RORPO: A morphological framework for curvilinear structure analysis. Application to the filtering and segmentation of blood vessels - École des Ponts ParisTech Accéder directement au contenu
Thèse Année : 2016

RORPO: A morphological framework for curvilinear structure analysis. Application to the filtering and segmentation of blood vessels

RORPO: Une méthode morphologique pour l'analyse des structures curvilignes; Application au filtrage et à la segmentation de vaisseaux sanguins.

Résumé

The analysis of curvilinear structures in 3D images is a complex and challenging task. Curvilinear structures are thin, easily corrupted by noise, and can have a complex geometry. Despite the numerous applications in material science, remote sensing and medical imaging, and the large number of dedicated methods developed the last few years, the detection of such structures remains a difficult problem. In this work, we provide an analysis of curvilinear structures. We first propose a new framework called RORPO to characterize such structures via two features: an intensity feature, which preserves the intensity of curvilinear structures while decreasing the intensity of other structures; and a directional feature, providing at each point the direction of the curvilinear structure. RORPO, unlike state-of-the art methods, is a non-local and non-linear framework that is better adapted to the intrinsic anisotropy of curvilinear structures. RORPO is based on recent advances in Mathematical Morphology: the path operators. We provide a full description of the structural and algorithmic details of RORPO, and we also conduct a quantitative comparative study of our features with three popular curvilinear structure analysis filters: the Frangi Vesselness, the Optimally Oriented Flux, and the Hybrid Diffusion with Continuous Switch. Besides the straightforward filtering applications, both RORPO features can be used as priors to characterize curvilinear structures. We propose a regularization term for variational segmentation which embeds these features. Classical regularization terms are not adapted to curvilinear structures, and usually lead to the loss of most of the low contrasted ones. Based on the RORPO features, we propose to only regularize curvilinear structures along their main axis. This directional regularization better preserves curvilinear structures but also reconnects some of the parts of these structures that may have been disconnected by noise. We present results of the segmentation of retinal images with the Chan et al. model either with the classical total variation or with our directional regularization term. This confirms that our regularization term is better suited for images with curvilinear structures.
L'analyse des structures curvilignes en $ 3 $ dimensions est un problème difficile en analyse d'images. En effet, ces structures sont fines, facilement corrompues par le bruit et présentent une géométrie complexe. Depuis plusieurs années, de nombreuses méthodes spécialement dédiées au traitement d'images contenant des structures curvilignes ont vu le jour, étant donné le grand nombre d'applications en science des matériaux, télédétection ou encore en imagerie médicale. Pourtant, l'analyse des structures curvilignes demeure une tâche complexe. L'objet de ce manuscrit est la caractérisation des structures curvilignes pour l'analyse d'images. Nous proposons en premier lieu une nouvelle méthode, appelée RORPO, à partir de laquelle deux caractéristiques peuvent être calculées. La première est une caractéristique d'intensité qui préserve l'intensité des structures curvilignes tout en réduisant celle des autres structures. La seconde est une caractéristique de direction, qui fournit en chaque point d'une image, la direction (sous la forme d'un vecteur) d'une structure curviligne potentielle. RORPO, contrairement aux méthodes classiques de la littérature, est une méthode non locale, non linéaire et qui est mieux adaptée à l'anisotropie intrinsèque des structures curvilignes. Le fondement de notre méthode repose sur une notion récente de Morphologie Mathématique: les opérateurs par chemins. Dans cette thèse, nous proposons une description complète de RORPO et de ses propriétés algorithmiques. Nous menons aussi une étude quantitative de ses deux caractéristiques en les comparant avec trois autres filtres populaires de détection de structures curvilignes: La vesselness de Frangi, les Optimally Oriented Flux (OOF) et l'Hybrid Diffusion with Continuous Switch (HDCS). RORPO peut directement être appliquée pour filtrer des images contenant des structures curvilignes afin de spécifiquement les préserver mais aussi de réduire le bruit dans l'image. Mais les deux caractéristiques de RORPO peuvent aussi être utilisées comme information a priori sur les structure curvilignes afin d'être intégrées dans une méthode plus complexe d'analyse d'image. Nous proposons une telle application dans la deuxième partie de cette thèse. Nous concevons un terme de régularisation, destiné à la segmentation variationnelle, qui est mieux adapté aux structures curvilignes que la plupart des autres termes de la littérature. Pour ce faire, nous intégrons les deux caractéristiques de RORPO dans cette régularisation, ce qui nous permet de régulariser nos résultats seulement dans la direction des structures curvilignes. Nous préservons ainsi mieux ces structures mais nous pouvons aussi reconnecter certaines structures curvilignes déconnectées par le bruit. Les résultats de cette nouvelle régularisation sont présentés sur la segmentation de vaisseaux sanguins du fond d'œil. Nous comparons aussi ces résultats avec le modèle de segmentation de Chan et al. ce qui nous permet de montrer que notre terme de régularisation est en effet bien mieux adapté aux structures curvilignes.
Fichier principal
Vignette du fichier
phd_thesis_odyssee_merveille.pdf (10.52 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-01462887 , version 1 (09-02-2017)

Identifiants

  • HAL Id : tel-01462887 , version 1

Citer

Odyssée Merveille. RORPO: A morphological framework for curvilinear structure analysis. Application to the filtering and segmentation of blood vessels. Image Processing [eess.IV]. Université Paris Est, 2016. English. ⟨NNT : ⟩. ⟨tel-01462887⟩
401 Consultations
603 Téléchargements

Partager

Gmail Facebook X LinkedIn More