Version imprimable
Bonjour à tous, j’ai passé toute la matinée à me documenter sur la segmentation d'images en particulier par la méthode Level Set .Hélas je n’ai pas compris grand-chose
Voici ce que j’ai trouvé :
Cette méthode permet de faire évoluer une courbe paramétrique fermée C(p) suivant une équation de type dC/dt=FN
Tel que :
t est le temps,
N : normale unitaire à la courbe
F : vitesse d’évolution
Quelqu’un peut me donner plus de précision SVP ?
Bonjour,
tu peux également ajouter :
- ce n'est pas forcément une courbe paramétrique, mais des fois justes des points reliés entre eux.
- La fonction est une fonction d'énergie !!! Avec une énergie interne et une énergie externe, plus quelques petits paramètres selon besoins. Tu fais donc varier ta courbe ou tes points grace à la fonction.
Si tu veux un exemple de Snake, il y a un plugin déjà implémenté dans ImageJ.
Merci pour ces réponses, pouvez vous me donner un exemple d'application de cette formule car je dois l'implémenter et je ne sais par quoi commencer.
Sinon auriez vous un cours en français sur cette méthode ?
La courbe C "bouge" en fonction du temps. Elle se déplace vers la contour de la zone a segmenter.
Pour savoir de combien elle bouge, on calcule la vitesse de déplacement de chaque point de la courbe. D'ou le calcul de dC/dt = vitesse de la courbe (en chaque point).
Dans ton cas, tu sais déja que ce calcul donne dC/dt=FN, c'est a dire que:
1. chaque point de la courbe se deplace perpendiculairement au rayon de courbure.
2. la grandeur (norme) du déplacement est F, qui est une fonction que l'on va devoir construire.
je suis la pour t'aider et de faire te comprendre la méthode level set
pour la segmentation d'image, généralement soit en utilisant les contours actifs "snakes" sont des courbe paramétriques, enérgie interne qui dépend du snake lui même c-à-d optimisation de la courbure et de la longueur,
si on a par exemple une courbe ouverte distance entre deux point (extr'miités)" la longueur optimale est bien une droite, si la courbe est fermé donc la forme la longueur optimale est un cercle, l'enérgie externe dépend de l'image, "des contours de l'image (le gradient d'image ou un variation de l'intensité des pixels)...etc
pour la méthode level set est une méthode géométrique, son interet est l'adaptation topologique à la forme actuelle de l'objet sans connaissance préalable. la suite vient avec la discussion
Attention à ne pas confondre les snakes (contours actifs dont on cherche à minimiser l'énergie, "inventés" pour le traitement d'images) avec les level sets (méthode numérique, beaucoup plus générale, de résolution d'équations différentielles partielles qui apparaissent dans une modélisation du problème de segmentation).
Pour l'implémentation des level sets et leur application à la segmentation, voir par exemple le site de Baris Sumengen
http://barissumengen.com/level_set_methods/index.html
Son implémentation est très facile à comprendre, à défaut d'être optimisée.
Deux mises en garde :
- si tu ne peux pas lire l'anglais
- si tu ne peux pas suivre les développements mathématiques derrière la méthode des level sets
tu finiras très vite dans une impasse. Un seul conseil : lis!
Nous sommes ici pour te conseiller et t'orienter si tu as une question précise et si tu as raisonnablement défriché le terrain.
Bonne chance.
Bonjour,
J'essaye de comprndre la différence entre level set et les snakes et ce que j'ai compris c'est que avec les snakes ont connait à prioris la forme géométrique de l'objet qu'ont cherche par contre avec le level set c'est tout à fait le contraire.
est ce que c'est vrais?
d'apres cette explication je comprend que l'interret de level set est l'adaptation topologique vous pouvez m'expliquez un peux plus svpCitation:
Envoyé par tiougare
Merci
salam,
la différence entre level set et les snakes, la méthode level set est un méthode appartient aux modèles géométrique, et les contours actifs appariennent aux modèles paramétriques, de point de vu topologique
de préférence de travailler par la méthode level set qui est une équation différentielle, à résoudre, par contre les contours actifs sont basés sur la minimisation d'énergie interne "dépendant de la courbe (minimisation de la longueur + minimisation de courbure" et externe dépendant de l'intensité des pixels le gradient des pixels trés important ce qui est le contour.
Salam,
Un modèle de contour actif : un ensemble de points mobiles et répartis sur une courbe en deux dimensions. Dans le cas de la segmentation, on fait évoluer la courbe vers les frontières de l’objet a segmenter par des forces internes et externes.
Les forces internes dépendent des propriétés de la courbe (Courbure, Longueur…),
Les forces externes dépendent des caractéristiques de l’image (Gradient, Bruits,…)
Cette méthode n’est plus utilisée actuellement parce qu’elle présente plusieurs limitations :
- Pas de Stabilité numérique : si des points se trouvent très rapprochés lors de l’évolution de la courbe, il serait très difficile d’estimer les dérivées….
- Pas de changement de topologie : la courbe ne peut pas se scinder pour segmenter plusieurs objets. Pas de fusion de courbes.
Solution : LevelSet
Faire évoluer la courbe de façon implicite : LevelSet
La courbe (2D) est représentée comme le niveau zéro d’une surface (3D). On fait évoluer la surface sous l’effet d’une force de telle sorte que la courbe reste toujours son niveau zero.
La force dépend des quantités géométriques et des caractéristiques de l’image.
Segmentation par LevelSet:
1 - Définir une énergie qui dépend de la courbe (Frontières ou région internes de l’objet à segmenter)
2 - Minimiser cette énergie par rapport a la courbe : ceci conduit a une équation d’évolution de la courbe : dC/dt = FN
3 - Intégrer cette équation dans une formulation LevelSet
d(Phi)/dt = F |grad(Phi)|, Phi est la fonction LevelSet
4 - Discrétiser :
d(Phi), dt, F, |grad(Phi)|
5 - Implémenter
Bonjour,
Je regrette, je ne peux pas laisser passer cela :
Vu la biblio existante sur les contours actifs paramétriques basés 'snakes', c'est une énorme imprudence que de dire que ceux-ci ne sont plus utilisés !Citation:
Envoyé par Abrahib
Premièrement,
le problème de stabilité numérique vient simplement du passage de la modélisation continue du 'snake' à l'implantation discrète. Une reparamétrisation de la courbe est triviale, rapide, et résoud le problème sans avoir recours à une dimension supérieure (cf plus loin)Citation:
Envoyé par Abrahib
Deuxièmement,
Si ne pas changer de topologie est une limitation, je peux dire de même sur le fait que changer de topologie à tout va en est une !! Un avantage des contours actifs paramétriques explicites est donc d'avoir une topologie définie a priori. Un avantage des contours actifs implicites (level-set) est de ne pas en avoir. tout dépend de l'application. Si je cherche UN cercle dans une image, je ne veux pas en trouver DEUX.Citation:
Envoyé par Abrahib
De plus, plusieurs idées existent pour l'adaptation de la topologie d'un contour actif paramétrique (cf les travaux de McInerney).
Donc :
Exactement : les level-set impliquent l'utilisation d'une fonction implicite 2D pour représenter une courbe 1D. D'où les problèmes d'optimisation récurrents, pour lesquels des solutions de paramétrisation de la courbe (!) ainsi qu'une recherche de solutions dans une zone restreinte autour du niveau zero (narrow band) sont proposées.Citation:
Envoyé par Abrahib
Je regrette de ne pouvoir répondre à la question initiale - il semble que le lien donné par navhpf soit amplement suffisant pour comprendre l'implantation level-set dont je ne suis pas spécialiste. Par contre, pour des questions sur les contours actifs paramétriques, je peux m'en sortir.
est ce que vous pouvez m'envoyé le code de la methdes level sets implémeneter en java et merci
slt, mon projet de fin d'étude porte sur la segmentation par les level sets, est ce que vous pouvez me donner un algorithme simple de la méthode.:calim2: Merci
Hum... le principe de l'algo en lui meme est assez simple, mais il nécessite quelques bases mathématiques pour le comprendre et donc l'implémenter correctement.Citation:
Envoyé par INFOset
Je conseille la lecture du papier "Distance Regularized Level Set Evolution and its Application to Image Segmentation", Li, Xu & co.
Tu peux passer directement au chapitre 3 (APPLICATION TO IMAGE SEGMENTATION) si la partie théorique des level-sets ne t'intéresse pas.
Merci pour le pdf :ccool:, c vraiment gentil
slt, je suis un peu perdu dans la méthode level set , est ce que le modèle de Chan & Vese est le même que le modèle de Munford? et est ce qu'il ya deux Approches de level set "approche région et approche contour"? et Merci
Heu... les 2 ont une approche "région".Citation:
Envoyé par INFOset
La méthode "level set" est une méthode permettant de minimiser une fonction.
Cette fonction est généralement une énergie qui mesure la segmentation de l'image (longueur des contours, nombre de régions, homogénéité des régions, ... ). Plus l'énergie est petite (proche de 0), plus la segmentation est idéale.
slt, l'algorithme de model Chan et Vese est comme suit:
-initialisation de phi
pour un nombre fixe d'itérations
-calcul des coefficients c1 et c2
-calcul de k (courbure)
-calcul de phi (n+1) par
phi(x,y,n+1)= phi(x,y,n)+fonction de vitesse
avec la fonction de vitesse = dirac [uk-v-lamda1(I-c1)²+lamda2(I-c2)²]
donc dans chaque itération on calcul phi (x,y,n+1) et on écrase le phi(x,y,n).
Dans l'algorithme, Est ce qu'il y a une autre étape de calcul d'énergie et de minimisation d'énergie?
Merci
Non, ca m'a l'air d'être cela.Citation:
Envoyé par INFOset
La fonction d'énergie du modele de Chan-Vese est, sauf erreur, un truc du genre :
E(Résultat) = Longueur(Contour) + coef*Différence(Image,Résultat)
où "Image" est l'image source et "Résultat" est l'image segmentée (=reconstruite). Le contour est défini comme le niveau 0 de la fonction Phi: Contour={pixel | Phi(pixel)=0 }.