Upload
vuliem
View
215
Download
0
Embed Size (px)
Citation preview
1
Traitement d’images
4ème partie : traiter 2 images
Caroline Petitjean
Plan
• Applications, perception, représentation…
• Prétraitements– Amélioration
– Restauration
• Traitement : Segmentation
• Traitement de 2 images
2
Traiter 2 images : pourquoi ?
• Recaler, fusionner, comparer des images médicales
• Animation : morphing…
• Séquences vidéo : mouvement…
Traiter 2 images : plan
• Recalage & fusion d’images (médicales)
– Image registration
• Estimation de mouvement
– Motion estimation
3
1) Intra1) Intra--patient, monopatient, mono--modalitmodalitéé
� Exemple : évolution de lésions (images IRM d’un
patient atteint de sclérose en plaque à quelques mois
d’intervalle)
Source : Université Louis Pasteur, Strasbourg
Source Cible
Recalage et fusion
1) Intra1) Intra--patient, monopatient, mono--modalitmodalitéé
� Exemple : évolution de lésions (images IRM d’un
patient atteint de sclérose en plaque à quelques mois
d’intervalle)
Source : Université Louis Pasteur, Strasbourg
Source Cible Source recaléeDifférence
finale
Recalage et fusion
4
2) Intra2) Intra--patient, multipatient, multi--modalitmodalitéé
� Exemple : fusion d’informations provenant de 2
modalités différentes
Source (scanner) Cible (TEP)Source : EPFL
Recalage et fusion
2) Intra2) Intra--patient, multipatient, multi--modalitmodalitéé
� Exemple : fusion d’informations provenant de 2
modalités différentes
Source (scanner) Cible (TEP) Source recaléeSource : EPFL
Recalage et fusion
5
2) Intra2) Intra--patient, multipatient, multi--modalitmodalitéé
� Exemple : fusion d’informations provenant de 2
modalités différentes
Source : Université de Hambourg
Source (IRM) Cible (scanner)
Recalage et fusion
2) Intra2) Intra--patient, multipatient, multi--modalitmodalitéé
� Exemple : fusion d’informations provenant de 2
modalités différentes
Source (IRM) Cible (scanner) Source recaléeSource : Université de Hambourg
Recalage et fusion
6
3) Inter3) Inter--patient, intrapatient, intra--modalitmodalitéé
� Exemple : Segmentation à partir d’un atlas anatomique
Source : INRIA
Source
(individu)
Source
recalée
Cible
(atlas)
Recalage et fusion
3) Inter3) Inter--patient, intrapatient, intra--modalitmodalitéé
� Exemple : Segmentation à partir d’un atlas anatomique
Source : INRIA
Source
(individu)
Source
recalée
Atlas segmenté
et étiqueté
Cible
(atlas)
Recalage et fusion
7
3) Inter3) Inter--patient, intrapatient, intra--modalitmodalitéé
� Exemple : Segmentation à partir d’un atlas anatomique
Source : INRIA
Source
(individu)
Source
recalée
Atlas segmenté
et étiqueté
Cible
(atlas)
Recalage et fusion
� Logiciel
Voxel-MAN(Université
de Hambourg)
Recalage et fusion
8
TTééllééddéétectiontection
� Exemple : carte de végétation et image satellitaire
Source : ESA/ESRIN
Recalage et fusion (hors médical)
TTééllééddéétectiontection
� Exemple : carte de végétation et image satellitaire
Source : ESA/ESRIN
Recalage et fusion (hors médical)
9
RecalageRecalage
• Trouver une transformation spatiale entre
2 images
RecalageRecalage
• Trouver une transformation spatiale entre
2 images
10
Recalage
• Quels repères mettre en correspondance ?
– Points particuliers
– Tous les pixels de l’image ?
• Quelle transformation géométrique ?
– Rigide
– Non-rigide
Points pour la correspondance
• Primitives intrinsèques
– Déjà présentes dans l’image
• Primitives extrinsèques
– Créées artificiellement
11
Primitives extrinsPrimitives extrinsèèquesques
• Repères externes, visibles dans les 2 modalités– fixées au patient ou à la table d’examen
– Invasifs (Vis dans la boîte crânienne)
– Non invasifs• Cadre non vissé
• Moule
• Repères collés à la peau
Primitives extrinsPrimitives extrinsèèquesques
• Repères externes,
contention
12
Primitives extrinsPrimitives extrinsèèquesques
• Avantages
– Permet de recaler des données trèsdifférentes
• Inconvénients
– Les marqueurs doivent être positionnésavant l’acquisition
Primitives intrinsPrimitives intrinsèèquesques
• Structures intrinsèques au patient– information pertinente présente dans les 2 jeux de
données
– peuvent être :• Points
• Courbes (contours)
• Surfaces segmentées
• Volumes
• Points anatomiques identifiés manuellement par l’opérateur
• Points géométriques isolés automatiquement
13
Exemple du morphing
• Mise en correspondance de vecteurs
• Une des 1ères utilisations : dans le clip de M. Jackson (1991) Black or white
� Principalement en recalage
d’images cérébrales
� Courbes : lieux de courbure
maximale (lignes de crête)
� Surfaces : segmentation par
modèles déformables
Mise en correspondance de courbes ou surfacesMise en correspondance de courbes ou surfaces
Source : INRIA
Primitives intrinsPrimitives intrinsèèquesques
14
DiffDifféérents types de transformationsrents types de transformations
• Rigides : Translations – rotations• Conservation des angles et des distances
• + pour recalage intra-patient / intra modalité
Original Transformation globale
• Transformations élastiques
– Bien quand le avant/après ne sont pas similaires ! (ex : apparition/disparition de tumeur)
Original Transformation globale
DiffDifféérents types de transformationsrents types de transformations
15
Traiter 2 images : plan
• Recalage & fusion d’images (médicales)
• Estimation de mouvement
Estimation de mouvement
16
• Différence
d’images
pour
l’estimation
du mouvement
Estimation de mouvement
• Différence :– Bien pour savoir s’il y a du mouvement
– Ne permet pas d’analyser le mouvement• Dans la suite on voit une technique pour obtenir le champ de
vecteurs : le flot optique - optical flow
17
Comment faire pour obtenir ce « champ » de vecteurs ?
Vector field
En chaque pixel, un vecteur (ux,
uy)
Perception du mouvement (1)
18
Perception du mouvement (1)
Le mouvement apparent est perpendiculaire au gradient,
mais n’est pas conforme au mouvement réel
Perception du mouvement (2)
Aucun mouvement apparent n’est perçu
19
� Comment estimer le mouvement du rectangle vert ?
Estimation de mouvement
� Comment estimer le mouvement du rectangle vert ?
On ne peut pas l’estimer, le problème est indéterminé
(problème d’ouverture)
Estimation de mouvement
20
� Comment estimer le mouvement du rectangle vert ?
Estimation de mouvement
� Comment estimer le mouvement du rectangle vert ?
On peut l’estimer !
Estimation de mouvement
21
� On peut estimer le mouvement du rectangle vert qui
est perpendiculaire aux contours (gradient) de l’image
Estimation de mouvement
Estimation de mouvement
cstettI =))(,( x
22
Hypothèse de départ du flot optique : l’intensité de
l’image reste constante au cours du temps
0))(,(
))(,( =⇔=dt
ttdIcstettI
x
x
Position du
mouvement
à mesurer
Estimation de mouvement
1 équation à 2 inconnues (ux, uy) :
problème indéterminéOn ne peut estimer que le mouvement
perpendiculaire au gradient
Hypothèse de départ : l’intensité de l’image reste
constante au cours du temps
0.0))(,(
))(,( =∇+∂
∂⇔=⇔=
dt
dI
t
I
dt
ttdIcstettI
xx
x
00. =++∂
∂⇔=∇+
∂
∂⇔ yx u
dy
dIu
dx
dI
t
II
t
Iu
Vitesse du
mouvement
à mesurer
Estimation de mouvement
23
Estimation de mouvement
0=++ tyx IvIuI
Source images : wikipedia
On a donc 1 équation à deux inconnues
Cf. Illusion de Barber Pole :
Quel est le mouvement réel ?
Il faut AJOUTER une CONTRAINTE
Estimation de mouvement
• Ajout de contraintes
– Hypothèse 1 : champ de mouvement d’une petite partie de l’image est constant (Lucas-
Kanade)
– Hypothèse 2 : le champ de mouvement doit être « lisse » (Horn & Schunk)
• Permet d’ajouter des équations
24
ApplicationsApplications
Estimation des dEstimation des dééformations myocardiquesformations myocardiques
� Estimation de la déformation
entre chaque image
� Obtention d’un champ
de déformation
ApplicationsApplications
Estimation des dEstimation des dééformations myocardiquesformations myocardiques
Mouvement entre chaque image
Contraction dans la
direction radiale
Contraction dans la
direction
tangentielle
25
Références
• Image Morphing, Thin-Plate Spline Model,
CSE399b, Spring 06, Computer Vision,
Lecture 8
• Cours Morphing, Daniel Cohen-Or,
Université de Tel Aviv
• Thèse CP
• Estimation du mouvement, Zaccharin &
Hébert, 2008, wcours.gel.ulaval.ca/