Centre SPIN – Génie des Procédés

Analyse d’images

Les images sont utiles pour caractériser des matériaux ou des procédés, en particulier lorsqu’il implique des milieux dispersés tels que des particules, gouttes, bulles ou pores.

Agrégat de sulfure de zinc Endothélium cornée humain Cristaux d’oxalate d’ammonium Ecoulement diphasique

Dans notre groupe, nous développons des méthodes et outils pour traiter, analyser et modéliser des images de milieux divisés. Le traitement d’images simpifie l’image originale pour identifier les objets d’intérêt, par exemple par filtrage, seuillage, … L’analyse d’images réalise des mesures morphologiques sur ces objets (taille, forme, dispersion, …). La modélisation géométrique vise à générer des images de synthèse (jumeaux numériques) qui possèdent les mêmes propriétés statistiques que les images originales et, par comparaison et itération, extraire une information robuste sur leur taille et leur forme par exemple.

Traitement d’images

Logarithmic image processing (LIP)

Le traitement d’images logarithmique est un cadre mathématique introduit dans les années 80, basé sur les mathématiques linéaires abstraites. Il définit des opérations algébriques et fonctionnelles applicables aux images en niveau de gris.

Voisinages adaptatifs généraux

Le traitement des images par voisinages adaptatifs généraux est un cadre mathématique développé pour les images en niveau de gris. Une image est représentée par un ensemble de voisinages locaux définis pour chaque pixel. Ces voisinages sont alors utilisés comme fenêtre opérationnelle adaptative pour des transformations locales (filtres morphologiques) et pour des analyses locales (descripteurs locaux).

Analyse d’images

Analyse de forme

L’objectif est de donner une description morphologique quantitative des motifs d’intérêt. Les diagrammes de forme sont utilisés pour représenter une forme par un point dans le carré unité, ce qui permet une discrimination de forme. Pour des objets complexes tels que des agrégats, des descripteurs spécifiques sont développés.

Modélisation d’images

Modélisation stochastique des images et formes

Pour acractériser la géométrie de structures spatiales complexes, nous utiliser des processus stochastiques qui génèrent des images représentatives des images réelles. Par exemple, des modèles booléens (union d’ensembles géométriques de base aléatoires) peuvent être utilisés pour caractériser indirectement des structures complexes.

Modélisation et simulation de mosaïques

Les diagrammes de Voronoi sont classiquement utilisés pour modéliser les motifs en mosaïque comme les grains, les cellules d’une mousse, les pores ou des cellules biologiques. Ils peuvent être combinés avec l’étude des champs aléatoires pour déterminer les germes/centres et les distances et ainsi générer des partitions spatiales 2D ou 3D.

Membres du groupe