Faculté des sciences et techniques de l'ingénieur STI, Département d'électricité, Institut de génie électrique et électronique IEL (Laboratoire de traitement des signaux 5 LTS5)

Segmentation and symmetry measure for image analysis : application to digital dermatoscopy

Schmid-Saugeon, Philippe ; Kunt, Murat (Dir.)

Thèse sciences techniques Ecole polytechnique fédérale de Lausanne EPFL : 1999 ; no 2045.

Ajouter à la liste personnelle
    Summary
    In this thesis, four topics related to image analysis are investigated: filtering, color segmentation, contour detection, and symmetry quantification for shape, color, and texture information. The three first topics are essential to detect efficiently the objects of interest present in the image, and to allow their analysis and classification. The use of features such as the degree of symmetry are necessary to this application. Although the combination of different features is usually necessary for an efficient classification, we want to focus on a unique feature and fully exploit it. In the framework of image filtering, we emphasize techniques which preserve the location and geometry of contours. Nonlinear isotropic filtering is therefore deeply investigated. This technique is inspired from the diffusion of heat in matter, with a nonlinear component that is based on the local gradient and that controls the diffusion. A unique threshold is used to limit and even stop the diffusion through the strongest transitions, which should then correspond to the object boundaries. This technique is particularly noise resistant and preserves the curvature of contours, which avoids rounding effects such as those encountered when using Gaussian low-pass filtering. Clustering techniques for color segmentation are investigated next. In particular, techniques using fuzzy sets theory are exploited, leading to the development of a new clustering scheme called orientation sensitive fuzzy c-means, whose main characteristic is to take into account the cluster orientation. This technique is therefore especially adapted to Gaussian and elliptic shaped mixtures. The clustering is performed in a two-dimensional histogram, which is computed with the two principal components of the Karhunen-Loève transform of the color frames. The number of clusters and the cluster center location must be obtained as well. The selection is based on geometrical features computed for every maximum in the two-dimensional histogram. In this thesis, the contour detection aims at the extraction of topology independent contours. Active contours, also called snakes, and their geometrical counterpart, geodesic active contours, are investigated for this purpose. These different techniques are presented and illustrated. Finally a new approach using a multi-components nonlinear isotropic diffusion applied to color images and morphological flooding is presented. This technique allows the extraction of a set of contour lines which are considered as contour candidates. The selection of valid contours is then done by global or local minimization of an energy functional. The last topic investigated in this thesis is the quantification of symmetry. Special care is given to its application to almost symmetrical and asymmetrical objects by having an optimization approach. Different techniques are developed to this end, using multi-resolution approaches, genetic algorithms, and self-organizing maps. The data is assumed to be vector-valued, such as are color and texture descriptors. Finally, the ability to detect symmetry axes in noisy environments is proven and illustrated. These different techniques are applied to the analysis or dermatoscopic images for diagnosis purpose. This type of images is used by dermatologists to diagnose skin cancer. The efficiency of the segmentation and contour detection techniques combined with the nonlinear isotropic filtering is illustrated. The improved separation between benign and malignant lesions obtained with our symmetry quantification approach, when compared to more classical techniques, is demonstrated using a simple linear classifier. We want to show in this study that the different diagnostic features, like the symmetry, must be fully investigated to design an efficient computer aided diagnosis system.
    Résumé
    Dans le cadre de ce travail de doctorat, quatre thèmes liés à l'analyse d'images sont traités: le filtrage, la segmentation de couleur, la détection de contours ainsi que la mesure de symétrie de texture, de couleur et de forme. Les trois premiers thèmes sont essentiels afin de détecter efficacement les objets d'intérêt présents dans l'image et de permettre leur analyse et leur classification. L'utilisation de mesures telles que le degré de symétrie est essentielle pour ce type d'applications. Bien que la combinaison de différents paramètres est généralement nécessaire à une classification efficace, nous axons nos investigations sur un paramètre unique afin de l'exploiter pleinement. Dans le cadre du filtrage d'images numériques, l'accent est mis sur des techniques permettant de préserver la position et la forme des contours. A cet effet une étude approfondie du filtrage isotropique non-linéaire est proposée. Cette technique s'inspire de la diffusion de la chaleur dans la matière tout en introduisant une composante non-linéaire permettant de contrôler la diffusion en fonction du gradient local. Le réglage d'un seuil unique permet ainsi de limiter, voir même d'empêcher la diffusion au travers des transitions les plus fortes correspondantes aux contours marquants de l'image. Cette technique est particulièrement résistante au bruit de type gaussien et respecte la courbure des contours, évitant ainsi des effets d'arrondi tels que ceux rencontrés lors du filtrage gaussien. L'utilisation de techniques de coalescence à des fins de segmentation de couleur est étudiée. En particulier, des approches utilisant la logique floue sont exploitées, avec le développement d'une nouvelle technique nommée orientation sensitive fuzzy c-means, dont la particularité est de tenir compte de l'orientation locale des différents groupements. Cette technique est donc particulièrement bien adaptée aux distributions de type gaussiennes et aux distributions proches de ce modèle. L'utilisation de deux composantes couleur, obtenues par transformée de Karhunen-Loève, est présentée, ainsi que le calcul de la position et du nombre de groupements par comparaison de paramètres géométriques. Ceux-ci sont calculés pour chaque maximum présent dans l'histogramme bidimensionnel calculé pour les deux composantes couleur principales. Dans cette thèse, la détection de contours a pour but l'extraction de contours indépendamment de la topologie de l'image. Les développements sont orientés du côté des contours actifs, ou snakes, et de leur équivalent géométrique, les contours actifs géodésiques. Ces différentes techniques sont présentées et illustrées. Finalement une nouvelle approche est présentée, utilisant le filtrage isotropique non-linéaire multi-composantes appliqué à des images couleur, et l'immersion morphologique. Cette technique permet d'extraire un ensemble de courbes de niveau considérées comme contours possibles, et de sélectionner les courbes de niveau correspondant à des contours d'objets par minimisation globale ou locale d'une fonction d'énergie. Le problème de la quantification de la symétrie est le dernier thème abordé dans cette thèse. Une attention particulière est portée à son application à des objets faiblement symétriques ou asymétriques par une approche d'optimisation d'index de symétrie. Différentes techniques sont développées à cet effet, utilisant des approches multi-résolutions, un algorithme génétique ou encore des cartes auto-organisatrices. Les données sont supposées multi-dimensionnelles, telles que des descripteurs de couleur ou de texture. Ces deux types d'informations peuvent ainsi être intégrés indépendamment au système de mesure. Finalement, la capacité à détecter un axe de symétrie dans un environnement bruité est démontrée et illustrée. Les différentes techniques sont appliquées au problème de l'analyse d'images dermatoscopiques. Ce type d'images est utilisé par les dermatologues pour diagnostiquer le cancer de la peau. L'efficacité des techniques de segmentation et de détection de contours, associées au filtrage isotropique non-linéaire est illustrée et démontrée. L'amélioration introduite par l'utilisation de nos techniques de mesure de symétrie dans la séparation entre lésions bénignes et malignes par rapport à des techniques plus classiques est démontrée pour une séparation linéaire. Nous cherchons à démontrer ici que l'étude approfondie des différents paramètres diagnostiques, dont la symétrie fait partie, est nécessaire à l'élaboration d'un système d'aide au diagnostic performant.