Segmentation de fibres 3D par une g p approche tracking plan par
Transcription
Segmentation de fibres 3D par une g p approche tracking plan par
Segmentation de fibres 3D par une g p approche tracking plan par plan utilisant des « tili t d snakes k » L.Bernard / F.Cokelaer / 21/10/2010 10ème session du club image 3D Sommaire • • • • • • • Motivations Principe général de l’algorithme Initialisation Extraction des contours Extraction des contours Recalage des contours par B‐Snakes (plan par plan) Améliorations réalisées Résultats et perspectives de travail Motivations Nécessité de segmenter g les fibres en 3D p pour effectuer des analyses y caractérisant les matériaux. Exemple image fibers3d sous Visilog ( 2 axes différents) Constatations : •En effectuant la recherche suivant plusieurs axes, on peut dans un premier temps rechercher des cercles. •D’une frame à l’autre les fibres « se déplacent peu ». Principe général de l’algorithme Principe général de l algorithme Utiliser les p points de contours de la frame N-1 p pour recaler ces p points sur la frame N grâce aux contours actifs déformables ( « snakes »). Hypothèse : les contours varient peu d’une frame à l’autre. Images de fibres 3D Recalage R l plan l par plan l des contours des fibres de manière indépendante Image « label » Fibres segmentées en 3D ère Initialisation : 1 Initialisation : 1 frame frame On utilise les p points de contours de chaque q fibre sur la p première frame p pour effectuer ensuite le recalage sur les frames suivantes. Extraction du plan courant Segmentation en 2D Extraction des contours Création de l’image label Masquage de l’image d’amplitude du gradient p g par l’image g « label » filtrée et Filtrage de l’image l image par forme extraction des points de contours et position du barycentre des (Hough transform) fibres Recalage des contours par B snakes Recalage des contours par B‐snakes Points de contours de chaque fibre B-spline cubic approximation Courbe paramétrique impliquant une certaine régularité du contour. Algorithme des « snakes » sur les points de contrôle de la B-spline Recale les points de contours sur les bords de l’objet. Recalage des contours par B snakes Recalage des contours par B‐snakes Trouver le contour v(s) qui minimisera la fonctionnelle suivante : E_snake = E_int + E_ext Tension,courbure Forces de l’image ( opposé du gradient) La résolution conduit à un bilan des forces int. et ext : Méthode de descente de gradient pour atteindre l’état d’équilibre (minimum local d’E_snake)) Test de décroissance de E_snake La position des points est mise à jour, l’ écriture du polygone se fait plan par plan dans l’image label. Améliorations réalisées Améliorations réalisées • Gestion de l’apparition des nouvelles fibres (en alternant étapes d’initialisation et de recalage) • Recherche des fibres dans différents axes et masquage des fibres déjà détectées lors de la première recherche. è es d a ê s e a s à a e des b es • Critères d’arrêts relatifs à l’aire des fibres. Résultats et perspectives de travail Résultats et perspectives de travail Exemple de recalage sur 2 frames successives : Fort gradient g => attraction des points du snake Frame N F Label N Frame N+1 Label N Frame N+1 Label N+1 Évolution de l’algorithme (toutes les 30 frames) Résultats et perspectives de travail Résultats et perspectives de travail Perspectives : Gérer les fibres touchant les bords. Pouvoir segmenter des fibres non-circulaires. Mesurer l’efficacité des algos (tests sur données synthétiques).