Etude de contours haute-échelle pour la segmentation et la fermeture de contours en présence de zones texturées et/ou bruitées

Etude de contours haute-échelle pour la segmentation et la fermeture de contours en présence de zones texturées et/ou bruitées

High-Scale Edge Study for Segmentation and Contour Closing in Presence of Textured and/or Noisy Areas

Florence Huet Sylvie Philipp 

ETIS, Ura Cnrs 2235, ENSEA-UCP, 6 av du Ponceau, 95014 Cergy-Pontoise, France

Corresponding Author Email: 
huet@ensea.fr
Page: 
3-15
|
Received: 
5 December 1996
|
Accepted: 
N/A
|
Published: 
28 February 1998
| Citation

OPEN ACCESS

Abstract: 

This paper is based on the study of high-scale edges . In non-textured and non-noisy areas a high-scale edge detector gives long, rather isolated and well localized contours, whereas in textured and/or noisy areas it gives numerous, short or long and ramified contours wich are close to one another.

To formalize these characteristics, we have defined attributes upon the edges and their neighborhoods . The neighborhoods are defined as the Voronoi diagram built from the edges . The attributes are geometric, topological, or textural . The latter ones consist in distances between textures on either side of the edge. Algorithms are then presented to remove edges due to noise or texture, and to extend the others. Since they use local attributes, they give promising solutions to the problem of edge detection and contour closing for images of various types, even those including textured, noisy parts . Another application of these features is the building of maps of texture/noise, which can be used to perform a segmentation method cooperation .

Résumé

Cet article présente une étude de contours haute-échelle. Dans les zones non texturées et non bruitées d'une image, un détecteur haute-échelle donne des contours plutôt longs, isolés et bien localisés, alors que dans les zones texturées et/ou bruitées il fournit de nombreux contours courts ou longs et ramifiés, proches les uns des autres.

Pour formuler ces caractéristiques, nous avons défini des attributs sur les contours et leurs voisinages. Les voisinages sont définis par le diagrame de Voronoï construit à partir des contours . Les attributs sont géométriques, topologiques ou relatifs à la texture . Ces derniers consistent en des distances entre textures de part et d'autre des contours . Des algorithmes sont alors présentés pour supprimer les contours dus au bruit ou à la texture et pour prolonger les autres. Puisque les attributs sont locaux, ces solutions sont valables pour la détection et la fermeture de contours sur des types d'images différents, même celles incluant des zones texturées ou buitées. Une autre application de ces attributs concerne l'élaboration de cartes de texture/bruit, qui peuvent servir pour une coopération de méthodes de segmentation.

Keywords: 

Image segmentation, edge detection, texture, contour closing, method cooperation

Mots clés

Segmentation d'image, détection de contours, texture, fermeture de contours, coopération de méthodes

1. Introduction
2. Contours Haute-Échell E Et Zones D'influence
3. Suppression De Contour Et Coopération De Méthodes
4. Fermeture De Contour
5. Conclusion
  References

[1] D . Attali et A . Montanvert. «Semi-continuous skeletons for 2d et 3d shapes», 2nd International Workshop on Visual Form, Capri (Italy) Plenum Press, NewYork, 1994 .

[2] P. Brodatz . Textures, Dover Publications, New-York, 1966.

[3] J. F. Canny. «A computational approach to edge detection», IEEE Trans. on PAMI, volume 8, pages 679-698, 1986 .

[4] K. Chehdi . «Identification de la nature du bruit pour un filtrage optimal», XIV-ème Colloque GRETSI. pages 547-550, Juan-Les-Pins (France), 1993 .

[5] J.-P. Cocquerez et S . Philipp, éditeurs . Analyse d'images : filtrage et segmentation, Masson 1995 .

[6] M . Cord, F. Huet et S . Philipp . «Optimal adjusting of edge detectors to extract at best close contours», SCIA '97, Lappeenranta, Finlande, Juin 1996 .

[7] D . Demigny, F.G . Lorca et L . Kessal . «Evaluation of edge detectors performances with a discrete expression of Canny's criteria», IEEE ICIP-95, volume 2, pages 169-, Oct. 1995 .

[8] R . Deriche, J. P. Cocquerez et G . Almouzi. «An efficient method to build early image description», 9ème ICPR, Rome (Italy) 1988 .

[9] R. Deriche . «Using Canny's criteria to derive a recursively implemented optimal eclge detector», International Journal of Computer Vision, volume 1, n°2, pages 167-187, 1987 .

[10] R . M . Haralick. «Statistical et structural approaches to texture», Proc. IEEE, volume 67, pages 786-804, 1979 .

[11] T. Kamle . Implantation d'algorithmes de traitement de signaux bidimensionnels enflot de données surAsics reconfigurables, Thèse, Université Paris-Sud Orsay, 1994 .

[12] S . Philipp et P. Zamperoni . «Segmentation and contour closing of textured and non-textured images using distances between textures», IEEE ICIP-96, pages 125-128, 1996.

[13] J. Serra . Image analysis et Mathematical morphology, Academic Press, London, 1982.

[14] J. Shen et S . Castan . «An optimal linear operator for step edge detection» , CVGIP, volume 54, pages 112-113, 1992 .

[15] C. Spinu, C . Garbay, et J. M . Chassery. «Une approche coopérative et adaptative pour la segmentation d'images», XV-ème Colloque GRETSI, volume 2, pages 609-612, Juan-Les-Pins (France), 1995 .

[16] P. Zamperoni . «Model-free texture segmentation based on distances between first-order statistics» Digital Signal Processing 5, pages 197-225 1995 .