• Aucun résultat trouvé

Projet de fin de tronc commun - informatique - 2008/2009Classification de formes en 3D par la matrice Hessienne

N/A
N/A
Protected

Academic year: 2022

Partager "Projet de fin de tronc commun - informatique - 2008/2009Classification de formes en 3D par la matrice Hessienne"

Copied!
1
0
0

Texte intégral

(1)

Projet de fin de tronc commun - informatique - 2008/2009 Classification de formes en 3D par la matrice Hessienne

proposé par Hugues Talbot et Yukiko Kenmochi Contexte

Dans de nombreuses application en vision par ordinateur, en imagerie médicale, en science des matériaux, il est important de pouvoir classifier les formes basiques. Par exemple, un point est-il placé dans une partie plane, un tube, une sphère [Ref.1] ? En imagerie médicale la détection de tube (voir les figures ci-dessous) permet par exemple de repérer les structures

veineuses et artérielles [Ref.2].

Figures : Une image médicale 3D (IRM) de vaissseaux sanguins (gauche), une image 2D de la section latérale (centre), et un résultat de la segmentation (droite).

Dans ce projet nous proposons l'étude locale des structures tri-dimensionnelles par la matrice Hessienne, associée à une visualisation appropriée. Le projet consistera à implémenter une fonction d'étude multi-échelle [Ref.3] utilisant cette matrice, et à analyser et afficher les résultats sur divers projets d'intérêt.

Objectif

Le projet pourra être réalisé en C++ ou Java, associé soit à un logiciel de rendu existant, commercial ou libre, ou programmé en OpenGL.

Remarque

Connaissances obligatoires

programmation en C++ ou Java.

Connaissances utiles

géométrie, traitement des images, infographie, anglais.

Références

Y. Sato, C.-F. Westin, A. Bhalerao, S. Nakajima, N. Shiraga, S. Tamura, R. Kikinis.

Tissue Classification Based on 3D Local Intensity Structure for Volume Rendering, IEEE Trans on Visualization and Computer Graphics, Vol. 6, No. 2, pp. 160-180, 2000.

1.

A. F. Frangi, W. J. Niessen, K. L. Vincken, M. A. Viergever.

Multiscale vessel enhancement filtering,

Medical Image Computing and Computer Assisted Interventions, MICCAI98, LNCS 1496, pp. 130-137, 1998.

(la version modifiée est disponible pour la chapitre 2 dans une thèse.) 2.

S. Aylward, E. Bullitt.

Initialization, noise, singularities and scale in height ridge traversal for tubular object centerline extraction, IEEE Trans on Medical Imaging, Vol. 21, pp. 61-75, 2002.

3.

Contact

Hugues Talbot (bureau 4355), Yukiko Kenmochi (bureau 5351)

Projet I3 http://www.esiee.fr/~kenmochy/student_project/projetI3_2008/i309ht01...

1 sur 2 25/03/2009 19:03

Références

Documents relatifs

choisie pour cette image (intensité de gris représentant le blanc), puis toutes les valeurs de la matrice représentant l’image, dans l’ordre où on les lirait normalement si la

Sachant qu’une division en base 10 a un « coût » proportionnel au nombre de chiffres, estimer le temps de calcul nécessaire pour connaître le nombre exact de chiffre dans

Ce compte-rendu sera pour cette séance le fichier python contenant le code demandé (avant chaque question, on reportera en commentaire le numéro de la question),.. Le nom de

Écrire une fonction est_cle_primaire_entiere(t, c) prenant en argument une table t, un nom de champ c et retournant un booléen indiquant si les valeurs du champ c dans la table t

Votre programme doit manipuler une base de données comportant plusieurs tables et certaines des requêtes que vous ferez sur cette base de données doivent être non-triviales..

Median Mean 3rd Qu... Median Mean

Les sujets proposés par les différents départements seront consultables dans leur secrétariat respectif à partir du Lundi 19 mars.. Les sujets d'initiative personnelle

Localisation du point d’interaction dans le cristal (=du point d ’émission de la lumière) :. Analyse de l ’amplitude des signaux qui sortent de chaque PM à travers un « circuit