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

SEGMENTATION D’IMAGES PAR CONTOURS ACTIFS A LONGUEUR NORMALISEE (CALN).
Figure 37. - Segmentation par CALN de la lumière de vaisseaux. La série d'images, représentant les
coupes d'un tronçon d'artère, est acquise in vitro en RM haute résolution. Les points initiaux et les contours
finaux sont superposés aux images de la première ligne. La deuxième ligne montre les mêmes images en vidéo
inverse pour mieux visualiser les détails du résultat.
La Figure 38 montre les résultats de la segmentation de la lumière d'artère obtenus sur des
images MR haute résolution acquises in vivo sur un lapin WHHL. Elles ont pour but de visualiser
la paroi du vaisseau, niveau de gris plus clair, autour de la lumière du vaisseau qui est elle
beaucoup plus sombre. Sur la première image de gauche est indiquée la zone d'intérêt
sélectionnée. Dans un premier temps, l’extraction automatique de la lumière avec notre modèle
de contours actifs à longueur normalisée (CALN) correspond bien aux contours intérieurs réels
des vaisseaux (première ligne de la Figure 38).
La seconde ligne de la Figure 38 présente les contours du bord extérieur des vaissaux. Le
contour initial aurait pu être le contour de la lumière trouvé précédemment mais, pour montrer la
robustesse de notre modèle, a été choisi en un pixel à l'intérieur du vaisseau. L'algorithme
converge sur le bord recherché qui est caractérisé par un passage d'une couleur claire à une
couleur foncée.
Figure 38. - Segmentation par CALN d'une série d'images acquise in vivo. La zone d'intérêt
sélectionnée est indiquée dans la première image à gauche de la première ligne. La première ligne montre la série
d'images auxquelles sont superposés les contours de la lumière du vaisseau et les points initiaux. La deuxième ligne
montre les résultats de la segmentation des contours extérieurs de la paroi du vaisseau.
88