pour le recalage d'images médicales, à savoir :
l'adaptation linéaire et l'adaptation périodique des
paramètres. Dans sa deuxième partie les résultats
expérimentaux sont introduits et discutés.
| 
