Segmentation par la ligne de partage des eaux (LPE)

Segmentation par la ligne de partage des eaux (LPE)

Introduction.
Après avoir vu comment acquérir et améliorer les images rétiniennes par un algorithme
automatique, ce chapitre va nous permettre d’étudier les procédés d’extraction des
caractéristiques. C’est le noyau de notre sujet de recherche. L’élément principal qui servira à
distinguer entre deux images de rétines dans un système d’identification est le réseau vasculaire. La prise de conscience de l’unicité du modèle du réseau vasculaire remonte aux années 30, quand les deux ophtalmologistes, Dr. Carleton Simon et Dr. Isodore Goldstein, étudiaient les maladies de l’œil en 1935 et avaient réalisé que chaque œil avait son unique pattern de vascularisation sanguine. Ils ont publié, une année plus tard, un article sur l’utilisation des photographies de la rétine pour identifier des personnes, en se basant sur le pattern de leur réseau vasculaire [10]. Plus tard, dans les années 50, leur conclusion fut confirmée par le Dr. Paul Tower, au cours de son étude des parfaits jumeaux. Il nota que, pour un ensemble de paires de personnes, les jumeaux identiques sont les plus susceptibles d’avoir des réseaux vasculaires semblables. Or, Tower avait prouvé que, parmi toutes les caractéristiques corporelles comparées entre deux jumeaux identiques, les patterns du réseau vasculaire de la rétine avaient montré le minimum de similitudes. Les vaisseaux sanguins sont parmi les premiers organes à se développer dans le corps humain, et sont entièrement dérivés du mésoderme. Le développement vasculaire s’effectue durant deux processus nommés : vasculogenèse et angiogenèse. Ce sont deux processus qui se développent lors de l’embryogenèse (formation du corps humain en phase fœtale). A sa naissance, les vaisseaux sanguins de la rétine de l’être humain, forment un arbre qui va se développer pendant un moment, puis va être fixé après quelques années.
Comme tous les vaisseaux sanguins, l’arbre vasculaire rétinien est caractérisé par des branchements ou plutôt des bifurcations. Les branches principales provenant du nerf optique, à travers la papille, bifurquent en sous-branches, et ces sous-branches se divisent en d’autres…etc., formant une hiérarchie vasculaire. Ces points de branchement, ou de bifurcation, sont positionnés d’une manière unique dans chaque œil, et peuvent être utilisés pour générer une signature biométrique. Il y a aussi les points de croisement qui sont, en réalité, les points d’intersection des branches lors de leur projection dans une image en 2D.
Cependant, le problème de comparaison d’images rétiniennes se réduit à la comparaison des points de bifurcation et de croisement. Une technique qui est inspirée du processus d’identification par empreintes digitales basé sur les minuties (décrit dans le chapitre 1). L’utilisation de ces points comme signature biométrique a connu un succès remarquable auprès des systèmes d’identification rétinals. En plus de sa fiabilité, cette méthode a l’avantage de minimiser considérablement la quantité de mémoire utilisée pour stocker les informations biométriques d’une image rétinienne. Elle permet de stocker uniquement les

Chapitre 4 : Extraction des caractéristiques 75

coordonnées des points de bifurcation et de croisement des branches, au lieu de stocker toute l’image de l’arbre vasculaire ou l’image rétinienne entière.
Tenant compte de ces affirmations, plusieurs algorithmes d’identification, ont été
développés, en se basant sur la topologie du réseau vasculaire et particulièrement sur les positions des points de bifurcation et de croisement des branches.
Nous allons, dans ce chapitre, citer quelques travaux dans ce domaine, puis proposer un schéma organigramme de la méthodologie adoptée. Ensuite, nous décrirons les méthodes d’extraction des caractéristiques visuelles d’une image rétinienne. Nous commencerons par le réseau vasculaire en entier, puis nous passerons aux points de bifurcation et de branchement, et à la fin un algorithme d’extraction de deux autres caractéristiques utiles à notre procédé (en phase de recalage): les centres de la papille et de la macula, est détaillé.

Etat de l’art.

C’est probablement, à cause de son coup relativement élevé et de son caractère invasif que la biométrie par la rétine n’a pas bénéficié d’un grand intérêt de la part des chercheurs. Nous avons rencontré un nombre important de travaux portant sur la rétine mais surtout dans un contexte médical pour identifier et localiser des pathologies. Ces travaux se sont, en majorité, posés le problème de la segmentation du réseau vasculaire, de la localisation de points caractéristiques et des pathologies. La morphologie mathématique y est très utilisée.
N’empêche que nous avons trouvé, durant notre recherche bibliographique, quelques
types d’algorithmes proposés pour automatiser cette méthode d’authentification à travers les images du fond d’œil.

Table des matières

Introduction générale
Chapitre 1: La biométrie 
I. Introduction.
II. La biométrie
a. Historique
b. Définitions
c. Intérêt.
d. Les systèmes biométriques
e. Performances d’un système biométrique
f. Caractéristiques de la biométrie.
g. Types de reconnaissance par biométrie.
1. La reconnaissance comportementale.
2. La reconnaissance physiologique.
h. Comparaison des systèmes biométriques.
III. Conclusion
Chapitre 2: Les outils morphologiques
I. Introduction.
II. Morphologie mathématique
a. Notions élémentaires
1. Les images
2. Les trames
3. La notion de connexité.
4. Morphologies binaire et numérique
5. Propriétés de base des transformations morphologiques.
6. Les éléments structurants.
b. Transformations morphologiques élémentaires
1. Erosion et dilatation.
2. Les filtres morphologiques.
3. Transformation chapeau haut de forme.
4. Les squelettes
5. Segmentation par la ligne de partage des eaux (LPE)
III. Conclusion
Chapitre 3: Les images rétiniennes
I. Introduction. .
II. Etat de l’art
III. Images rétiniennes
a. Anatomie de la rétine.
b. Acquisition et représentation des images.
1. Capture des images rétiniennes.
2. Représentation des images.
IV. Amélioration des images.
a. Algorithmes d’amélioration des images.
b. Augmentation du contraste et correction de l‘illumination
1. Augmentation du contraste par une transformation de teintes de gris.
2. La correction d’illumination non-uniforme.
V. Conclusion.
Chapitre 4: Extraction des caractéristiques
I. Introduction.
II. Etat de l’art.
III. Schéma de l’algorithme d’identification.
IV. Extraction des caractéristiques.
a. Le réseau vasculaire.
1. Etat de l’art
2. Algorithme de l’extraction.
b. Les points de bifurcation
1. Etat de l’art.
2. Algorithme de l’extraction.
c. Les points de référence.
1. Le disque optique (papille).
2. Le centre de la macula.
V. Génération de la signature. .
VI. Conclusion.
Chapitre 5: Comparaison et Evaluation
I. Introduction.
II. Recalage d’images
a. Définition
b. Types de recalage.
1. Recalage monomodal intra-patient.
2. Recalage multimodal intra-patient.
3. Recalage monomodal inter-patients
4. Recalage multimodal inter-patients
c. Structures homologues
d. Le modèle de transformation.
1. Les transformations linéaires.
2. Les transformations non-linéaires
e. Algorithmes de recalage
1. Algorithmes de recalage manuel.
2. Algorithmes de recalage semi-automatique.
3. Algorithmes de recalage automatique
III. Comparaison des signatures biométriques (Matching).
1. Principe.
2. Algorithme de matching.
IV. Evaluation du système biométrique.
a. Expérimentation.
b. Résultats et interprétations.
V. Evaluation de l’approche de classification
VI. Conclusion.
Conclusion et perspectives
Annexe A
Annexe B
Annexe C
Bibliographie

Télécharger le rapport complet