Bienvenue aux Mines Paristech
Bienvenue à MINES ParisTech
Newsletter International
Website
Théorie & Pratique
Vous êtes

webTV

Lecture

Certificat exécutif : digital native, 3 questions à...

Lecture

Certificat exécutif : digital native, 3 questions à...

Lecture

Mastère Spécialisé AIMove: Artificial Intelligence and Movement in Industries and Creation

Lecture

Olivier Remy, third year student of the Corps des Mines

Lecture

Le Forum mécatronique 2019

+ Toutes les vidéos

Partager

Robin ALAIS - Soutenance de thèse MINES ParisTech

Robin ALAIS

Problèmes de segmentation d'images et contribution à la morphologie mathématique

Titre anglais : Image segmentation problems and contribution to mathematical morphology
Date de soutenance : 04/01/21
Directeurs de thèse : Etienne DECENCIERE, Petr DOKLADAL

Mots clés en français : Segmentation d'images,Thermographie,Valeurs d'extinction,Opérateurs morphologiques,Réseaux de neurones convolutionnels,Imagerie rétinienne
Mots clés en anglais : Image segmentation,Thermography,Extinction values,Morphological operators,Convolutional neural networks,Retinal imaging

Résumé de la thèse en français
Cette thèse traite de la détection et de la localisation d'objets, dans le contexte de deux projets : ATHENA et RetinOptic. Ces dernières années, les réseaux de neurones convolutionnels sont devenus l'approche prédominante pour ces tâches; cependant, ces techniques ont leurs inconvénients, et peuvent dans certains cas ne pas être appliquables. Lorsque peu d'exemples sont disponibles, ou que l'interprétabilité du modèle est essentielle, des méthodes de traitement d'image plus traditionnelles peuvent être plus adaptées. Dans ce manuscrit, plusieurs approches de détection sont décrites, selon la disponibilité des données et les contraintes spécifiques des problèmes. Dans la première partie, consacrée au projet ATHENA, le but est de détecter et caractériser des défauts sur des images thermiques de pièces métalliques. La solution proposée, reposant sur l'analyse de certains extrema, nous permet de fournir une segmentation des défauts, et des définitions rigoureuses des concepts de rapport signal/bruit ou de symétrie du signal, jusqu'ici mal définis et dépendants de l'utilisateur. Une analyse théorique plus détaillée des extrema est ensuite présentée, étendant la notion classique de valeurs d'extinctions. Nous introduisons et illustrons plusieurs nouvelles décompositions morphologiques, ainsi que de nouveaux opérateurs morphologiques, et de nouveaux attributs des extrema. Dans la seconde partie, consacrée au projet RetinOptic, l'objectif est de détecter et localiser la macula sur des images de fond d'oe il, à l'aide d'une solution suffisamment rapide et légère pour être intégrée à un système embarqué. Nous avons constitué une base annotée de plus de 6000 images, et utilisé différents types de réseaux de convolution, correspondant à différentes formulations de notre problème : classification, régression ou segmentation. Via un post-traitement de la sortie de notre réseau de segmentation, nous fournissons un score de qualité de l'image reposant sur la visibilité de la macula. L'objectif d'un réseau de télémedecine est d'éviter les consultations médicales non nécessaires, dans un contexte où les ophtalmologistes sont peu nombreux par rapport au nombre croissant de personnes diabétiques; en cas d'acquisition ininterprétable, il s'agit d'un échec du réseau de télémédecine. Grâce à une vérification automatique de la qualité de l'image telle que nous le proposons, l'opérateur peut être prévenu si l'acquisition doit être refaite. En limitant le nombre d'examens ininterprétables, le nombre de consultations non nécessaires peut également être limité, améliorant l'efficacité du système de dépistage.

Résumé de la thèse en anglais
This thesis is centered around object detection and localization, in the context of two projects: ATHENA and RetinOptic. Over the past few years, convolutional neural networks have become the predominant approach for these tasks; however, these techniques have their drawbacks, and may not be applicable, in certain cases. When few examples are available, or when model interpretability is required, more traditional image processing methods may be better suited to the task. In the present work, object detection is addressed in different ways, depending both on the availability of data, and problem-specific requirements. In the first part, concerning the ATHENA project, the aim is to detect and characterize defects on thermal images of metallic pieces. The solution we propose, based on the analysis of certain extrema of interest, enables us to provide a segmentation of defects, and proper definitions to the concepts of signal/noise ratio, or signal symmetry, which were so far ill-defined and operator dependent. A more thorough theoretical analysis of extrema is then presented, expanding on the classic notion of extinction values. We introduce and illustrate several new morphological decompositions, as well as new morphological operators, and new features of extrema. In the second part, concerning the RetinOptic project, the aim is to detect and localize the macula on eye fundus images, with a solution light and fast enough to be integrated in an embedded system. We constituted an annotated database of more than 6000 images, and used several kinds of convolutional networks, corresponding to different ways of formulating the problem, as a classification, regression, or segmentation task. By post-processing the output of our segmentation network, we provide an image quality score based on the visibility of the macula. The purpose of a telemedicine network is to avoid unnecessary medical appointments, in a context where ophthalmologists are few, compared to the growing number of diabetic people; that purpose is defeated if the acquisition is uninterpretable. With an integrated image quality assessment like the one we propose, the operator can be told whether the acquisition should be re-done. By limiting the number of uninterpretable examinations, the number of unnecessary appointments can be limited as well, improving the efficiency of the screening network.

Retour à l'annuaire des docteurs

actualité

 3<sup>e</sup> au classement de L'Usine Nouvelle

Formation 3 e au classement de L'Usine Nouvelle MINES ParisTech se classe à la 3 e place du Palmarès des…
> En savoir +

Un prix Arts et Science pour Brayan Murgas

Formation Un prix Arts et Science pour Brayan Murgas Le concours Arts & Science ( Arts and science contest ) a…
> En savoir +

Daniel Pino Muñoz lauréat de la Médaille Jean Rist 2020

Formation Daniel Pino Muñoz lauréat de la Médaille Jean Rist 2020… La Médaille Jean Rist 2020, décernée par la Société…
> En savoir +

Prix de thèse de la chaire Gestion de crise pour Thibaut Eude

Formation Prix de thèse de la chaire Gestion de crise pour… Prix de thèse La chaire Gestion de crise , cofondée par…
> En savoir +

Employabilité des diplômés

Formation Employabilité des diplômés Dans l'édition 2020 du Global Employability University Ranking , publiée le 19 novembre…
> En savoir +

+ Toutes les actualités

contact

Régine MOLINS
Direction de l'Enseignement
Service du Doctorat
> envoyer un mail

Plan du site
MINES
ParisTech

60, Boulevard Saint-Michel
75272 PARIS Cedex 06
Tél. : +33 1 40 51 90 00

Implantations
Mentions légales | efil.fr | ©2012 MINES ParisTech | +33 1 40 51 90 00 |