Segmentation d'images couleur par un opérateur gradient vectoriel ...

QUANTIFICATION ET MORPHOLOGIE DE PHASES DE CLINKER PAR ANALYSE D'IMAGE.
3.1 Pré-traitement – normalisation de l'histogramme
La luminance Y d'une image dépend de l'éclairement du microscope et de la réflectivité de
la section polie examinée. Une normalisation de l'histogramme utilisant seulement la valeur
moyenne ou maximum de l'histogramme n'est pas possible. La valeur moyenne dépend de la
quantité de fond ou matrice présente dans l'image et la présence de points saturés (trous) entraîne
très souvent une valeur maximale de 255. Nous proposons une normalisation utilisant une valeur
de référence calculée à partir de l'histogramme de luminance. Il présente toujours un caractère bimodal
de part la présence de cristaux sombres (alite et bélite) et d'un fond clair (matrice et pores).
Une référence valable est située dans la vallée séparant les deux modes. Elle permet de séparer les
cristaux à classifier du fond de l'image. Elle peut être déterminée automatiquement [Otsu, 1979]
(Figure 49). La normalisation proposée produit des images plus homogènes avant la segmentation
et la classification des cristaux d'alite et de bélite.
réference référence
réference
référence
Figure 49. - Histogrammes de luminance présentant différentes valeurs de référence avant normalisation.
3.2 Classification des régions par la couleur
La classification de régions homogènes de l'image est un problème rencontré aussi bien
lors de la quantification des cristaux sur une grille régulière comme cela est réalisé dans la
première version du logiciel et décrit dans le paragraphe 2, que lors du regroupement de régions
nécessaire pour la segmentation individuelle des cristaux qui est implanté dans la seconde version.
Avant de regrouper les régions, il est nécessaire de les classifier [Vandenbroucke, 2000]. Nous
détaillons ici la méthode de classification par réseau de neurones que nous avons utilisée.
Les zones appartenant à la matrice sont assez faciles à identifier grâce à leur luminance
plus élevée. Cela a été obtenu au cours des pré-traitements qui avaient délimité les zones ne
correspondant pas aux cristaux d'alite et de bélite (zone interstitielle, pores).
Les régions restantes sont séparées entre alite et bélite en utilisant les caractéristiques de
couleur et de texture. Un histogramme des couleurs des deux types de cristaux est tracé dans les
plans couleur C 1 C 2 et HS (Figure 50). On utilise pour la classification un réseau de neurones 5
(classification non linéaire) à trois couches à retro propagation de gradient [Haase, 1997 ;
5 Stuttgart Neural Network Simulator : http://www-ra.informatik.uni-tuebingen.de/SNNS/
111