GDR Mathématiques des Systèmes Perceptifs et Cognitifs
GDR ANOFOR
Optimisation de Formes et Analyse d'Images
Le 28 juin 2005 de 9H à 18H –Université Paris Dauphine (comment s'y rendre) – Amphi 6
Organisateurs : Antoine HENROT et Laurent COHEN
FORMULAIRE D'INSCRIPTION ------------ LISTE DES INSCRITS
Programme de la journée
09h15 |
Grégoire Allaire, CMAPX, Tutorial UNE BRÈVE REVUE DE L'OPTIMISATION DE FORMES GÉOMÉTRIQUE ET TOPOLOGIQUE |
10h00 |
Dorin Bucur, Metz, Tutorial introduction à l'Optimisation de Forme : existence et stabilité des solutions |
10h45 |
Pause café |
11h00 |
Olivier Faugeras, INRIA, Tutorial Problèmes de Vision Par Ordinateur |
11h45 |
Nikos Paragios, CERTIS, ENPC, Tutorial Problèmes en Imagerie Médicale |
12h30 |
Pause Déjeuner |
14h |
Mohamed Masmoudi , Didier Auroux, MIP
Toulouse :Application de l'analyse asymptotique topologique la
|
14h45 |
Olivier Wilk et Philippe Destuynder, CNAM, méthodes d'optimisation de formes appliquées à la méthode du serpent |
15h15 |
Antonin Chambolle, CMAPX, Champs de Markov binaires et minimisation de la variation totale |
15h45 |
Pause café |
16h00 |
Bijan Mohammadi, Montpellier, De CAD a level set en passant par CAD-Free |
16h30 |
Eric Debreuve, I3S, Utilisation du gradient de forme en segmentation |
17h00 |
Wolfgang
Ring, Graz, A Mumford-Shah like model for the inversion of
tomography |
17h30 |
Guillaume Charpiat, ENS, Moyennes et statistiques de formes |
18h00 |
Clôture |
Afin d'éviter toute confusion, rappelons que l'Optimisation de formes est un domaine de l'analyse numérique qui est indépendant du traitement d'images. Le but de la réunion est de faire une rencontre entre les deux communautés dans la mesure ou certaines techniques d'optimisation de formes ont déjà eu des applications en analyse d'images.
Résumés
UNE BRÈVE REVUE DE L'OPTIMISATION DE FORMES GÉOMÉTRIQUE ET TOPOLOGIQUE Transparents Grégoire ALLAIRE Centre de Mathématiques Appliquées Ecole Polytechnique 91128 Palaiseau, France On propose de faire une br\`eve revue de r\'esultats anciens ou plus r\'ecents sur l'optimisation de formes, plus particuli\`erement dans le contexte de l'optimisation de structures m\'ecaniques. Les m\'ethodes d'optimisation de formes peuvent \^etre class\'ees en deux grandes cat\'egories: optimisation g\'eom\'etrique et optimisation topologique. L'optimisation g\'eom\'etrique de formes consiste \`a faire varier la position des fronti\`eres de la forme. Elle repose sur la m\'ethode d'Hadamard qui permet de calculer des d\'eriv\'ees par rapport au domaine. L'optimisation topologique de formes est un domaine beaucoup plus r\'ecent o\`u l'on optimise non seulement les fronti\`eres mais aussi la topologie de la forme est aussi optimis\'ee (on peut cr\'eer de nouvelles fronti\`eres ou en faire dispara\^{\i}tre). Apr\`es avoir pr\'esent\'e la m\'ethode classique d'optimisation g\'eom\'etrique par d\'eformation de maillage, je pr\'esenterai une impl\'ementation num\'erique r\'ecente \`a l'aide de la m\'ethode des lignes de niveaux d'Osher et Sethian qui permet de faire le lien avec l'optimisation topologique. Je discuterai aussi de deux autres m\'ethodes d'optimisation topologique. Tout d'abord, la m\'ethode d'homog\'en\'eisation qui optimise une densit\'e de mat\'eriau composite et qui est une relaxation ``rigoureuse'' du probl\`eme, mal-pos\'e, d'optimisation de formes. Ensuite, la notion de gradient topologique qui teste l'int\'er\^et, ou non, d'introduire des trous microscopiques dans la forme.
Tutorial introduction à l'Optimisation de Forme : existence et stabilité des solutions
Dorin Bucur, Metz,
page
web : http://www.math.univ-metz.fr/~bucur
Un problème
générique d'optimisation de formes s'écrit
formellement:
$$\min {J(\Omega) : \Omega admissible}. $$
Dans
les problèmes que l'on considère, la fonctionnelle coût
$J$ dépend de l'ouvert
$\Omega$ via la solution d'une
équation aux dérivées partielles posée
sur
$\Omega$ ou le spectre d'un opérateur différentiel.
Sur quelques exemples de problèmes d'optimisation de
formes, nous
discuterons des questions d'existence et de
stabilité de la solution.
Tutorial Problèmes de Vision Par Ordinateur
Olivier Faugeras, INRIA,
Méthodes d'optimisation de formes appliquées à la méthode du Serpent :
Olivier Wilk et Philippe Destuynder– Maths/Cnam
page web : http://www.cnam.fr/maths/Membres/wilk/ ,
Demo
: http://www.cnam.fr/maths/Membres/wilk/TI-EDP_Film.gif
.
Les méthodes de contours actifs (Snakes ou Serpent) permettent de détecter et de vectoriser les contours. Les méthodes Snakes fonctionnent en minimisant "l'énergie" du Snake complétée d'une fonction "objectif-image" locale par l'évolution de la forme du Snake. Il faut souvent y ajouter un contrôle de la longueur du Snake pour éviter que celui "tombe" dans un piège. La méthode du Serpent se différencie en minimisant en fonction de la forme $ \Gamma $ du Serpent la fonction $ J(u_{\Gamma}) $ avec $ J(u) = \min_{v \in H_0^1(\Omega)} J(v) $ où $ J(v)= \frac{1}{2} \int_{\Omega_\Gamma} (v-f)^2 d\Omega + \frac{\varepsilon}{2} \int_{\Omega_\Gamma} |\nabla v|^2 d\Omega $. On peut noter la prise en compte globale de l'image $ f $. Il n'est pas aussi utile d'y ajouter une fonction minimisant la longueur, le Serpent évitant naturellement le piège du Snake. Dans notre exposé, nous détaillerons en particulier la manière de calculer efficacement le gradient de J en fonction de $ \Gamma $.
Champs de Markov binaires et minimisation de la variation totale
Antonin Chambolle
Résumé
: nous explicitons les liens entre le problème de
Rudin-Osher-Fatemi (minimisation de la variation totale + rappel
quadratique) et les problèmes de type champ de Markov binaire
(en
continu, minimisation du périmètre + terme de
volume). Nous montrons
comment les méthodes mises au point
pour minimiser de tels champs
de Markov (exactes lorsque les
paramètres sont entiers), peuvent
être alors
adaptées pour résoudre le problème de R-O-F.
De CAD a level set en passant par CAD-Free Transparents Bijan Mohammadi, Montpellier On présente notre experience en optimisation de formes et les étapes que nous avons eu a franchir. On presentera une modelisation de l'optimisation globale par solution de problemes a valeurs au limites et son analogie avec la solution d'un probleme de Stefan. On fera le lien avec les methodes de deplacements de frontieres dans l'approche level set. On montre comment les ingredients developpes pour la gestion de la regularite en parametrisation CAD-Free peut servir en level set. Les differents ingredients seront illustres par des experiences numeriques.
Utilisation du gradient de forme en segmentation
Eric Debreuve, I3S
La presentation proposera un cadre dans lequel le gradient de forme apporte une solution simple en segmentation d'image et de video. La question de l'implementation sera egalement abordee.
A Mumford-Shah like model for the inversion of tomography and SPECT data
Wolfgang Ring, Graz,
Moyennes et statistiques de formes
Transparents.pdf Version complete avec demos
Guillaume Charpiat, ENS
La segmentation d'images consiste à trouver le contour d'un objet dans une image, de façon automatisée. La connaissance d'un a priori sur la forme à rechercher peut s'avérer très utile. Pour construire un tel a priori, on a besoin d'avoir préalablement défini ce qu'est la "forme moyenne" d'un ensemble de formes, ainsi que les modes de déformations caractéristiques associés. Et pour cela, on a besoin de savoir recaler des formes entre elles. L'exposé portera donc tout d'abord sur le recalage de formes (via la minimisation d'une fonctionnelle par descente de gradient), puis sur les moyennes et statistiques de formes, puis sur la segmentation avec a priori. On étendra les notions de statistiques des courbes planes aux images, et on s'étendra un peu sur la notion de produit scalaire afin d'améliorer les descentes de gradient pour qu'elles évitent un certain nombre de minima locaux. Le tout agrémenté d'exemples.