La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Restoration DES IMAGES DE LA RéTINE HUMAINE PAR LA DIFFUSION ANISOTROPE Elaboré par: Mariem Ben Abdallah ;Jihène Malek; Gérard Subsol; Karl Krissian REPUBLIQUE.

Présentations similaires


Présentation au sujet: "Restoration DES IMAGES DE LA RéTINE HUMAINE PAR LA DIFFUSION ANISOTROPE Elaboré par: Mariem Ben Abdallah ;Jihène Malek; Gérard Subsol; Karl Krissian REPUBLIQUE."— Transcription de la présentation:

1 Restoration DES IMAGES DE LA RéTINE HUMAINE PAR LA DIFFUSION ANISOTROPE Elaboré par: Mariem Ben Abdallah ;Jihène Malek; Gérard Subsol; Karl Krissian REPUBLIQUE TUNISIENNE MINISTERE DE LENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE FACULTE DES SCIENCES DE MONASTIR TUNISIE 1 Thème de recherche: Imagerie Médicale UNIVERSITE DE MONTPELLIER II FRANCE

2 2 Introduction Anatomie de l'œil Problématique Evolution de la diffusion Anisotrope Diffusion Anisotrope basée sur lEstimation du Bruit Résultats Conclusion Plan

3 3 La « rétinopathie diabétique » (RD) est une des causes importantes du handicap visuel chez les diabétiques. Il sagit dune modification des minuscules vaisseaux sanguins qui nourrissent la rétine (sténose). le dépistage et le suivi de cette maladie se servent du traitement dimage malgré les nombreuses difficultés qui sont posées par la complexité de ces images. INTRODUCTION

4 4 ANATOMIE DE L'ŒIL

5 5 Effets des maladies sur les vaisseaux sanguins INTRODUCTION

6 6 Les images rétiniennes prises au quotidien clinique: Très bruitées, Faible contraste, Illumination non uniforme. Les raisons: Maladies possibles (cataracte), Circonstances dans lesquelles la photo est prise, Lillumination varie dun patient à un autre. Outils dacquisition (capteur CCD) Objectifs: Optimiser la visualisation de ces images soit pour une lecture manuelle ou une analyse ultérieure (segmentation). Extraire de linformation (vaisseaux sanguins) PROBLÉMATIQUE

7 7 Utilisation des operateurs de lissage Plusieurs techniques ont été proposées pour réduire le bruit tels que: Filtre Gaussien( - efface les bords) Filtre median (+ maintient les bords, - suppression les fines details) Diffusion anisotrope basée sur les statistiques locales de limage (+ lisse les zones homogenes et rehausse les contours,- bruit supposé connu) Pour cela, nous proposons une nouvelle version de la diffusion anisotrope basée sur la modélisation du bruit afin d'optimiser le filtrage des images. PROBLÉMATIQUE

8 8 Equation de la chaleur: Diffusion anisotrope (Perona et Malik): g dépend de la norme du gradient de limage Réduit la diffusion pour les forts gradient. Lissage de linformation dans toutes les directions de façon identique (isotrope) dont, Désavantages: k : seuil sur la norme du gradient Il est difficile de stabiliser de façon automatique le bon seuil k. La diffusion anisotrope de P & M avec ses limites [Perona & Malik, 1987]: Evolution de la Diffusion Anisotrope

9 Flux based Anisotropic Diffusion: Modèle de la Diffusion Matricielle [Karl Krissian & al.,2002]: Model de la diffusion matricielle Evoluion: Nouveautés: le choix particulier du repère associé à la diffusion La diffusion est considérée comme une somme de deux diffusions La fonction de diffusion associée à chaque vecteur de la base depend de la dérivée premiére de lintensité dans cette direction 9 Evolution de la Diffusion Anisotrope

10 avec, contours Réhaussement des coutours. si, sinon, lissage avec léquation de la chaleur Seackle Reducing Anisotropic Diffusion(SRAD)[Yu & Acton, 2002]: La diffusion est contrôlée par les statistiques locales dans limage. Lee Filter: Variance du bruit Variance locale de limage observée 10 Zones homogénes 0 Evolution de la Diffusion Anisotrope

11 Où, Plus robuste au bruit Réorienter le flux du vecteur gradient dans une base orthonormale liée à la structure locale de limage. Estimation de la variance du bruit Calcul de la variance et la moyenne locales de limage Calcul des coefficients de diffusion: 11 Oriented Seackle Reducing Anisotropic Diffusion[Karl & al., 2007] Evolution de la Diffusion Anisotrope

12 Calcul des statistiques locales de limage: La variance locale est estimée dans chaque direction de la structure locale la direction de laxe du vaisseau, et sa direction orthogonale. Voisinage linéique de taille 7 pixels Moyenne locale linéaire : 12 Voisinage dans la direction du vaisseau: Voisinage dans la direction Orthogonale: Evolution de la Diffusion Anisotrope

13 13 Avantages: Avantages: décroissance naturel de la diffusion avec la décroissance de la variance du bruit Un paramètre de moins (seuil sur la norme du gradient) Inconvénients: Inconvénients: Le bruit est supposé connu! Evolution de la Diffusion Anisotrope

14 14 Introduction Dans le domaine du filtrage des images de fond dœil, le bruit est supposé connu comme bruit gaussien blanc additif (AWGN) Cependant, dans des applications réelles, le bruit est inconnue et non additif Difficile de faire des algorithmes de vision par ordinateur entièrement automatique sans connaître le bruit! Diffusion Anisotrope basée sur lEstimation du Bruit

15 15 Nous Proposons de développer une nouvelle version de la diffusion Anisotrope : Modéliser le bruit à partir dune seule image et de paramètres connues sur les caméras d'acquisition. Paramètres lié aux statistiques locales de l'image Avantages: Lécart type du bruit dépends de lintensité Décroissance naturel de la diffusion avec la variance du bruit Des calculs convergent sans qu'il y aura lissage des caractéristiques intéressantes de l'image. Diffusion Anisotrope basée sur lEstimation du Bruit

16 16 Lécart type du bruit varie en fonction de la lintensité I Mesurable en effectuant plusieurs captures pour la même scène. Pour chaque pixel: Moyenne: I Ecart type: NLF dépend de la caméra, ISO, vitesse d'obturation, l'ouverture But: But: Estimer NLF à partir dune seule Image Estimer NLF sans séparer le bruit du signal! Fonction du Niveau de Bruit(NLF)

17 Modéle du bruit: Fonction Réponse de la Caméra (CRF) f: Téléchargée à partir de Columbia camera response function database Tsin et. al. Statistical calibration of CCD image process. ICCV, 2001 Bruit de la Camera Atmospheric Attenuation Lens/ geometric Distortion CCD Imaging/ Bayer Pattern Fixed Pattern Noise Shot Noise Thermal Noise Interpolation/ Demosaic White Balancing Gamma Correction A/D Converter Dark Current Noise t Quantization Noise Scene Radiance Digital Image Camera Irradiance I L Bruit Dependant: Bruit indépendant:

18 CAMERA RESPONSE FUNCTION (CRF) 18

19 Synthése du bruit CCD NLF Estimé: I Fonction Réponse de la Caméra: f Bruit dependant: Bruit Independant :

20 20 Synthése du bruit CCD

21 21 est une donnée sur un grand nombre de variables, qui peuvent avoir une certaine corrélation entre elles, Pour réduire le nombre de variables on utilise lanalyse de la composante principale (PCA). Donc, On peut écrire le modéle théorique du bruit comme: Modèle du bruit

22 22 K-means clustering method Le but de l'estimation du bruit est d'adapter une enveloppe inférieure de l'ensemble d'échantillons. Modèle du bruit

23 23 L'écart-type estimé devrait être plus grand et proche de la valeur réelle Chaque unique fonction de VRAI ressemblance est le produit de Gaussian pdf et Gaussian cdf: Nous utilisons Bayesian MAP inference pour inférer NLF à partir dune seule image Modèle du bruit

24 Deux bases de données: STARE Project [7] Berkeley image segmentation [6] 24 Des expériences ont été menées sur des images réelles et synthétiques. Résultats

25 25 RÉSULTATS Image bruitée Rouge Vert Bleu

26 26 RÉSULTATS Rouge Vert Bleu

27 Zoom in Image avec un bruit synthetic Image filtrée RÉSULTATS

28 28 Résultats Image originale; Coefficients de diffusion C1, C2

29 29 Image Originale ; Partie de limage; Résultat après 3 itérations Résultats

30 30 Résultats Image Originale Résultat après 10 itérations

31 31 Lobjectif dans ce travail est le traitement dimages médicales afin de faciliter et daméliorer le diagnostic de la Rétinopathie Diabétique. Modéliser le bruit à partir dune seule image de fond doeil. Conclusion

32 Bibliographie 32 [1] J. Weickert;" Anisotropic Diffusion in image processing"; Teubner-Verlag,1998. [2] K. Krissian; " Flux- Based anisotropic Diffusion Applied to enhancement of 3D Angiograms"; IEEE Transactions on Medical Imaging, Vol. 21, No.11.Nov [3] Ce Liu, Richard Szeliski, Fellow, Sing Bing Kang, C. Lawrence Zitnick, and William T. Freeman, "Automatic Estimation and Removal of Noise from a Single Image". IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE,pp , VOL. 30, NO. 2, FEBRUARY [4] Perona, P., Malik, J.; Scale-space and edge detection using anisotropic diffusion; IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI), Vol. 12, No, 7, 1990, pages: [5] Karl Krissian, Carl-Fredrik Westin, Ron Kikinis and Kirby Vosburgh; «Oriented Speckle Reducing Anisotropic Diffusion», IEEE Transactions on Image Processing; MAY 2007 [6] D. Martin, C. Fowlkes, D. Tal, and J. Malik, A Database of Human Segmented Natural Images and Its Application to Evaluating Segmentation Algorithms and Measuring Ecological Statistics, Proc. IEEE Intl Conf. Computer Vision, vol. 2, pp , July [7] e/

33 33 Merci


Télécharger ppt "Restoration DES IMAGES DE LA RéTINE HUMAINE PAR LA DIFFUSION ANISOTROPE Elaboré par: Mariem Ben Abdallah ;Jihène Malek; Gérard Subsol; Karl Krissian REPUBLIQUE."

Présentations similaires


Annonces Google