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).