You are on page 1of 27

Les quations aux drives partielles

en traitement des images


et vision par ordinateu r

PDE's in Image Processing an d


Computer Vision *

par Rachid DERICHE et Olivier FAUGERAS


INRIA Sophia-Antipoli s
2004, Route des Lucioles,
BP 93 - 06902 Sophia-Antipolis Cedex
France

rsum et mots cls


On assiste depuis quelques temps un regain d'intrt pour un certain nombre de problmes lis au domaine du traitement de s
images et ceci pour plusieurs raisons dont principalement une demande accrue au niveau des applications pour des algorithme s
efficaces et performants d'amlioration, de restauration, d'analyse multichelle, . . . et l'mergence d'une mthodologie nouvelle
pour rsoudre ces problmes, mthodologie qui permet de les traiter partir d'une base mathmatique solide, celle de s
quations aux drives partielles, en abrg EDP. Cet outil, dont l'introduction en traitement des images date de quelque s
annes seulement permet de traiter aisment de nombreux problmes dont certains sont exprims sous forme variationnelle ,
d'aborder relativement sereinement des problmes non-linaires, d'obtenir dans de nombreux cas des rsultats d'existenc e
et d'unicit de solution, voire des schmas de rsolution numrique trs efficaces . De par leur intrt, certaines des ide s
dveloppes dans ce cadre ont commenc aussi tre appliques un certain nombre de problmes dans le domaine de l a
vision par ordinateur comme l'extraction et la caractrisation de primitives images, la stroscopie, l'analyse du mouvement ,
etc .
Cet article est un inventaire non exhaustif de l'tat de la recherche dans ce domaine en pleine expansion o les technique s
les plus rcentes de la thorie des EDP se mesurent aux problmes parmi les plus difficiles du traitement des images et de l a
vision artificielle .

quations aux drives partielles, amlioration et restauration des images, formulation variationnelle, rgularisation, espac e
multichelle, filtres de choc, contours dformables, stroscopie, flot optique, traitement des images, vision par ordinateur .

abstract and key words


For some time now we have been witnessing an increased interest in a number of problems based within the domain of imag e
processing . This is for a number of reasons, of which the first is for an increased demand of efficient algorithms and bette r
performance, within image enhancement, restoration, multi-scale analysis . . .The second reason is the emergence of a ne w
methodology within the algorithmic framework of Partial Differential Equations (PDE) for the resolution of such problems . This PD E
based methodology, whose introduction within image processing has occurred only recently, allows to handle efficiently a numbe r
of non linear problems (existence and uniqueness of solution, efficient numerical schemes for the implementation part . . )
Some of the ideas developped within the context of image processing have also started to be applied to a certain number o f
problems in the domain of computer vision, such as in low-level vision, stereovision, motion analysis, shape from shading, etc .
This article is a non-exhaustive review of the state-of-the-art research within this domain . It shows how the most recent technique s
of the theory of PDE's succeed in solving some of the most difficult problems in image processing and computer vision .

Partial Differential Equations, Image Enhancement, Image Restoration, Variational Formulation, Regularization, Scale-Space ,
Shock Filtering, Geodesic Snakes, Stereovision, Optical Flow, Image Processing, Computer Vision .

* Une premire version de cet article est apparue comme rapport de Recherche Inria-2697 (Nov . 1995) - http ://www.inria .fr/rapports/sophia/RR-2697 .html .

Les EDP en traitement des image s

1. introduction vision par ordinateur un effort accru de formalisation mathma-


tique . Ce souci de formalisation se traduit par l'importance de plu s
en plus grande accorde aux mathmatiques et la physique dans
ces deux domaines. A titre d'exemple, on peut noter l'attentio n
de plus en plus grande porte par un grand nombre de scien-
On assiste depuis quelques temps un regain d'intrt pour u n tifiques aux problmes de modlisation physique, gomtrique ,
certain nombre de problmes lis au domaine du traitement de s et statistique du contenu des images, le recours des technique s
images . Ce regain d'intrt s'accompagne d'un renouveau d e d'optimisation puissantes, le dveloppement d ' approches varia-
la problmatique et se trouve concrtis par l'mergence d'u n tionnelles, l'apparition de mthodes non-linaires pour la rsolu-
nombre croissant de confrences internationales de qualit e t tion de problmes traits jusque l par des approches linaires ,
fort taux de participation dans ce domaine . A ce titre, o n l'utilisation intensive du calcul formel, le recours de plus en plu s
peut citer comme exemples la confrence IEEE dans le domaine frquent des outils de gomtrie diffrentielle, projective, e t
du traitement numrique des images (ICIP) qui a lieu chaqu e algbrique, ainsi qu' la thorie des invariants algbriques, diff-
anne depuis 1994, la confrence sur les mthodes mathmatique s rentiels et semi diffrentiels dans les thmes de la reconnaissanc e
appliques au traitement de problmes issus de l'industrie des formes et de la mise en correspondance . . .
Lunteren au Pays-Bas en 1994, la confrence organise du 1 7 Toutes ces remarques sont autant de caractristiques indniable s
au 18 novembre 1994 Londres par le laboratoire des science s qui illustrent l'volution qui est en train de s'oprer dans l a
mdico-lgales (Forensic Science) de la police mtropolitaine de manire d'aborder et de rsoudre une certaine classe de problme s
Londres (MPFSL) sur les applications au domaine judiciaire e t trs importants dans les domaines du traitement des images et d e
policire de mthodes issues du traitement des images, l'atelier d e celui de la vision par ordinateur . En tudiant les articles les plu s
travail Workshop on Mathematical Methods in Computer Vision rcents qui illustrent cette nouvelle tendance, il s'avre qu'un e
qui vient de se tenir du 11 au 15 septembre 1995 l'universit grande partie de ces techniques ncessite l'utilisation d'quation s
du Minnesota, ainsi que la rcente confrence internationale su r aux drives partielles (EDP) . Si les scientifiques numriciens de
l'analyse et l'optimisation des systmes (ICAOS'96 26/28 Juin la discipline de la mcanique des fluides, qui en font largemen t
Paris) organise par l'INRIA et le CEREMADE et consacre aux usage, connaissent dj la puissance de tels outils, il faut dir e
Images, Ondelettes et EDP. toutefois que ce n'est que trs rcemment que l'emploi des EDP
Ce surcrot d'intrt peut s'expliquer par la conjonction d e en traitement d'image et en vision par ordinateur s'est concrtis .
plusieurs raisons parmi lesquelles on peut noter les trois suivantes : Les approches base d'EDP ont, en effet, pour intrt qu'elle s
permettent d'obtenir dans de nombreux cas des rsultats d'exis-
De par la quantit d'informations qu'elles traitent, les approche s tence et d'unicit pour la solution recherche, et qu'elles peuven t
dveloppes dans le domaine du traitement numrique des image s se mettre en oeuvre l'aide de puissants schmas numriques tr s
ont toujours t trs consommatrices de temps de calcul . C'est la tudis ce jour dans le domaine de la mcanique des fluides .
raison pour laquelle le traitement des images est troitement li
Cette nouvelle classe de mthodes a permis aussi la formalisatio n
aux moyens technologiques disponibles . Grce la puissance d e
d'un cadre unificateur un ensemble de problmes traits a u
plus en plus grande de ceux-ci (citons par exemple le cas de s
pralable de manires indpendantes . Les performances atteintes ,
stations de travail), le facteur temps de calcul a t sensiblemen t
et aussi et surtout la qualit des rsultats obtenus parla plupart de s
rduit, pour ne pas dire limin pour une certaine classe d e
mthodes dveloppes suivant ces schmas incitent un nombre d e
problmes o le paralllisme a t aussi introduit, et n'est plu s
plus en plus important de scientifiques des domaines de l'image ,
une raison pour carter a priori les approches base de traitemen t
de la vision et de la mcanique des fluides s'intresser ces
d'images . problmes .
La seconde raison nous semble lie aux champs des application s Cet article constitue un tat de l'art sur l'utilisation des EDP
potentielles o l'image est utilise comme support d'information . dans les domaines du traitement des images et celui de la vi-
La vido est de nos jours un outil de plus en plus rpandu et alor s sion par ordinateur, ainsi qu'une introduction la comprhensio n
que l'obtention, le stockage et la transmission des images consti - et l'utilisation de ces outils dans cette classe de problmes .
tuaient un vrai problme il y a encore une quinzaine d'annes, cec i En particulier, les domaines d'applications lis l'amlioration ,
n'est actuellement et clairement plus le cas . Les champs d'appli- la restauration, l'analyse multi-chelle, l'volution de courbe s
cations nouveaux ont ainsi t dgags dans des domaines auss i planes, les contours dformables, l'estimation du flot optique e t
varis que la robotique mobile, l'imagerie satellitaire, l'imagerie la strovision seront particulirement considrs . Une premire
mdicale, la ralit virtuelle, la surveillance de sites risques ou version de cet article, publi en interne sous la forme d'u n
autres . . . rapport de recherche Inria [37], est directement disponible
Enfin la troisime raison, peut tre la plus importante, est lie a u l'adresse : http :/w w.fr/hiapntosmlR-2697 .
fait que l'on assiste de plus en plus dans un certain nombre de do- Certaines publications apparues depuis, ainsi que des rsultat s
maines et en particulier dans ceux du traitement des images et de la exprimentaux complmentaires ont t rajouts dans cet article .

552 Traitement du Signal Volume 13 - n6 Spcial 1996


Les EDP en traitement des image s

2. amlioratio n
Les premires approches dveloppes dans le cadre de la restau -
ration ont t ainsi des approches bases sur des critres d'opti-
et restauratio n malit aux moindres carrs (filtrage de Wiener [13]) avec l'appli -
cation de mthodes algbriques pour la recherche de solutions .
des image s Des mthodes de minimisation de critres quadratiques linaire s
avec contraintes ont t aussi proposs [63], et on peut aussi cite r
les mthodes dites du MAP (du maximum a posteriori) [49] ainsi
2 .1 . problmes que les mthodes non-linaires du type de celles proposes dan s
[1] .
Les problmes issus de l'amlioration et de la restauration de s Toutefois, les limites de ces approches furent trs rapidement
images sont des problmes largement traits dans la littratur e atteintes cause des effets d'oscillations observs sur les rsultats ,
scientifique, et ce depuis l'apparition de la discipline du traitement et de la dgradation des rsultats observs prs des discontinuits .
numrique des images, ne durant les annes 60, aprs le dve- Du fait que le problme peut tre mal pos, des techniques dter -
loppement de moyens informatiques suffisants . L'amlioration et ministes ou stochastiques ont alors t proposes et dveloppes
la restauration d'images furent ainsi les premiers problmes re - afin de le rgulariser. Ceci a eu pour consquence l'apparitio n
cueillir une grande attention . Une gnralisation au cas des image s de nouvelles approches formulant le problme de la restauratio n
de techniques bien connues pour le traitement des signaux tem- d'images bruites comme un problme de rgularisation .
porels donne alors de premiers rsultats spectaculaires, y compri s Soit P la transformation linaire permettant le passage d'une
pour le public non initi. L'amlioration d'images cherche en ef- image originale u l'image bruite v par un modle du type :
fet rendre l'image plus significative l'observateur humain, qui
est le seul juge final de l'efficacit d'un tel traitement. La restau- v =Pu+ n (1 )
ration, quant elle, cherche corriger les distorsions introduite s
lors des tapes prcdentes de l'acquisition ou de la transmission . o n est un bruit gnralement considr comme Gaussien de
Un modle de formation de l'image observe incluant le bruit es t moyenne nulle et d'une certaine variance a2 . Le problme de
gnralement suppos et des critres minimiser sont tablis afi n retrouver u partir de v est alors formul comme celui de retrouve r
de retrouver au mieux l'image 1orignale . u qui minimise l'nergie E(u) suivante :
Par la suite, d'autres problmes gnralement placs en aval dan s
la chane de traitement ont t abords . Il ne s'agit plus alor s E(u) = Ei (u) + aEz (u) (2)
d'obtenir une meilleure image, mais d'extraire de l'image fourni e
les informations utiles un traitement postrieur . L'extractio n o E l (u) est un terme de fidlit aux donnes et E 2 (u), un terme
des primitives s'est alors vue accorder une grande attention . de rgularisation qui dpend gnralement du gradient de u (not
Comme les contours des objets observs forment souvent le s dans la suite par I Vu 1) ou de la matrice des drives d'ordre
premires informations ncessaires, de nombreux algorithmes d e suprieur de u .
dtections de contours ont t proposs [80], [33] . Utilisant ces
paramtres extraits des images, des algorithmes de segmentation , El (u) = 11 v Pu 112 (3 )
E2 (u) = .T, (u )
de classification, de strovision permettent alors d'avoir un e
analyse dtaille de la scne perue [62], [15], [42] . Dans le cas o la fonction de potentiel (D( .) = (KI Vu I) =I
ou 12 est quadratique , on se retrouve avec la rgularisation bie n
connue dite de Tikhonov . Cette rgularisation pnalise toutefois
2.2 . restauration base les discontinuits . Le lissage des discontinuits ainsi que l'ap-
de rgularisatio n parition d'oscillations, connus sous le nom de phnomne d e
et formulation variationnell e Gibbs, ont rapidement limit l'efficacit de ces approches et sus -
cit ces dernires annes un grand intrt pour le dveloppemen t
Les approches traditionnelles dveloppes en restauration d'im- de nouvelles mthodes, principalement non-linaires, afin d'as -
ages bruites incluent souvent des oprations de lissage effectue s surer au mieux la prise en compte des discontinuits et de lim-
dans le domaine spatial ou spectral . La forme de l'oprateur de iter ces phnomnes d'oscillations . Un modle de rgularisation
lissage est gnralement dtermine en fonction des critres avec prise en compte des discontinuits est immdiatement ap-
minimiser et des connaissances a priori que l'on peut avoir sur l e paru comme une voie intressante exploiter et le problme d u
problme rsoudre . choix de la fonction potentiel utiliser afin d'assurer au mieu x
une prservation des discontinuits s'est donc trouv rapidemen t
pos . Deux classes d'approches ont t ce jour principalemen t
1 On peut regretter toutefois que cette diffrence d'interprtation ne semble pas dveloppes : la premire s'intresse directement la forme de l a
avoir t prise en compte dans un certain nombre d'articles rcents qui parlen t
indiffremment d'amlioration ou de restauration . fonction potentielle utiliser alors que la seconde a plutt favoris

Traitement du Signal Volume 13 - n6 Spcial 1996 553



Les EDP en traitement des image s

le concept de processus de ligne pour marquer et prserver les dis - On peut noter que cette quation de diffusion peut tre rcrit e
continuits [56, 16] . Pour une bonne revue des diffrentes classe s sous la forme divergence suivante :
de mthodes de rgularisation, on peut se rfrer la thse de P .
Charbonnier [27], effectue au laboratoire 13 S Sophia-Antipoli s (x, y, t) = div(V (u(x, y, t)) )
at (7 )
sous la direction de Michel Barlaud, o il est montr en particu-
u(x,y,0) = uo(x,y )
lier qu'il est possible d'effectuer une rgularisation avec prise en
compte de discontinuits en utilisant des fonctionnelles convexes . Concernant la mise en oeuvre de ce processus de diffusion, l a
La fonction d ' nergie est minimise par des mthodes d'algbre plus simple est certainement l'utilisation directe de l'quation d e
linaire vitant ainsi la lourdeur des approches stochastiques . convolution (4), mais on peut noter que ce processus de diffusion
peut aussi se mettre en oeuvre dans le domaine spectral [47], [48] ,
Les parties suivantes de ce paragraphe seront consacres l a
ou l'aide de schmas numriques mettant en oeuvre de manir e
prsentation d'un certain nombre d'approches combinant les ED P
rcursive l'quation de diffusion (6) comme l'indique Alvare z
et les ides de diffusion isotrope, anisotrope et de filtres d e
dans [8] . On peut noter aussi qu'une mise en oeuvre rcursive
chocs ; on prsentera ensuite une approche variationnelle pou r
le problme de la restauration des images bruites qui unifi e de l'opration de convolution avec l'oprateur Gaussien et se s
drives a t dcrite au pralable dans [35] et [36], et que l'emplo i
dans un mme formalisme mathmatique un grand nombre de
du filtrage rcursif des fins de mise en oeuvre de convolution s
ces approches .
efficaces en temps de calcul avec des oprateurs de lissage ,
d'estimation du gradient et des drives d'ordres suprieurs, es t
dcrit dans [33, 34] .
2 .3. EDP et diffusion isotrop e
L'EDP parabolique linaire (7) permet une diffusion isotrope .
Cette diffusion s' opre ainsi de manire identique dans toute s
Une approche classique dveloppe dans le domaine de la restau - les directions et ne possde aucune direction privilgie . Pou r
ration des images utilise une opration de convolution linair e des tches de restauration d'images bruites, ceci prsente claire-
(lissage) afin de rduire l'effet du bruit, considr comme tan t ment des inconvnients . En effet, dans des rgions d'intensit
un signal haute frquence . homogne, ce processus permettra de rduire effectivement l'ef-
fet du bruit mais dans des rgions prsentant des discontinuit s
au niveau de l'intensit en niveau de gris, celles-ci seront auss i
u ( x , y, t) _ f G (x - , y - g, t) o( , l)
u r dO , (x , y) e S2 (4) lisses et le contraste visuel de ces parties sera sensiblement rduit ,
diminuant en consquence l'intrt qualitatif et visuel d'un tel pro -
cessus . Pour traiter ce problme, des ides de diffusion anisotrop e
o on note par uo(x, y), une fonction de R 2 dans R dfinie su r
ont t proposes .
le rectangle S2 = (0, a) x (0, b) . Les valeurs de la fonction u o
reprsentent par exemple les intensits en niveau de gris de l'im -
age originale bruite, u(x, y, reprsente l'image restaure, et
t) t
2.4. EDP et diffusion anisotrope
un paramtre qui contrle l'importance du lissage de l'oprateu r
G( , y, t) .
x
La premire ide pour rsoudre les problmes issus d'une diffu-
Un exemple d'oprateur souvent utilis pour ses performances , sion isotrope a t propose par Perona et Malik dans [89, 88] .
ses proprits de sparabilit et d'isotropie est l'oprateu r Elle consiste effectuer une diffusion conditionnelle i .e . forte
Gaussien G donn par : diffusion dans les zones faible gradient et faible diffusion dan s
les zones fort gradient, o des discontinuits potentiellement
G(x, y,
41 t e - (x%-, 2 ) (5) "intressantes" peuvent se trouver . Ce mode de diffusion a t
t)
formalis comme suit :
Koenderink [74] a remarqu le premier qu'une opration d e
convolution d'une image par un oprateur Gaussien d'une certain e (x, y, t) = div(c(l Du(x, y,
variance (ici o- 2 = peut tre rcrite sous la forme d'un
2t )
f t) 1) ou ( x , y, t )) (8 )

(x, y, 0) = uo (x, y )
processus de diffusion de l'intensit image autour des pixel s
voisins durant un temps en relation directe avec la varianc e
t o div et V indiquent les oprateurs de divergence et de gradien t
spatiale Q- 2 . Cette quation de diffusion, connue sous le no m par rapport aux variables spatiales respectivement et o la fonctio n
d'quation de la chaleur, peut se mettre sous la forme de l' EDP c( .) est une fonction dcroissante, par exemple :
parabolique linaire suivante :
co vu i) = e(lul/k) ' (9 )

( x , y, t ) u xx ( x , y, t ) + uyy (x , y, t ) ou encore :
t (6 ) 1
c(l Vu 1) 1+ (10)
u(x, y, 0) uo(x, y) (1 Vu 1 /k) 2

554 Traitement du Signal Volume 13 - n6 Spcial 1996



Les EDP en traitement des image s

qui prsente la mme approximation au premier ordre que l a Le schma propos est un schma issu de l'quation suivante :
prcdente . Les relations (8) peuvent se rcrire sous la form e
suivante : Ou u
=
g (~ OGQ * u 1) 1 Vu 1 div
( V
ou 1 (1 2 )
Ou u(x, y, 0) = uo(x, y)
= cou + Vu .V c
t
(11 ) o uo(x, y) constitue l'image initiale traiter, u(x, y, t) es t
cou+c(JVuDVuTHVu l'image lisse l' chelle rfrence par le paramtre t et g( Vu 1 )
1 ou 1
une fonction non croissante de la variable Vu 1 qui tend vers
u(x, y, 0) uo(x, y )
0 quand la variable 1 Vu 1 tend vers l'infini . En remarquant que
le terme 1 Vu 1 div correspond la drive seconde d e
o H est le Hessien de u( ., .) . (u)
u dans la direction orthogonale au gradient Vu, l'quation (12 )
On peut remarquer ainsi que si c( .) est une fonction constante , peut s'interprter comme un lissage anisotrope conditionnel, mai s
cette quation se rduit alors au processus de diffusion isotrop e seulement le long des courbes de niveaux de l'image u(x, y, t) .
dcrit dans le paragraphe prcdent . Le terme impliquant la fonction ga Vu 1) permet de contrler l a
vitesse de diffusion. Dans des zones o le gradient est faible, c e
Il a t prouv toutefois que cette mthode possde plusieur s
terme est grand et permet une diffusion anisotrope le long de l a
inconvnients dont le premier est son inefficacit dans les zones o
direction orthogonale au gradient alors que dans les zones o l e
le bruit prsente de grosses discontinuits . Le second inconvnient gradient est fort, la pondration est faible et annule la diffusio n
est d'ordre thorique pour les fonctions c( .) prcdentes car on
d'o le nom de lissage slectif donn par les auteurs ce schma .
peut montrer qu'il n'existe pas de solution l'quation (8) . En
On peut remarquer que si ga Vu 1) = 1/(1 Vu 1), ce modle ten d
effet, pour obtenir en mme temps l'existence et l'unicit d'un e
solution pour une telle EDP, il a t montr que la fonctio n
ca Vu 1) doit respecter la condition que 1 Vu 1 ea Vu 1 )
vers une version simplifie

f = div(-~ 0u)
quand a tend vers
0, qui peut tre interprte comme un cas particulier de l'approch e
soit non dcroissante [25] . Si cette condition n'est pas vrifie , de Perona et Malik [89] .
on peut observer une solution instable se former, impliquant l a
gnration de rsultats qui peuvent tre trs diffrents si de petits Afin d'viter de diffuser de manire anisotrope dans les rgion s
changements affectent l'image originale . Plus prcisment, on o il n'y a que du bruit, Alvarez [6] propose une version plu s
peut dmontrer que cette mthode agit comme une quation d e fine de cette mthode qui permet en plus de prouver la validit du
la chaleur inverse prs de trs fortes discontinuits (1 Vu J> k modle mathmatique par l'existence et l'unicit de la solution .
pour l'quation (10) et 1 Vu 1 > k/f pour l'quation (9)), ce qui Le modle propos est alors le suivant :
rend le processus instable mme si l'image initiale est assez lisse
[82] . Pour une bonne analyse numrique des problmes issus d e *u
= g (l VGQ D((l h (l Vu 1)) D u
la mise en ceuvre de la mthode de Perona et Malik, on peut se
rfrer [89, 91] . + V u Vu (13 )

Une solution pour rsoudre les inconvnients associs au modle


= uo( x , y )
de Perona et Malik est de travailler avec une version rgularis e
de 1'EDP (8) impliquant le gradient c(J VG, * u 1) en lieu o ha Vu D) est une fonction lisse non dcroissante telle qu e
et place de ca Vu D) [25] . Cette approche, indpendammen t h(aVu1)=0si1Vu1<e,h(aVuD=lsi1Vu1>2e .L e
propos dans [25] et [82], rend le problme bien pos et permet d e paramtre e n'est pas vritablement un paramtre supplmentaire ,
prouver l' existence et l'unicit de la solution pour la nouvelle EDP mais dpend plutt directement du paramtre de contraste qu i
obtenue, Toutefois, quelques inconvnients subsistent encore . En intervient dans la fonction g( .) . Comme ga Vu D) est petit pour
plus du fait qu'il est difficile de trouver cette nouvelle EDP les grandes valeurs de 1 Vu 1,e est simplement la borne suprieur e
une interprtation gomtrique (prsence d'un terme hybrid e de l'intervalle o u est autorise diffuser librement .
combinant le gradient et son estime dans la divergence), l a
stabilit de ce modle n'est gnralement pas garantie quand l e Reprenant les travaux de Malik et Perona, Nordstrm [83] a
paramtre u tend vers 0. introduit un nouveau terme dans l'quation (8) qui force l a
solution u(x, y, t) rester proche de l'image initiale uo(x, y) :
Une amlioration de cette ide de diffusion anisotrope qui pren d
en compte ces remarques a t ainsi propose par Alvarez, Lions e t (x, y, t) div(c(l Du(x, y, t) ~)Vu(x, y, t) ) = no u
Morel dans [7] qui ont tudi une classe d'EDP paraboliques non f cet

linaires qui gnralise l'ide de diffusion anisotrope initialemen t t u(x, y, 0) = uo (x, y )


propose par Perona et Malik dans [88], [89] et amlior dans [25 ] (14)
et [82] . La mise en oeuvre d'un tel schma est dcrite dans [83] .

Traitement du Signal Volume 13 - n6 Spcial 1996 555


Les EDP en traitement des image s

titre de complment dans cette classe de schmas de diffusion , 2.5. EDP et filtres de choc
on peut citer aussi le schma aux EDP propos par Nitzberg e t
Shiota dans [82], particulirement bien adapt la restauration de s Dans ce paragraphe, on prsente d'autres approches dveloppe s
angles et autres jonctions multiples . L'ide principale est d'utiliser dans le cadre du problme de la restauration d'images et qui fon t
en chaque point de l'image des filtres directionnels en se laissan t appel un schma aux EDP plus directement inspir des travaux
guider par l'information locale de l'orientation du gradient. De s mens dans le domaine de la mcanique des fluides/ La solution
rsultats exprimentaux trs intressants illustrent la capacit de u(x, y, t), qui a comme condition initiale l'image restaurer
cette approche . uo(x, y), dveloppe des discontinuits assimiles des chocs .
L'utilisation de concepts et de techniques dvelopps dans l e
La diffusion anisotrope a aussi t applique l'tude du mod e
cadre des solutions d'EDP hyperboliques non-linaires pour des
d'volution dans un espace chelle de points anguleux ou jonc-
problmes de traitement des images a t propose par L .Rudi n
tions multiples . Dans cette classe de problmes, on peut citer e n
[97], qui a t le premier introduire dans ce domaine la notio n
premier lieu les travaux de Fiddelaers et al [46] qui ont tudi
de filtre de choc . Ces filtres sont des oprateurs dont l'applicatio n
des schmas d'volution de courbes base d'EDP permettant d e
permet le dveloppement dans le signal restaur de phnomne s
dvelopper des discontinuits au niveau de la courbure . L'ide est
analogues aux ondes de choc connues en mcanique des fluide s
de reprsenter la courbe initiale l'aide de l'angle 8 = 9(s) qu e
fait la tangente avec une direction constante, fonction de l' abciss e [98], [84] .
curviligne s, et d'appliquer ensuite le schma d'volution modi - Le premier modle ID que Rudin a considr est le suivant :
fi de Nordstrm [83] prsent prcdemment afin de dveloppe r
des discontinuits . Les rsultats montrs semblent assez promet- + F(u xx (x, t)) J u~ (x t) 0
f (15 )
teurs dans le cadre d'une application de dtection de points fort e
u(x, 0) = uo(x )
courbure . Plus rcemment, Alvarez [9], s'est aussi intress c e
type de problme dans le cas d'une volution multi-chelle qu i o F(s) est une fonction de la variable s telle que sF(s) > 0 .
respecterait l'invariance affine, donne par l'quation (39) . U n Un schma monotone explicite prservant la variation totale, l a
rsultat remarquable de cette tude est celui concernant la vitess e taille et la position des extrma locaux a t mis en oeuvre afi n
d'volution des points anguleux dans un tel schma d'volution . d'implmenter cette approche qui dveloppe des lignes de cho c
Un algorithme numrique de mise en oeuvre du schma d'vo- correspondant aux discontinuits dans u(x, t) .
lution respectant l'invariance affine (39) y est clairement dcrit . La gnralisation au cas 2D a t effectue de la manire suivante :
Il est utilis afin de faire voluer des points anguleux et valide r
exprimentalement les rsultats thoriques concernant la vitess e
+ Vu F(f (u)) = 0
d'volution et la caractrisation des angles dans un tel schma. 8t (16 )
Ces travaux sont relier ceux dvelopps prcdemment dan s u(x y 0) uo(x,y)
le cas d'une diffusion isotrope par Deriche et Giraudon dans [38] .
o F satisfait les mmes conditions que dans le cas ID et r(u)
Dans [113], une application industrielle du filtrage anisotrope pa r dsigne un oprateur elliptique non-linaire du second ordre ,
EDP est dcrite par Weickert qui propose l'utilisation d'un filtre permettant l'extraction des contours, par exemple :
de diffusion agissant de manire anisotrope dans les direction s
G(u) = Vu T HVu (17 )
des vecteurs propres d'un tenseur de structure locale de l'inten-
sit, pour amliorer la qualit visuelle d'images de surface de boi s o H est le Hessien de u( ., .) . Afin de pouvoir dvelopper dan s
dans un cadre de contrle de qualit assist par ordinateur . Dan s la solution des zones d'intensit linaire par morceaux, et no n
la rfrence plus rcente du mme auteur [114], d'autres ap- plus seulement des zones d'intensit constante par morceaux, c e
plications concernant l'imagerie mdicale sont dcrites . D'autre s schma a t ensuite gnralis dans [85] comme suit :
applications du filtrage anisotrope concernant le traitement d' im -
ages mdical peuvent tre consultes dans [58, 31] . On peut
au
aussi noter que des schmas numriques base d'oprations mor-
at = (61 0+ 1 Vu I 2 + (1 B) 1 Vu I) F ( C (u ) )
phologiques ont t dvelopps afin de mettre en oeuvre certain s
des schmas anisotropes mentionns ici . On peut se rfrer pou r u(x, y, 0 ) = u o ( x , y )
cela aux rcents travaux de Calt et Dibos dans [26] . Enfin, avan t (18)
de clre ce paragraphe, mentionnons la rfrence [95], qui dcri t o B est le paramtre qui permet de prendre en compte le typ e
les travaux rcents de Rougon et Prteux sur les rprsentatio n de modle (constant ou linaire par morceaux) que la solutio n
multi-chelles gnriques par diffusion anisotrope contrle, o doit dvelopper. F et L reprsentent respectivement la fonctio n
les auteurs laborent une lgante description structurale des es - et l'oprateur prcdemment dfinis .
paces d' echelle diffusifs fonde sur la thorie relativiste du cham p Dans la ligne de ces travaux, Alvarez [8] a aussi dfini une nou -
electromagntique . velle classe de filtres pour l'limination du bruit et l'amlioratio n

556 Traitement du Signal Volume 13 - n6 Spcial 1996


Les EDP en traitement des image s

des contours l'aide de filtres de chocs et de processus de dif- dveloppes dans [100, 85, 116, 17, 27, 28] . Les travaux d e
fusion anisotrope . Des EDP non linaires sont proposes pour l a l'quipe de Michel Barlaud au laboratoire d'I3S de l'universit
rsolution de tels problmes . Ainsi, constatant que le schma d e de Nice Sophia-Antipolis [17] tendent au cas continu les travaux
Rudin en 1-D n'est pas performant en prsence de bruit, caus e initis dans la thse de P. Charbonnier [27], effectue au sein d e
de chocs qui ne sont ds qu'au bruit et qui se produisent dan s la mme quipe au laboratoire d'I3S . Les travaux plus rcents d e
les positions du passage par zro de la drive seconde de u, Al- Gilles Aubert dans [14] constituent une rfrence complmen-
varez a repris le schma 1-D de Rudin et propos la modificatio n taire relative aux problmes d'existence et d'unicit de la solution
suivante : pour ce type de problme . L'intrt de cette approche rside prin -
cipalement dans sa proprit d'unifier dans un mme formalism e
au
+ F(G o u xx , G Q *7.4 ) I u~ I = 0 les approches de Perona-Malik, Alvarez, Rudin prsentes pra-
at (1.9 )
lablement et de rendre plus claire les conditions requises pou r
u(x, 0) u o (x) l'obtention de schmas stables, convergents et qui rsolvent le s
problmes de restauration sans dgrader les discontinuits .
o G Q ( .) est un oprateur de lissage dpendant du paramtre a On note par u, la fonction de R2 dans R dfinie sur le rectangl e
(par exemple une Gaussienne) et o F( ., .) est une fonction qui
SZ = (0, a) x (0, b) . Les valeurs de la fonction u reprsentent pa r
satisfait la condition pqF(p, q) > 0 . Par exemple la fonction : exemple les intensits en niveau de gris de l'image u .
F(p, q) = sign(p)sign(q) o sign(s) = 1 si s > 0, sign(s) _ Soit P, l'oprateur linaire permettant le passage de l'imag e
-1 si s < 0 et sign(s) = 0 si s = 0 originale u l'image bruite v par un modle linaire du type :
Cette quation dveloppe des chocs dans les passages par zro du
signal liss et prend ainsi mieux en compte le bruit. Un schm a v =Pu +v (21 )
numrique rcursif trs efficace en temps de calcul est propos o v est un bruit gnralement considr comme Gaussien d e
pour la mise en oeuvre de cette EDP et pour la partie filtrage pa r moyenne nulle et d'une certaine variance a 2 . Un exemple d'op-
une Gaussienne . rateur P est donn par l'oprateur de convolution :
Une gnralisation au cas 2-D est propose dans [8] qui inclu t
les ides de filtre de choc prsentes pour le cas 1-D et l'id e Pu(x, y) = p ( x - , y - y) u (, y)d52 ( x , y ) E S2 (22 )
de filtrage anisotrope prsente dans [7] . L'EDP parabolique - J
hyperbolique suivante est alors propose : Le problme de retrouver u partir de v est alors formul comm e
celui de retrouver u tel que l'nergie E(u) suivante soit minimu m
CG(u) u~F (G a * , Ga * ud par rapport u :
(20)
= u0 (x, y)
E(u) = 2 11 v Pu 11 2 +A f (NI Vu 1)d52 (23 )
o _ y) est la direction du gradient Vu ,F ( .) une fonctio n
qui vrifie les conditions numres plus haut dans le texte, C un e o le premier terme de E(u) est un terme d'attache aux donnes e t
constante strictement positive, et E(u) un oprateur de lissage le second terme li la contrainte de rgularisation . On s'intresse
directionnel, par exemple o 77 = rl(x, y) est la direction aux conditions que doit remplir la fonction .1)(s) de la variable s
orthogonale au gradient Vu . Cette EDP diffuse l'image initiale e t qui reprsente la norme du gradient, afin que la minimisatio n
limine le bruit dans la direction parallle aux contours, dvelopp e de cette fonctionnelle puisse se faire avec un processus stable e t
des chocs et amliore le contraste dans la direction orthogonal e convergent tout en prservant les discontinuits ventuellemen t
aux contours . La mise en oeuvre est ralise l'aide de schma s prsentes dans la solution u(x, y) .
rcursifs stables et trs performants au niveau de la complexit Les conditions ncessaires sur les minima de l'nergie E(u)
calculatoire . sont donnes par les quations d'Euler-Lagrange associes l a
A titre de complments, d'autres travaux sur 1' application des EDP fonctionnelle (23) . Ces quations s'crivent formellement sous l a
aux domaines de l'amlioration et de la restauration des image s forme suivante :
peuvent tre consults dans [2], [102], [100], [99], [67 ] P*(v - Pu) + a div (1n '(( Vu 1) 1 ou j )= 0' ( x , y) E sZ

2.6. une approche variationnelle 1''~ 1 1) Vu .n = 0, (x, y) E aSt

unificatrice (24 )
o div reprsente l'oprateur de divergence, P* reprsente
Nous prsentons ici une approche variationnelle qui unifie dans u n l'oprateur adjoint de P, 't' reprsente la drive de I (s) pa r
mme formalisme un certain nombre d'approches prsentes dan s rapport au paramtre s, OS2 reprsente la frontire du domain e
les paragraphes prcdents . Cette approche s'inspire de celles S2, et n reprsente le vecteur unitaire normal la frontire de S2 .

Traitement du Signal Volume 13 - n6 Spcial 1996 557


Les EDP en traitement des image s

Les conditions aux limites choisies correspondent au cas de la quelle que soit la condition initiale vers le minimum global . Par
rflection du signal image sur ses frontires . contre, si la surface nergtique prsente plusieurs minima locaux ,
Il est alors intressant de noter que cette expression peut tr e il faudrait alors que les conditions initiales soient suffisammen t
dveloppe et rcrite sous la forme suivante : proches du minimum global pour que la solution trouve corres-
ponde la solution optimale cherche . Le problme est ainsi ma l
I(lu 1) pos au sens o des conditions initiales diffrentes peuvent don-
P*( v Pu) + a(cli"(i Vu I)uff + um7) = 0 (25 )
a ner lieu des solutions trs diffrentes . Ceci n'est naturellemen t
pas souhaitable, et on est ainsi amen se poser la question sui -
o 'k'(s) et 1"(s) reprsentent les drives premires et second e vante : Quelles sont les conditions que doit respecter la surfac e
de 1)(s) par rapport la variable s, et o u reprsente la drive nergtique pour qu'une telle instabilit ne se produise pas? L a
seconde directionnelle de u( ., y) dans la direction du gradient rponse est fournie par la convexit du terme nergtique E(u) ,
Vu qui est garantie parla convexit de la fonction n1n ( I Vu 1) . Celle-ci
et u,m reprsente la drive seconde directionnelle d e
= Du est garantie par des conditions de positivit sur les deux coeffi-
u(x, y) dans la direction rl orthogonale au gradient Vu . cients de pondration :
La rcriture de l'quation (24) sous la forme (25) permet d'in-
terprter aisment la fonction de rgularisation comme tan t 1 ou1)>0 et li'(loul)>0 (28 )
un processus de diffusion anisotrope oprant dans deux direc-
tions orthogonales : les directions de la tangente et de la nor- On peut remarquer que la condition 1)" (1 Vu 1) > 0 correspon d
male l'isophote u(x, y) = C donnes par u,,m et par u res-
pectivement. L'anisotropie provient des pondrations diffrentes au cas o la fonction j Vu 1
(l Vu 1()
est strictement croissante .
1 Vu

(VO Vu 1) et 4)1(1 Vu I) ) accordes aux processus de diffusio n Cette condition correspond prcisment celle numre plu s
haut dans les paragraphes concernant les travaux de Perona e t
dans ces deux directions . Malik et la condition impose sur la fonction de pondratio n
Le cas particulier o la fonction 1)(1 Vu 1) est telle que les 2 I)
c(1 Vu 1) (ici gale ( ~ ) afin que le processus soi t
coefficients de pondration sont gaux, correspond une fonctio n
0(1 Vu 1) quadratique . Dans ce cas, la rgularisation est effectu e stable i .e 1 Vu c(1 Vu 1) strictement croissante . La conditio n
l' aide d'un processus de diffusion isotrope et la partie correspon - I)"(I Vu 1) > 0 n'est toutefois que ncessaire dans notre ca s
dant la rgularisation est rsolue l'aide de l'EDP parabolique qui est 2D et il ne faut pas oublier de lui adjoindre la second e
correspondant la rsolution de l'quation de la chaleur, en faisan t condition I'(1 Vu 1) > 0 afin d'obtenir la condition suffisante d e
tendre le paramtre t vers oc : stabilit .
A ce stade, on n'a examin que les conditions imposes sur l a
du
+ un ~ (26) fonction I)(1 Vu 1) afin que le processus soit stable . Commen t
dt, uE~
choisir toutefois la fonction 19(1 Vu 1) parmi la classe de s
Dans le cas o la fonction iti (1 Vu i) est telle que les 2 coefficient s fonctions qui vont vrifier les conditions imposes ? Dans un cadr e
de pondrations sont positifs ou nuls, le processus de rsolutio n applicatif li au problme de la restauration de signaux dgrad s
donn par l'EDP parabolique : par du bruit avec prservation des ventuelles discontinuits (i .e . :
les zones fort gradient), il serait alors ncessaire d'imposer un e
du Vu + (Vu1)u contrainte sur les coefficients de pondration afin que l'opration
= u(1 1)u (27 ) de lissage ne s'effectue que le long des isophotes et non pas dan s
t 1 Vu 1
la direction orthogonale celles-ci, ce qui aurait pour effet de
peut tre interprt comme une opration de lissage dans les deu x dgrader les discontinuits franches et de les rendre plus floues .
directions tangentielle et orthogonale mais avec des pondration s Ceci implique une condition de diffusion anisotrope le long de s
diffrentes selon ces deux directions . Par contre, si les coefficient s tangentes aux isophotes seulement et correspond ainsi au cas o
sont ngatifs, le processus possde alors un effet identique celu i
seul le coefficient tangentiel est non nul (i .e .
I(l Vu1)).
Cette
que produirait une quation de la chaleur inverse i .e de restaurer
mals de manire instable les signaux flous . Afin d'tudier les con- condition est, par exemple, celle remplie parla fonction 1) (I V u 1 )
ditions de convergence et de stabilit de cette EDP parabolique, i l telle que celle prconise par L . Rudin i .e . la fonction potentiell e
faut noter que l'quation d'volution peut tre interprte comm e (Ni Vu 1) =1 Vu 1 . Dans un tel cas, on n'aura effectivemen t
un processus de descente de gradient oprant sur la surface ner- qu'un lissage anisotrope le long de la tangente aux contours et non
gtique donne par E(u) . La forme de cette nergie et les con- dans la direction perpendiculaire, et le processus de restauratio n
ditions initiales du processus d'volution vont alors jouer un rl e va ainsi prserver les contours au cours des itrations . Toutefoi s
prpondrant dans la rsolution et l'obtention de la solution op- un tel schma prsente un inconvnient clair : il ne permet qu'un e
timale . En effet, si la surface ne possde qu'un seul minimum , opration de lissage directionnelle et ceci mme dans les rgion s
le processus de minimisation est alors stable et devrait converger homognes bruites i .e . sans fort gradient, alors qu'il est clair qu e

558 Traitement du Signal Volume 13 - n6 Spcial 1996


tes EDP en traitement des image s

Tableau 1 .

Auteur (D(s) (D'(s)/s (I) " (s )

Perona -Mali k [88] 2z ( e -(s/k)2 - 1) e -(sf k) 2 (1 - 2 (- )e-( s / k)2

k2 1 k 2 (k2 - s 2 )
Perona -Malik [88] log (1 + (s / k)z)
2 1 + (s / k) 2 (k z + s2) z

(s/ k) 2 2k 2 - 2 kz (-kz + 3 s2 )
Geman et
1 + (s /k)2 (k 2 + s2 ) 2 (k2 + s2) 3
Reynolds [57]

Alvarez [7] .. . g(s) (1 - h(s))g(s )

Tikhonov s 2 /2 1 1

tanh~s/k) z
Green [59] logcosh (s/k) k -z cosh (k))

Rudin [100] s 1 0
s
_2
Aubert [28] l 1 + (s /k) 2 - 1 ,1 k (k2z +
~ k
~k2+s 2
kz

dans de telles rgions, il serait plutt souhaitable de lisser dan s


toutes les directions, i .e . de manire isotrope afin de rduire l'effe t lim (D% Vu i) =O
loul co
du bruit .
(
lim D' (I Vu I)
=0
Ainsi, afin de prserver les discontinuits et oprer de manire Toul- oo Vu ( 31 )
isotrope dans les zones faible gradient, tout en garantissant la
stabilit et la convergence, il faudrait donc imposer les condition s ~~~(i Vu 1) = 0
hm

suivantes sur la fonction (D( Vu 1) quand I Vu i tend vers 0 : 41'(I Du 3


lvul=o
IDu I
Les conditions (29) et (31) sont ainsi des conditions suffisantes
lim u = lim .T."(i ou 1) _ nT. "( o) > 0 (29 ) pour restaurer les signaux dgrads tout en prservant les possible s
loul-,o Vu 1 loul- o
discontinuits .
Dans les zones fort gradient, la condition de lissage anisotrope l e Comme un certain nombre de fonctions ont dj t propose s
long des directions tangentielles aux isophotes, s'nonce comme : dans la littrature afin de prendre en compte le problme de s
discontinuits, le tableau 1 (ci-dessus) permet de passer en revu e
lim <k% Vu D =0 un certain nombre d'entres elles .
Ipul,00
(30) Il est facile de vrifier que les 3 premires fonctions du tablea u
V uD sont non convexes alors que les 3 dernires fonctions le sont . Le s
lim Cste > 0
Ioul oo i Vu i conditions de stabilit pour les 3 premires fonctions sont donne s
par :
Malheureusement, ces 2 conditions ne peuvent tre respecte s a
simultanment par aucune fonction l . (i Vu D . Les condition s s2 < pour la premire fonction de Perona-Malik, s 2 < k 2
suivantes peuvent par contre tre imposes afin de faire dcrotre l e 2

poids de la diffusion dans la direction du gradient plus rapidemen t pour la seconde fonction de Perona-Malik et s 2 < pour l a
que celui associ la diffusion le long des isophotes : fonction de Geman et Reynolds .

Traitement du Signal - Volume 13 - n6 - Spcial 1996 55 9


Les EDP en traitement des image s

(a) : Image originale (b) : Image bruit e

t.

(C) : h(x)
J x2 (d) : 0 (x) = +x , - 1
Figure 1 . Restauration d'image bruite : Notez la prservation des discontinuits obtenue en (d) grce l'utilisation de la fonction 0(x) =/\1 + x2 1
au lieu et place de la fonction de rgularisation dite Tikhonov 0(x) = x 2 .

La quatrime fonction vrifie bien les conditions de stabilit ca r performances et les comportements au niveau de la stabilit
Alvarez a choisi les fonctions g(s) et h(s) telles qu e seront aussi tudis et tous ces points feront l'objet d'un articl e
complmentaire .
11 si s >2e
h(s) = La figure (1) illustre les rsultats obtenus en mettant en oeuvr e
0 si s e cette mthode de restauration et en comparant les performances
s-4 0 obtenues par l'utilisation des fonctions de Tikhonov et celle dit e
g(s) {1
0 s -0 0 d'Aubert dans le tableau prsent .
L'image originale en (a) est bruite par un bruit blanc Gaussien
Nous avons prsent ici une approche variationnelle qui unifi e
de moyenne nulle afin d'obtenir l'image illustre en (b), qui
dans un mme formalisme un certain nombre d'approches pr-
sert d'image initiale u0 (.,) l'EDP de restauration . Cette ED P
sentes dans les paragraphes prcdents . Cette approche trait e
converge vers la solution (c) pour le cas de la fonction de Tikhono v
le problme du choix de la fonction rgularisante du point d e
et vers la solution illustre en (d) pour le cas de la fonction
vue de la stabilit des systmes de rsolution et du point de
dite d'Aubert. On peut remarquer combien les discontinuit s
vue de la restauration de signaux bruits sans dtrioration de s
discontinuits . Nous avons commenc mettre en oeuvre ce s sont effectivement mieux prserves dans l'image (d) que dan s
ides et une plate-forme logicielle intgrant une bonne partie de s l'image (e) .
approches prsentes ici est en cours de ralisation actuellemen t La figure (2) illustre les rsultats obtenus dans le cas d'un e
au sein du projet Robotvis [32] . Elle devrait nous permettr e image relle, correspondant au centre de documentation del'Inria -
de comparer ces mthodes sur une base exprimentale . Les Sophia, auquel on a rajout du bruit Gaussien de moyenne nulle.

560 Traitement du Signal Volume 1 3 - n6 Spcial 1996


Les EDP en traitement des image s

Figure 2 . Restauration d'image bruite : Le centre de documentation de 1'imia-Sophia .

Traitement du Signal Volume 1 3 - n6 Spcial 1996


Les EDP en traitement des image s

L'image (2-c) illustre le rsultat de la restauration obtenue l' aid e Axiome de rgularit :
de la fonction de rgularisation eb(x) = v/1 + x2 1 alors qu e Si u est une forme quadratique au voisinage d'un point m 0
l'image (2-d) illustre le poids de diffusion ) (i .e l'image de coordonnes (xo, yo), i.e . u(x, y) = a + pt (m m0 ) +
Vu (m m0 ) t A (m m0 ), si I m m 0 11< e, alors quand h ten d
qui servira de contrle pour la diffusion anisotrope) . On peu t vers 0, la valeur de Tt , t +h(u(xo, yo)) ne doit dpendre que de s
observer la qualit de l'image restaure en (2-c), ainsi que l a valeurs de a,p et A . Cet axiome s'exprime formellement par :
bonne localisation des discontinuits ne pas dtruire lors d u
processus de diffusion en (2-d) . Afin de mieux percevoir les effet s
du lissage anisotrope permettant de prserver les discontinuits ,
Soit u(x, y) = a+ p t (m m0 )
+ 2 (m m0 ) t A(m m0 ) une
forme quadratique de R 2 , il existe une fonction F(A, p, a, x, y, t )
un zoom d'une partie de l'image est donne en (2-e) et (2-f) . continue par rapport A, non dcroissante et telle qu e
(Tt,t+h(u) u )( xo,yo) F(A, p , a , xo, yo, t ) quand h O.
h
3. analyse multi-echell e Invariance morphologique :
L'analyse doit commuter avec toute redistribution croissante g( . )
et EDP des niveaux de gris . Ceci traduit le fait que seule la notio n
d'isophote est importante lors de cette analyse, d'o sa rfrence
Une analyse multi-chelle d'une image uo(x, y) consiste en l a la morphologie mathmatique . Soit une fonction croissante g :
gnration d'une squence d'images u(x, y, t), o chaque image R ~ R, alors du, on doit avoir :
de la squence apparat comme une version lisse, l'chell e Tt,t+ h (g u ) = g o Tt,t+h ( u )
rfrence par le paramtre t de l'image initiale uo(x, y) . Une
Cette invariance morphologique est dite forte si cet axiome es t
axiomatisation d'une telle analyse multi-chelle a t propos e
respect pour toute fonction g( .), croissante ou dcroissante .
rcemment par l'quipe du Ceremade autour de Luis Alvarez ,
P.L . Lions, J.M . Morel et de leurs collaborateurs [3], [76], [5], [4 ] Invariance euclidienne ou affine :
[111], [51] en parallle des travaux mens par d'autres quipes
sur le mme sujet (voir le paragraphe (4)) . L' analyse doit tre invariante pour toute transformation FA,b : R 2
-4 R2 , dfinie par FA,b (m) = Am + b, o m E R 2 , A est une
Dans cette axiomatisation, l'analyse multi-chelle est dfini e matrice A E R2 x R 2 non singulire et b E R2 :
comme l'application d'un ensemble d'oprateurs Tt ( .) qui, ap-
pliqus une image initiale uo(x, y) conduisent un continuu m Tt,t+h(u) FA,b = Tt,t+h(u o FA,b )
d'images u(x, y, t) = Tt (uo( ., .)) . Le problme du choix d e Dans le cas simple o A est une matrice orthonormale, l' invarianc e
l'oprateur Tt () a t trait par la formulation d'un certain nom- est euclidienne, alors que dans le cas d'une matrice A plu s
bre d'axiomes que doit respecter cette analyse jusqu' obteni r gnrale, l'invariance est affine . Il est noter toutefois que pou r
l'unicit de cet oprateur. ce dernier type d'invariance, un changement d'chelle devra aussi
Parmi l'ensemble des axiomes considrs, on y trouve principale - tre effectu
ment les suivants : Tt,,t,+h, (u) FA,b = Tt,t+h( u o FA,b )

Axiome de la structure pyramidale : Linarit :


L'image une chelle t + h avec t, h > 0 peut tre obtenu e L'oprateur est linaire par rapport ses arguments
partir de la version l'chelle prcdente t, sans passer pa r
l'image initiale . Cet axiome, connu aussi sous le nom d'axiome Tt,t+ h (au + bv) = aTt,t+h(u) + bTt,t+h( v )
de causalit, s'nonce alors formellement par : Cette axiomatisation de l'analyse multi-chelle ainsi que sa for-
tant donn t, h > 0, il existe un oprateur de transition not malisation l'aide d'EDP, comme on va le voir par la suite, a
permis d'unifier un grand nombre de thories prcdemment pro -
Tt,t+h tel que pour toute image u, on ait la relation suivante :
poses dans la littrature lie aux domaines du traitement des
Tt+h(u) = Tt,t+h Tt (u) avec To = Id et Tt,t (u) = u images et de la vision par ordinateur . Parmi les rsultats les plus
Axiome de comparaison locale : remarquables, on peut noter les thormes suivants dont on peut
trouver les dmonstrations dans [5], [11], [10] :
L'analyse ne doit pas introduire dans les images lisses des dtail s
qui n'y taient pas aux chelles prcdentes . Ceci se traduit par
Thorme 1 : Si une analyse multi-chelle Tt (u) satisfait les
la prservation locale de la valeur relative des niveaux de gris, et axiomes de structure pyramidale, de comparaison locale et d e
l'nonc de l'axiome suivant : rgularit, alors la solution u(x, y, t) = Tt (u) (x, y) est un e
Si u(x, y) > v(x, y) pour un point (x, y) dans un voisinage d'un solution de viscosit de l'EDP suivante :
autre point (xo, yo) alors on doit avoir Vt > 0 et h assez petit
Ou
Tt,t+h( u (x o, y o)) ?_ Tt ,t+h( v ( xo , y0))
= F(H(u), ou, u, x, y, t ) (32)
u(x, y, 0) = u o( x , y )

562 Traitement du Signal Volume 1 3 - n6 Spcial 1996



Les EDP en traitement des image s

o H(u) et Vu dsignent respectivement le Hessien et le gradien t comme lment structurant . Ces oprations lmentaires corres -
de u et o F(H(u), Vu, u, x, y, t) est la fonction dfinie dans pondent en effet aux EDP = Vu 1.
le principe de rgularit. D'autre part, si u(x, y, t) est une t
solution de viscosit de l'quation (32) alors l'analyse multi- Un autre cas particulier intressant pour la fonction G est celu i
chelle T t (u)(x, y) dfinie par Tt (u)(x, y) = u(x, y, t) satisfai t o G(s, t) = s .t :
les 3 axiomes de structure pyramidale,de comparaison locale e t
de rgularit . 1 Vu div ( I v u1 )
1
7t =t (35 )
Ce thorme est fondamental dans l'axiomatisation de l'analys e
multi-chelle et permet de montrer le lien profond qui existe entr e u ( x , y , 0) = u o(x, y )
l'analyse multi-chelle et les EDP. Selon les axiomes considrs , Cette quation correspond une diffusion anisotrope dans l a
d'autres thormes peuvent tre tablis permettant de relier u n direction des lignes de niveaux de l'image et est identique cell e
certain nombre de travaux dvelopps de manire indpendante propose par Osher et Sethian [86] dans leur reformulation d'un
par diffrents auteurs : problme d'volution de courbes tudi en dtails par Gage et
Hamilton [52, 53, 54] . Elle est aussi trs proche de l'quation
Thorme 2 : Si une analyse multi-chelle satisfait aux axiome s (8) propose par Perona et Malik, et de l'quation de restauration
de linarit, d'invariance euclidienne, de structure pyramidale e t
propose par Rudin, Osher et Fatemi dans [100] . Du fait de l a
de comparaison locale, alors la solution u(x, y, t) = Tt (u) (x, y )
relation suivante :
est une solution de 1'EDP suivante :
au ,uxxu2 2u x u y
= Du(x, y, t) Vu y + uyy u2
x
t (33 ) 1 Vu 1 div l vu l 2 (36 )
uax + y
u(x, y, 0) = ua (x, y)
l'quation (35) peut se mettre sous la forme simplifie :
Cette quation, plus connue sous le nom d'quation de la chaleur ,
correspond au cas ou la fonction F dfinie dans l'axiome d e
rgularit est gale la trace du Hessien H(u) . La solution de cette Oit t(uxxu 2 - 2uxuyuxy + uyyu x )
EDP s'obtient par la convolution de l'image initiale uo (x, y) avec Oit ux (37 )
+ u
l'oprateur Gaussien, et correspond au modle tudi par Ma n u(x, y, 0) = uo(x, y )
et Hildreth [80] et utilis ensuite par Witkin [115], [64], dan s
son introduction l'analyse multi-chelle . Ce modle a t auss i C'est gnralement sous cette forme que l'analyse multi-chell e
tudi par Koenderink [74] qui remarqua le lien entre l'quatio n de l'image est effectivement mise en oeuvre pour certaines ap-
de la chaleur et l'opration de convolution avec une Gaussienne . plications (contours dformables,volution de courbes .) . A ce
Si on considre d'autres axiomes, d'autres thormes peuvent tre titre d'exemple, la figure 3 extraite de [32] illustre les rsultat s
tablis parmi lesquels le suivant qui permet de faire un lien tr s obtenus pour diffrentes itrations de l'quation (35) dans le ca s
intressant parmi un ensemble de travaux : d'une image originale correspondant une ellipse . On peut noter
en particulier l'effet bien connu que toutes les courbes de niveau x
Thorme 3 : Si une analyse multi-chelle satisfait aux axiome s de l'image originale finissent par tre un cercle .
de structure pyramidale, de comparaison locale, de rgularit Si on remplace l'axiome d'invariance euclidienne dans le
et d'invariances euclidienne et morphologique alors la solutio n thorme prcdent par l'axiome d'invariance affine, on obtien t
u(x, y, t) = Tt (u)(x, y) est une solution de viscosit de l'ED P alors le thorme fondamental suivant [5] :
suivante : Thorme 4 : Il n'y a qu'une seule analyse multi-chell e
au Vu u(x, y, t) = Tt (u)(x, y) qui satisfait aux axiomes de structure
t =l Vu 1 G(div( ),t )
pyramidale, de comparaison locale, de rgularit et d'invariance s
~ ~u ~ (34 )
affine et morphologique . Cette analyse est effectue par l'ED F
u(x, y, 0) = uo(x, y )
suivante :
Vu uuxx - 2uxuyuxy + yy dsigne la cour- Ou _
o div( =
ux u

vu 1) (u~ + u2)3/
y z
1 Vu (t .div(1
vu )) i/3 (38)
bure en chaque point (x, y, t) de la ligne de niveau dfinie pa r
u(x, y, 0) uo(x, y )
u(x, y, t) = C et o la fonction G(s, t) est une fonction non
dcroissante par rapport la variable relle s . Cette quation est utilise pour faire voluer de manire invariante
affine les courbes de niveaux dans les images . Une comparaison de
Le cas particulier o la fonction G est constante et gale + 1 cette quation avec celle qui inclut l'invariance euclidienne (37) ,
ou -1 correspond aux oprations lmentaires de morphologi e permet de constater que le terme de courbure correspond main-
mathmatique que sont la dilatation et l'rosion avec une boule tenant la composante de la courbure affine et non euclidienne l e

Traitement du Signal Volume 13 - n6 Spcial 1996 563



Les EDP en traitement des image s

( a) (b )

(e) (d)
Figure 3 . volution du schma invariance euclidienne (EMSS) pour une ellipse : Le nombre d'itration augmente de (a) (d).

long de la normale euclidienne. Ceci se traduit par l'limination


du dnominateur prsent dans (37), car (38) peut se rcrire sou s les ~~
~ .visio n
ran :. .

la forme suivante :
par ordinateu r
au /
= tl/3 1 uxx u y 22A , 2L y~x y + uyy u x)'/ 3 On donne dans ce paragraphe quelques exemples concernan t
I r7t (39 ) l'utilisation des EDP des fins d'applications dans le cadre de
u ( x ,?!, 0 ) -
- uo( x ,?l ) problmes traits principalement en vision par ordinateur . Ces
exemples concernent l'application de la thorie de l'volution
Du fait de la disparition du terme au dnominateur, cette form e des courbes planes, les contours dformables, l'estimation du flo t
est plus mme de rendre le processus d'volution des courbes d e optique partir de squences d'images, l'estimation d'une cart e
niveaux stable . Ceci a t effectivement prouv par les rsultat s de profondeur dense par stroscopie, ainsi que le shape fro m
exprimentaux mens par [81] . Des exemples de cette axiomati - shading .
sation pour le cas 3D peuvent se trouver dans la rfrence [11] .
A titre d'exemple, la figure 4, extraite de [32] illustre les rsultat s
obtenus diffrentes itrations de l'quation (38) dans le cas d'une 4.1 . volution de courbes planes
image originale correspondant une ellipse . On peut noter en
particulier que l'ellipse disparat mais que sa forme reste bien La thorie de l'volution des courbes planes a t considre dan s
elliptique du fait de la proprit d'invariance affine . un grand nombre de domaines tels que la gomtrie diffrentielle ,

564 Traitement du Signal Volume 13 - n6 Spcial 1996


Les EDP en traitement des image s

(a) (b)

(C) (d)
Figure 4 . volution du schma invariance affine (AMSS) pour une ellipse : Le nombre d'itration augmente de (a) (d) .

l'analyse numrique, la vision par ordinateur et plus rcemmen t o o est l'abscisse curviligne euclidienne, affine ou projective . On
dans le domaine du traitement des images . suppose de plus qu'on part d'une courbe donne Co(p) et qu'o n
a donc la condition initiale suivante :
En parallle avec l'application des EDP aux images, et jusqu'
trs rcemment indpendamment, s'est dveloppe une thori e C ( p , 0) = C o(p )
de la dformation des courbes simples planes sous l'effet d'un e Dans le cas euclidien, on voit que l'volution revient se dplace r
quation de la chaleur intrinsque . Nous donnons rapidement le s le long de la normale avec une vitesse gale la courbure .
rsultats principaux de ces tudes et indiquons le lien avec le s Cette quation a t tudie en dtails par Gage et Hamilto n
sections prcdentes . [52, 53, 54] qui ont montr qu'une courbe quelconque voluan t
Soit C(p, t) : S r x R + * -~ Rz une famille de courbes fermes selon l'quation (40) devenait convexe au bout d'un temps fin i
suffisamment diffrentiables plonges dans le plan euclidien , et disparaissait ensuite en un temps fini sous la forme d'un poin t
affine ou projectif (auquel cas il faut remplacer R2 par le plan circulaire .
projectif P 2 ) . p est un paramtre le long de la courbe l'instant t , Il est facile de montrer que si l'on considre la courbe initial e
ou l'chelle t . On suppose que cette famille de courbes satisfai t comme une isophote d'une image i(x, y), alors son volution
l'EDP suivante : selon (40) est la mme que celle produite par (35) . D'autre s
rfrences que celles qui sont mentionnes peuvent aussi tr e
consultes comme celles concernant les travaux de Kimia et d e
Ct = CaQ (40) ses collgues [70, 69, 68] .

Traitement du Signal - Volume 13 - n6 - Spcial 1996 565



Les EDP en traitement des image s

L'quation (40) a aussi t tudie dans le cas affine par Sapiro Le calcul de la courbure affine s'effectue l'aide de l'quatio n
et Tannenbaum [107, 106, 110, 109, 103] . L'abscisse curviligne (41) plutt que de l'quation (42) . Nous montrons sur la figure 6
qui intervient dans (40) est alors l'abscisse curviligne affine et ces que le gain est significatif : cette figure montre sur la gauche un e
auteurs ont montr un rsultat similaire celui de Gage et Hamil- vue d'une ellipse dont la courbure affine est constante, et sur l a
ton savoir qu'une courbe quelconque soumise cette quation droite trois courbes reprsentant la courbure affine en fonctio n
d'volution devient convexe en un temps fini puis disparat e n
un temps fini sous la forme d'un point elliptique . Cette quatio n
d'volution affine ainsi que son adaptation au cas ou la courb e
initiale est polygonale ou reprsente base de B-Spline, a t
aussi tudie par Sapiro et Bruckstein qui prsentent les 3 ca s
dans la rfrence [101] .
D'une manire analogue au cas euclidien, on peut montrer qu e
les isophotes d'une image u(x, y) voluant selon l'quation (39)
voluent individuellement selon l'quation (40) .
Les quations d'volution euclidienne et affine de courbes planes
ont t appliques avec succs par Sapiro et Tannenbaum [104]
au problme du lissage de courbes bruites avec prservatio n
du primtre ou de la surface de la courbe initiale, Ceci perme t
en particulier d'apporter une solution trs lgante au problm e
dit du Shrinking tout en prservant les proprits d'invarianc e Figure 5. Diffrentes tapes de l 'volution affine d'une courbe plane.
euclidienne et affine suivant l'quation mise en oeuvre .
L'espace d'chelle affine engendr par l'quation (40) a t utilis
par Faugeras et Keriven [44] pour calculer la courbure affine d e
courbes images dans un contexte de reconnaissance de forme s
planes . De manire un peu plus prcise, on peut montrer [108 ,
105] que la courbure euclidienne n d'une courbe voluant selo n
l'quation (40) dans le cas affine satisfait l'quation :

o est la courbure affine .


Cette quation est intressante dans la mesure o elle permet d e
calculer la courbure affine en fonction de la courbure euclidienn e
et de sa drive premire par rapport au temps, donc en fonctio n
Ellipse real imag e
de drives d'ordre trois par rapport la courbe initiale alors qu e
0 .04295

la formule qui relie la courbure euclidienne et la courbure affin e 0.04

fait intervenir des drives d'ordre deux de la premire donc de s


drives d'ordre quatre par rapport la courbe initiale :
0.03

1 a2 n 2 / 3
lA = n 4/3 + (42)
2 v2
Ceci permet en pratique de gagner un ordre de drivation, ce qui es t
trs prcieux, condition de pouvoir calculer avec une prcisio n
suffisante l'volution affine de la courbe . Cette prcision a t
obtenue l'aide de la technique propose par Osher et Sethia n
[87] base sur la thorie de Hamilton-Jacobi [55] . Les courbe s
C(p, t) sont reprsentes comme les passages par zro d'un e
famille de surfaces : R 2 x [0, 'r) --~ R qui volue selon un e 0.008235

loi qui dpend de l'espace d'chelle dans lequel on travaille . Un 0 100 zo0

curve parameter
300 394.9

exemple d'volution affine d'une courbe plane obtenu par cett e Figure 6 . Une image d'une ellipse (haut), sa courbure affine thorique,
mthode apparat en figure 5 . calcule par (42) et par (41) (bas) .

566 Traitement du Signal Volume 13 - n6 Spcial 1996


Les EDP en traitement des image s

de l'abscisse curviligne affine le long de la courbe . L'une des


y=x''3 rho=exp(theta)
courbes est la courbure thorique, constante, l'autre est la courbur e ,
7,0 3
2

obtenue en effectuant le calcul partir de l'quation (42) c'est-


-dire en drivant deux fois la courbure euclidienne et est asse z
erratique, la troisime enfin est la courbure affine obtenue parti r 21

de l'quation (41) c'est--dire en drivant la courbure euclidienn e


une fois par rapport au temps . 100

Plus rcemment encore Faugeras et Keriven [41, 45] ont montr


que l'quation (40) avait un sens dans le cas o o est l'absciss e
1, -
curviligne projective et a donn dans ce cas les quations d'vo-
lution de cette abscisse curviligne ainsi que celle de la courbur e
projective . La gnralisation au cas projectif impose de considre r 300

le repre de Frenet associ une courbe rgulire du plan projecti f


[20, 21, 43] . Sans entrer dans les dtails, disons que le repre d e
Frenet projectif fait intervenir un reprsentant particulier du poin t 400 -

de la courbe projective que nous noterons A . Il est noter que c e 0.125


I. ~.~.. .IU: 100 0 100 200 300 400 50 0

vecteur est de dimension 3 pour une courbe plane . On est alor s


y=exp(x)
conduit gnraliser l'quation (40) et l'crire sous la forme :

At = A a Q
o a est l'abscisse curviligne le long de la courbe . Plus gnrale-
ment, on peut tudier des quations de la forme :

B t = aA + A Q + yA Q ~

o les fonctions a, 3, y sont des fonctions des invariants projectifs


de la courbe, par exemple l'abscisse curviligne et la courbure. I l
serait intressant et utile de comparer ce travail celui de Dibo s
[40] qui a tendu l'analyse multi-chelle affine invariante dcrit e
dans [12] au cas projectif .
On retrouve alors un certain nombre de proprits agrables de s
cas euclidiens et affines comme par exemple le fait que si l'o n
part d'une courbe courbure constante (un cercle ou une droite
dans le cas euclidien, une conique dans le cas affine), celle-ci l e Figure 7. volution des trois types de courbes courbure projectiv e
constante selon l'quation (43) .
demeure au cours de l'volution . Dans le cas projectif, les courbe s
courbure constante sont de trois types ( une homographie prs) :
1. La parabole gnralise : y = x m , m {2, 2, -1 } l'volution des modles dformables introduit par Kass et Witki n
[65, 66, 112, 29, 30, 50] . Nous prsentons ci-dessous certaine s
2. La spirale logarithmique : p = em& , m 0 des ides, parmi les plus importantes, dveloppes par Caselles,
3. L'exponentielle : y = ex Kimmel et Sapiro dans les travaux dcrits dans [22, 23, 24] .
Nous montrons sur la figure 7 l'volution de ces trois courbe s Soit une courbe plane C(p, t), appele voluer dans le temp s
selon l'quation au sein d ' une image I(x, y) afin d'pouser la convergence les
A t = 4t A + 3A aa (43) frontires des diffrents objets pouvant s'y trouver . On modlis e
la courbe comme un front d'onde qui se propage perpendiculaire -
o est la courbure projective .
ment lui-mme, avec une vitesse proportionnelle sa courbur e
et aussi une information radiomtrique, reprsente par u n
4.2 . EDP et contours dformable s terme g(I), li la norme du gradient dans l'image I(x, y), o s e
trouvent les courbes extraire .
Dans le cadre de l'application des EDP aux contours dformables , raC g(I)(v+ K, )N
Caselles et al [22, 23, 24] et Malladi et al [78, 79, 77], ont utilis at (44)
rcemment les ides d'volution de courbes planes des fin s c (p , O) = Co(p )
de solution trs lgante aux problmes de 1'initialisation et de

Traitement du Signal Volume 1 3 - n6 Spcial 1996 567



Les EDP en traitement des image s

'
o N reprsente le vecteur normal intrieur la courbe C(p, t), v

rut
au travers de l'EDP :
est une constante relle positive agissant comme un paramtr e
de vitesse, g(I) = 1 11, , i reprsente l'image I d'o
1+ j V I
les contours doivent tre extrait, rgularise par un oprateu r (x, y,
g (I)1 ou 1 (div(
ou
)) + og(I) .o u

0) u o(x , y )
Gaussien par exemple et p = 1 ou 2 . (47 )
On fait alors correspondre cette courbe C(p, t) une repr- Cette quation se diffrencie de l'EDP (46) par la formulation
sentation implicite donne par une courbe de niveau dans un e variationnelle auquelle elle se rattache, et qui justifie le qualificati f
image u(x, y) quelconque, par exemple une courbe de niveau de godesique attribu au contour actif dtect . En effet, on peut
u(x, y) = 0 au sein d'une image de distance . Du fait que l e montrer que cette EDP correspond la solution d'un problm e
de minimisation de fonctionnelle faisant intervenir non seulemen t
vecteur normal intrieur N la courbe C(p, t) est parallle au
un terme de longueur de la courbe, comme pour l'EDP (44), mai s
vecteur gradient Vu, il est facile alors de montrer que lorsque l a
aussi le terme g(I) provenant directement de l'image . Ceci s e
courbe C (p, t) volue suivant la loi C t = /3N, la courbe de niveau
traduit par le remplacement du termevg(I) Vu dans (46) par l e
correspondant u(x, y) = 0 volue avec la loi u t = 1 Vu 1
terme Vg(I) .Du dans (47) . Ce nouveau terme, qui pousse encore
[87] . Ceci permet alors d'crire l'EDP (44) comme suit :
davantage les contours vers les frontires de l'objet dtecter, n e
au comprend plus le paramtre v choisir par l'oprateur lors d e
= g (I)( v + Vu

0) l'initialisation . Une proprit en plus de cette EDP par rapport


1 1
at (45)
celle donne par (46) est qu'il est possible de converger vers les
u ( x , y, = u o( x ,'y )
contours de l'objet mme lorqu'il existe une grande variation d e
la norme du gradient le long des frontires de l'objet dtecter .
En notant que le terme de courbure tc de la courbe plane C(p, t )
Un modle plus gnral d'volution de contour actif godsiqu e
Vu
correspond au terme de divergence (div( )), cette EDP peut prenant en compte le paramtre v peut aussi tre considr :
tre alors crite sous la forme simplifie suivante : au Vu
g (I ) 1 ou 1 (div(1 )
at = 1)

+ Vg(I) .ou + vg (I ) (48 )


1 Vu 1
r
1 ~7u (div(0
i )) + vg ( I)
ut = g(I) u 1 ou 1
u(x, y, 0) uo(x, y)
(x, y, 0) = uo(x, y)
Des rsultats d'existence, d'unicit et de stabilit pour ce modl e
(46 )
d'volution sont dmontrs dans [23] .
Un point remarquable est que la mise en ceuvre de l'EDP (44 )
Les rsultats obtenus en mettant en oeuvre l'EDP (48) sont
au travers de l'quation (46), base sur la notion de courbe d e illustrs par les figures (8) et (9) . Dans les images (8-a) et (9 -
niveau, permet de grer de manire automatique les changement s
a), on observe les images originales contenant plusieurs objet s
de topologie du contour [87] . En particulier, s'il existe plusieur s entours du contour dformable initial donn par l'oprateur.
objets dans l'image, l'unique contour initial ferm et engloban t Les images (8-b) (8-f), ainsi que les images (9-b) (9-d)
les diffrents objets se scinde lors de son volution, en autant d e illustrent l'volution jusqu' la convergence du contour initial .
contours englobant les objets prsents dans l'image . La mthode On remarquera la robustesse de l'approche vis--vis du problm e
est aussi insensible l'initialisation qui peut tre trs lointaine e t de l'initialisation, assez lointaine des objets dans cet exemple,
trs grossire . Le contour peut aussi se dformer pour s'ajuster
ainsi que la remarquable gestion du changement de topologie du
sur les formes les plus compliques, en particulier sur les forme s contour initial qui se spare en autant de contours que d'objet s
pourvues de longues excroissances, exemples que les snake s
prsents dans l'image . D'un point de vue exprimental, il faudr a
classiques ont du mal traiter cause de leur lasticit . noter que si la convergence vers la solution correcte est d'autan t
Le choix du paramtre v dans cette mthode est toutefois un poin t plus rapide que le paramtre de vitesse v est grand, il n'es t
dlicat . Le paramtre vN est semblable dans son concept l a toutefois pas conseill de prendre une grande vitesse v, si o n
force extrieure introduite par Cohen dans [29, 30] pour gonfle r veut avoir une bonne localisation des contours dtects .
comme un ballon les courbes initiales . Des solutions possibles au
problme du choix de v ainsi que la dmonstration de l'existenc e
et de l'unicit d'une solution de viscosit l'EDP donne par (46) 4 .3 . EDP et strovisio n
peuvent tre trouves dans la rfrence [22] .
Une autre solution lgante au problme du choix du paramtr e Les ides prsentes dans la dernire partie du paragraphe con -
v est propos par Caselles, Kimmel et Sapiro dans les rfrence s sacr l'amlioration et restauration des images avec prservatio n
[23, 24], o ils introduisent le concept de contour actif godsique des discontinuits, sont en train d'tre appliques actuellement a u

568 Traitement du Signal Volume 13 - n6 Spcial 1996


Les EDP en traitement des image s

Figure 8. volution et convergence du contour dformable initialis en (a) :


Notez la gestion remarquable du problme de l'initialisation ainsi que celui du changement de topologie.

Traitement du Signal Volume 1 3 - n6 Spcial 1996 569


Les EDP en traitement des image s

(a) (b)

(c) (d)
Figure 9. volution et convergence du contour dformable sur une image relle .

sein de notre projet au problme de l'estimation de la profondeur


partir de plusieurs images et celui de l'estimation du flot optiqu e
Z (profondeur du point 3D M qui se projette en m et m2) de l a
fonctionnelle suivante :
i
partir d'une squence d'images .
En stroscopie, l'appariement de primitives images entre de s M12(Z)
=ff 1 III 1(m l) 2( .fi( m i, Z(mi)))112 dm ?
images prises de diffrents points de vue est un problme essentie l
si on veut remonter une information de profondeur de la scn e
observe . En effet, si le point 2D m i (resp . ) correspond l a
f f (I omz
+A Z I)dmi

projection du point 3D M sur la rtine de la camra i (resp . j), i l On peut montrer alors que l'quation d'Euler Lagrange associ e

i
est facile de montrer qu'on peut exprimer mj , te correspondant de
m dans la seconde rtine, comme une fonction de (m i , Zz )
([91, 92]) . Ainsi, la recherche du correspondant d'un point de
cette fonctionnelle peut s'crire comme :

E (F i (m) F (Z(m)))
k
_
r92
l'image i est quivalente la recherche de la profondeur Z ; de c e k

2 i i 2
point . Dans [91, 92], nous dcrivons le problme de l'appariemen t omz
d'un point m dans l'image I son correspondant m dan s + " ( omz = 0
l'image I d'une paire stroscopique comme la minimisation en 2a (,(I l Z I
Vm

570 Traitement du Signal Volume 13 - n6 Spcial 1996


Les EDP en traitement des images-

o 4' et 43" reprsentent respectivement la 1re et seconde du flot optique :


drives de ,1n (s) par rapport au paramtre s . Z,m reprsente l a
drive seconde directionnelle de la profondeur Z(m) dans l a 0 1 (11 v u 11)
Vu) = 2(Ix u + Iy v + It )Ix
Vu
direction du gradient y vZ
=
1 , et est la drive seconde 11
(x, y cS )
directionnelle de Z(m) dans la direction de , vecteur orthogona l 0'(IIVvII)o v) = 2(Ix 2t+Iy v+It )Iy
Il ov l l
au gradient. Le vecteur Pl reprsente le vecteur des attribut s
de l'image i utiliss pour la mise en correspondance (intensit ou11) au o 0'(IIvv IU av o (x, y)e OS-2
lumineuse, gradient, composantes couleurs . . .) . u 11 On Il Vv ll an
(50)
Les approches classiques comme celles dveloppes dans [94] e t Si la fonction est quadratique, le terme en divergence se trans -
[93] considrent une fonction ID() rgularisante quadratique et ne forme en Laplacien et on retrouve ainsi le schma classique de
permettent donc pas de prserver les discontinuits prsentes a u
Horn et Schunk . Par contre, pour toute fonction c non quadra -
niveau de la profondeur. L'ide dveloppe dans [91, 92] consiste tique, on aura rsoudre un systme d'EDP non linaires . Diver s
remplacer le terme quadratique de la partie rgularisatio n
schmas numriques ont t mis en oeuvre et tests sur de s
par une fonction qui remplit les conditions de prservation de s
squences d'images relles . Les dtails sur les rsultats obtenus
discontinuits numres dans la section prcdente . Des schma s
peuvent tre consults dans [75] . On donne ici un extrait de ce s
de mise en oeuvre des EDP drives sont aussi proposs et
rsultats . La figure 11 illustre en (a) et (b) deux images extraite s
les rsultats qui illustrent les rfrences [91, 92] sont asse z
de squences d'images relles utilises pour tester cette mth-
prometteurs .
ode . Les flots optiques correspondants sont illustrs par la rang e
Des exemples de rsultats obtenus par cette approche sur un gauche en (c) et (e) pour le cas o la fonction de rgularisation
triplet d'images synthtiques sont illustrs dans la figure 10 o utilise est quadratique (Horn et Schunck) et par la range droite
on distingue sur la premire range le triplet d'images originale s en (d) et (f) pour le cas o la fonction de rgularisation utilis e
de la pyramide . Les rsultats de profondeur (1re colonne) et de est celle qui permet de prserver les discontinuits ( fonction dite
reconstruction tridimensionnelle (seconde et troisime colonne) d'Aubert dans cet article) .
obtenus l'aide d'une fonction de rgularisation quadratiqu e D'autres travaux sur l'application des EDP dans le domaine d e
constituent la seconde range de rsultats alors que la troisim e l'estimation du flot optique et de la strovision ont t aussi men
range illustre les rsultats obtenus l'aide de la fonction dit e par Proesmans et al [90] . Ces travaux concernent la prsentatio n
d'Aubert qui permet de prserver les discontinuits . On remarqu e d'un certain nombre de systmes d'quations de diffusion non -
que l'apport de cette approche base d'EDP est certain dan s linaires coupls . Ces systmes sont en effet appliqus dans de s
l'amlioration de la qualit des rsultats obtenus . tches d'amlioration d'images, de lissages directionnels, d'esti-
mation robuste du flot optique partir d'une squence d'images ,
et du problme de la strovision . La mthode prsente pour
l'estimation du flot optique est une approche variationnelle per -
4 .4 . EDP et flot optiqu e mettant une reconstruction robuste du flot optique tout en prser -
vant les discontinuits . Ceci est effectu en oprant une diffusio n
anisotrope la Perona au cours du processus d'estimation, ce qu i
Le principe de l'approche par minimisation et rgularisatio n
permet de prendre en compte les discontinuits durant le proces -
d'nergie dcrit pour la stro a t aussi appliqu au sein d e
sus d'estimation . Cette ide est ensuite applique au cas de l a
notre projet au problme de l'estimation du flot optique ave c
strovision, pour l'estimation de la disparit entre 2 vues pra-
prservation des discontinuits . Cette approche a t dvelopp e
lablement rectifies . Les rsultats montrs semblent prometteurs
et mise oeuvre dans [75, 39] et les premiers rsultats obtenus son t
et illustrent de manire convaincante l'apport des approches pa r
trs prometteurs .
EDP de tels problmes .
Soit I (x, y, t) l'intensit en niveaux de gris de l'image I l'instan t
t et au point (x, y), le flot optique V =[u, v] T est dfini de manire
implicite comme le minimum de la fonctionnelle suivante : 4.5 . forme partir des ombrage s

=
F(V)
ft
(oI . V+It ) z +a((IDu ) +(ll ov U) d(49) Enfin, on ne pourra pas terminer ce paragraphe sans mention-
ner les applications de la thorie de l'volution des courbes de
niveau aux problmes de Shape from Shading qui est un thme
o 95 est une fonction dtermine afin de prserver les disconti- de recherche trs actif dans le domaine de la vision par ordina-
nuits du flot (voir la section prcdente) . Les quations d'Euler- teur. Le Shape from Shading consiste retrouver l'orientation de
Lagrange suivantes peuvent tre drives pour la dtermination la surface observe partir des variations de l'intensit lumineus e

Traitement du Signal Volume 1 3 - n6 Spcial 1996 571



Les EDP en traitement des image s

VueNo1 Vue No 2 Vue No 3


Profondeur : 0(x) = x 2 3D : 0(x) = x2 3D : 0( x ) = x2

4
',Y, h r o ::. . .}4F.6 ..Y
.

Frofondeur: 0 (x) =\/1 + x2 1 3D : 0(x) = l + x 2 1 3D : c( ) )/1 -F -

Figure 10. Images de profondeur et de reconstruction 3D obtenues par stroscopie avec rgularisation et minimisation d'energie :
Notez la prservation des discontinuits obtenues avec 0(x) = v/1 + x 2 1 .

572 Traitement du Signal Volume 13 - n6 Spcial 1996


Les EDP en traitement des age s

(a) Image Cube (b) Image Tax i

: : :: : : : :: : :: : : : : : :::: ::: :: : :: : :: :: :::: ::: : : :: : : : :: :: : : : : : : ::: : : :: : : :: : :: : : : :


: ' : ', ', :: : : ','', ;. : : :: : : : :::: : :: : : : : : : : :: : :: : :
:: : : : : : : : : : : : :: : :: : : : : : : :: : : :

: ::: :: : :: : :: : :: : :: :: : :: ::: :: ::::: ::::::::::::::::::::::


::::::::::::
:: :::::::::::::::: ::::: : ::: : :: : : :: : :::::::::: ::: ::: : :::: : : :::

;~;: ;
ti~i~ . .^^ + ..~ j
~.. : : : : : : :: : : : : : J~.. .i
3
~~,

.. . . ~~ ~ ~,.~
.~ra..~

(c) : O ( x) x2 (d) + x2 1

(e) 40( x ) = x2 ( f ) O( x ) = 31 + x2 1
Figure H . Flot Optique avec rgularisation quadratique (0(x) _ 2) et prservation des discontinuits(p(x) = v/1 + x 2 l ).

Traitement du Signal Volume 1 3 - n6 Spcial 1996 573


Les EDP en traitement des image s

de l'image [60, 61] . Un certain nombre d'approches base d'ED P BIBLIOGRAPHI E


ont t proposes ce jour pour traiter ce problme . Le livre de
Berthold Horn et Michael Brooks [60], qui prsente en dtail un [1] J . F. Abramatic and L . M . Silverman . Non linear restoration of noisy images .
certain nombre d'entre elles, est une excellente rfrence o o n IEEE Trans . Patern Analysis and Machine Intelligence, 4(2) :141-149, 1982 .
constate que la plupart des approches prsentes sont rsolues [2] L . Alvarez and J . Esclarin . Investigative and trial image processing. In SPIE
l'aide de schmas itratifs drivs partir de versions rgularise s International Symposium on Optical Science, Engineering and Instrumen-
du problme original . tation, volume 2567, San-Diego Convention Center, California, USA, Jul y
1995 .
Parmi les travaux les plus rcents dans le domaine, on citera le s [3] L. Alvarez, F. Guichard, P.L . Lions, and Morel J .M . Axiomes et equation s
travaux de Ron Kimmel et d'Alfred Bruckstein [73, 72, 18, 71 ] fondamentales du traitement d' images . Technical Report 9216, CEREMADE,
qui utilisent la thorie de l'volution des courbes de niveau pou r Universit Paris-Dauphine, France, 1992 .
rsoudre cet important problme . Cette mthode a t mise e n [4] L . Alvarez, F. Guichard, P.L . Lions, and Morel J .M . Analyse multiechelle de
oeuvre par Ron Kimmel dans [72, 71] l'aide de la techniqu e films . C.R . Acad. Sci. Paris, 315(1) :1145-1148, 1993 .
propose par Osher et Sethian [87] . L'article d'Alfred Bruckstein [5] L. Alvarez, F. Guichard, P.L . Lions, and Morel J .M . Axioms and fundamental
[19] est un bon pointeur vers les divers auteurs qui ont contribu equations of image processing . Archi. for Rational Mechanics, 123(3) :199-
257, 1993 .
aussi dans ce domaine.
[6] L. Alvarez, P-L. Lions, and J-M . Morel . Image selective smoothing and edge
On ne terminera pas toutefois ce paragraphe, sans mentionne r detection by nonlinear diffusion (II). SIAM Journal of numerical analysis ,
les travaux d'Elisabeth Rouy et Agns Torin [96] qui utilisent l a 29 :845-866, 1992.
notion de solution de viscosit pour dmontrer que la solutio n [7] L. Alvarez, P.L. Lions, and J .M . . Morel. Image selective smoothing and edg e
du problme de l'obtention du relief partir des ombrages es t detection by nonlinear diffusion (ii) . SIAM J, Numer Anal, 29(3) :845-866 ,
1992 .
unique sous la condition particulire que l'image n'a aucun poin t
[8] L . Alvarez and L . Mazorra. Signal and image restoration using shock filters
luminance maximale et que le nombre de solution physique s
and anisotropic diffusion. SIAM J. Num. Anal., 31(2) :590-605, January 1994 .
possibles peut tre estim partir du nombre de points luminanc e
[9] L. Alvarez and F . Morales . Affine multiscale analysis of corners . Prepublica-
maximale . tion, Ref : 9402, Universidad de Las Palmas de Gran Canaria, 1994 .
[10] L . Alvarez and J .M. Morel . Formalization and computational aspects of
image analysis . Acta Numerica, pages 1-61, 1994 .
[11] L . Alvarez and J .M . Morel . Morphological Approach to Multi-Scale

5. conclusion
Analysis : From Principles to Equations . In Bart M . ter Haar Romeny, editor,
Geometry-Driven Diffusion in Computer Vision, pages 229-254 . Kluwer
Academic, 1994 .
[12] Luis Alvarez, Frdric Guichard, Pierre-Louis Lions, and Jean-Michel Morel .
Axiomatisation et nouveaux oprateurs de la morphologie mathmatique .
C.R . Acad. Sci. Paris, pages 265-268, 1992. t. 315, Srie 1.
Dans cet article, nous avons pass en revue une liste non exhaus-
[13] H.C . Andrews and B .R . Hunt. In Prentice-Hall, editor, Digital Image
tive de travaux dans les domaines du traitement d'images et d e
Restauration, pages 339-370 . Englewood Cliff, 1977 .
la vision, faisant appel une formulation o les EDP tiennent
[14] G . Aubert and L . Lazaroaia . A variational method in image recovery . TR
une place centrale . Au travers des exemples cits et des ides qu i 423, URA 168 du CNRS, laboratoire J-A Dieudonn, Universit de Nic e
les ont guids, il apparat clairement que cette nouvelle voie es t Sophia-Antipolis, June 1995 .
riche de rsultats et de promesses pour mener bien et traiter d e [15] D .H Ballard and C .M . Brown . In Prentice-Hall, editor, Computer Vision .
manire bien plus stable et plus formalise une large classe d e Englewood Cliffs, 1982 .
problmes dans les domaines cits . Il reste toutefois beaucou p [16] Andrew Blake and Andrew Zisserman . Visual Reconstruction . MIT Press ,
faire dans ces domaines et c'est notre souhait que de voir ce t 1987 .
article aider la rflexion pour ouvrir encore plus cette nouvell e [17] L. Blanc-Ferraud, P. Charbonnier, G . Aubert, and M . Barlaud . Nonlinear
image processing : Modeling and fast algorithm for regularization with edg e
voie de recherche .
detection . TR 1, Laboratoire I3S, URA 1376 du CNRS, Universit de Nice
Sophia-Antipolis, January 1995.
[18] Alfred M . Bruckstein . On shape fron shading . Computer. Vision Graphic s
Remerciements Image Process, 44 :139-154, 1988 .
Les auteurs voudraient remercier ici Pierre Kornprobst, Perrin e [19] A .M . Bruckstein . Analyzing and Synthesizing Images by Evolving Curves .
Delacourt, Luc Robert, Renaud Keriven et Christophe Bouvi n In Proc . IEEE Int . Conf on Image Proc. ICIP, volume I of III, pages 11-15,
pour leur collaboration dans l'obtention des rsultats qui illustren t Austin(Texas), November 13-16 1994 .
cet article, ainsi que Luis Alvarez et Gilles Aubert pour leu r [20] Elie Cartan. La Thorie des Groupes Finis et Continus et la Gomtri e
Diffrentielle traite par la Mthode du Repre Mobile . Jacques Gabay, 1992.
lecture pralable de cet article et les commentaires qu'ils n'ont Original edition, Gauthiers- Villars, 1937 .
pas manqu d'y apporter. Enfin, les auteurs voudraient aussi [21] Elie Cartan . Leons sur la Thorie des Espaces Connexion Projective .
exprimer ici tout le plaisir qu'ils ont eu lors des discussions ave c Jacques Gabay, 1992 . Original edition, Gauthiers- Villars, 1937 .
Michel Barlaud sur la partie restauration avec prservation de s [22] V. Caselles, F. Catte, T. Coll, and F. Dibos . A geometric model for activ e
discontinuits . contours . Numerische Mathematik, 66 :1-31, 1993 .

574 Traitement du Signal Volume 1 3 - n6 Spcial 1996


Les EDP en traitement des image s

[23] V. Caselles, R. Kimmel, and G . Sapiro . Geodesic active contours . Technical [44] Olivier Faugeras and Renaud Keriven . Scale-spaces and affine curvature . In
report, HP Labs, September 1994 . A shorter version appeared at ICCV'95 . R . Mohr and C . Wu, editors, Proc . Europe-China Workshop on Geometrica l
[24] V. Caselles, R. Kimmel, and G . Sapiro . Geodesic active contours . I n modelling and Invariants for Computer Vision, pages 1724, Xi'an, China,
Proceedings of the 5th Proc . International Conference on Computer Vision, April 1995 . Xidan University Press .
pages 694699, Boston, MA, June 1995 . IEEE Computer Society Press . [45] Olivier Faugeras and Renaud Keriven . Some recent results on the projectiv e
[25] F. Catte, T. Coll, P.L . Lions, and J .M. Morel . Image selective smoothing and evolution of 2-D curves . In International Conference on Image Processing ,
edge detection by nonlinear diffusion (i) . SIAM J, Numer Anal, 29(1) :182 volume III, pages 1316, October 1995 .
193, February 1992 . [46] P. Fiddelaers, E.J. Pauewels, and L .J . Van Gool . Geometry-driven curv e
[26] F. Catte and F. Dibos. A Morphological Scheme for Mean Curvature Motio n evolution . In Jan-Olof Eklundh, editor, Third European Conference on
and Application to Anisoptropic Diffusion and Motion of Level Sets . I n Computer Vision, volume 1, pages 427432, Stockholm,Sweden, May 1994 .
Proc. IEEE Int. Conf on Image Proc. ICIP, volume I of III, pages 2630 , [47] L .M .J Florack, A .H . Salden, B .M . ter Haar Romeny, J .J . Koenderink, and
Austin(Texas), November 13-16 1994 . M .A. Viergever . Nonlinear Scale Space. In Bart M . ter Haar Romeny, editor,
[27] P. Charbonnier . Reconstruction d'image : Rgularisation avec prise en Geometry-Driven Diffusion in Computer Vision, pages 339370 . Kluwer
compte des discontinuits. Thse, Universit of Nice Sophia-Antipolis , Academic, 1994 .
September 1994 . [48] L .M .J . Florack, B .M . ter Haar Romeny, J .J . Koenderink, and M .A. Viergever.
[28] P. Charbonnier, G . Aubert, M . Blanc-Ferraud, and M . Barlaud . Two - Scale and the differential structure of images . Images and Vision Computing ,
Deterministic Half-Quadratic Regularization Algorithms for Computed 10(6) :376388, jun/August 1992 .
Imaging . In Proc. IEEE Int. Conf on Image Proc. ICIP, volume II of III, [49] B . R . Frieden. Restoring with maximum likelihood and maximum entropy .
pages 168172, Austin(Texas), November 13-16 1994 . Journal Opt Soc . Amer, 62 :511518, 1972 .
[29] L .D . Cohen . On active contour models . Technical Report 1075, INRIA , [50] P. Fua and Y.G . Leclerc . Model driven edge detection . Machine Vision an d
August 1989 . Application, 3 :4556, 1990.
[30] L .D . Cohen . On active contour models and balloons . CVGIP : Imag e [51] C . Lopez G. Koepfler and J .M . Morel . A multiscale algorithm for imag e
Undertanding, 53 :211218, 1991 . segmentation by variational method . SIAM J. Num. Anal., 1994. to appear.
[31] G .-H. Cottet and L . Germain . Image processing through reaction combine d [52] M . Gage. An isometric inequality with applications to curve shortening .
with nonlinear diffusion . Mathematics of Computation, 61(204) :659673 , Duke Mathematical Journal, 50 :12251229, 1983 .
Oct 1993 . [53] M. Gage . Curve shortening makes convex curves circular. Invent. Math . ,
[32] P. Delacourt. Applications des EDP en Analyse Multi-Echelle et en Traite- 76 :357364, 1984 .
ment d'Images . Rapport de stage de DEA . propos et encadr par R . Deriche , [54] M . Gage and R .S . Hamilton . The heat equation shrinking convex plan e
INRIA, Universit Nice-Sophia Antipolis, France, Juin 1995 . curves . J. of Differential Geometry, 23 :6996, 1986 .
[33] R . Deriche . Using Canny's Criteria to Derive a Recursively Implemente d [55] M . Gage and R .S . Hamilton. The heat equation shrinking convex plan e
Optimal Edge Detector. International Journal of Computer Vision, 1(2) :167 curves . J. of Differential Geometry, 23 :6996, 1986 .
187, May 1987 . [56] S . Geman and D . Geman . Stochastic relaxation, Gibbs distributions and th e
[34] R. Deriche . Fast Algorithms for Low-Level Vision . IEEE Transactions o n Bayesian restoration of images . IEEE Transactions on Pattern Analysis and
Pattern Analysis and Machine Intelligence, 1(12) :7888, January 1990 . Machine Intelligence, 6, 1984 .
[35] R . Deriche . Recursively Implementing the Gaussian and Its Derivatives . In [57] S . Geman and G . Reynolds . Constrained Restauration and the Recovery
Proc. Second International Conference On Image Processing, pages 263 of discontinuities . IEEE Transactions on Pattern Analysis and Machin e
267, Singapore, September 7-11 1992 . Intelligence, 14, 1992 .
[36] R . Deriche . Recursively Implementing the Gaussian and Its Derivatives . [58] G . Gerig, O . Kubler, R . Kikinis, and F. Jolesz . Non-Linear Anisotropic
Technical Report 1893, INRIA, Unit de Recherche Sophia-Antipolis, April Filtering of MRI Data. IEEE Transactions on Pattern Analysis and Machine
1993 . Intelligence, 11, 1992 .
[37] R . Deriche and O . Faugeras . Les EDP en traitement des images et vision par [59] P.J . Green. Bayesian Reconstruction From Emission Tomography Data Usin g
ordinateur. Technical Report 2697, INRIA, November 1995 . A Modified EM Algorithm. IEEE Trans . Med. Imaging, MI-9, 1990.
[38] R. Deriche and G . Giraudon . A Computational Approach For Corner And [60] Berthold K. Horn and Michael J. Brooks, editors . Shape from Shading . The
Vertex Detection . International Journal of Computer Vision, 10(2) :101124, MIT Press, 1989 .
1993 . [61] Berthold K.P. Horn. Height and Gradient from Shading. ijcv, 5(1) :37 75 ,
[39] Rachid. Deriche, Pierre . Kornprobst., and Gilles . Aubert . Optical flow August 1990.
estimation while preserving its discontinuities : A variational approach. In [62] B .K .P. Horn . Robot vision . MIT Press, McGraw-Hill Book Company, New -
Proceedings of the 2nd Asian Conference on Computer Vision, volume 2/3 , York, 1986 .
Singapore, December 1995 .
[63] B .R. Hunt . The application of constrained least squares estimation to imag e
[40] Franoise Dibos. Analyse multichelle invariante par transformations pro- restoration by digital computer. IEEE Trans. Computers, C-22(9) :805812,
jectives . Technical Report 9505, Ceremade, January 1995 . 1973 .
[41] Olivier Faugeras . On the evolution of simple curves of the real projectiv e [64] M . Baudin J . Badaud, A .P. Witkin and R .O . Duba. Uniqueness of the gaussian
plane . Comptes rendus de l'Acadmie des Sciences de Paris, Tome 317, Sri e kernel for scale-space filtering . IEEE Trans . Patern Analysis and Machine
I, (6) :565570, September 1993 . Also INRIA Technical report number 1998 . Intelligence, 8(1) :2633, 1986.
[42] Olivier Faugeras . Three-Dimensional Computer Vision : a Geometric [65] M . Kass, A . Witkin, and D . Terzopoulos . Snakes : Active contour models . I n
Viewpoint. MIT Press, 1993. First International Conference on Computer Vision, pages 259268, London,
[43] Olivier Faugeras . Caftan's moving frame method and its application t o June 1987 .
the geometry and evolution of curves in the euclidean, affine and projectiv e
[66] M . Kass, A . Witkin, and D . Terzopoulos . SNAKES : Active Contour Models .
planes . In Joseph L . Mundy, Andrew Zisserman, and David Forsyth, editors , The International Journal of Computer Vision, l :321332, January 1988 .
Applications of Invariance in Computer Vision, volume 825 of Lecture Notes
in Computer Vision, pages 1146 . Springer-Verlag, 1994 .

Traitement du Signal Volume 13 - n6 Spcial 1996 575


Les EDP en traitement des image s

[67] B . Kimia and K . Siddiqi . Geometric heat equation and nonlinear diffusio n [88] P. Perona and J . Malik . Scale-space and edge detection using anisotropi c
of shapes and images . In Proceedings of the International Conference o n diffusion. IEEE Transactions on Pattern Analysis and Machine Intelligence ,
Computer Vision and Pattern Recognition, pages 113-120, Seattle, WA, June 12(7) :629-639, 1990 .
1994 . IEEE . [89] P. Perona, T. Shiota, and J. Malik . Anisotropic Diffusion . In Bart M . te r
[68] B . Kimia, A . R . Tannenbaum, and S . W. Zucker. Shapes, schoks and Haar Romeny, editor, Geometry-Driven Diffusion in Computer Vision, pages
deformations i : The components of two-dimensional shape and the reaction - 71-79. Kluwer Academic, 1994 .
diffusion space. ijcv, 15 :189-224, 1995 . [90] M. Proesmans, E . Pauwels, and L . Van Gool. Coupled Geometry-Driven
[69] B . Kimia, E. Tannenbaum, and W . Zucker. Toward a computational theor y Diffusuin Equations for Low-Level Vision . In Bart M . ter Haar Romeny ,
of shape : An overview . In Springer Verlag, editor, Proceedings of the First editor, Geometry-Driven Diffusion in Computer Vision, pages 191-228 .
European Conference on Computer Vision, Antibes, April 1990 . Kluwer Academic, 1994 .
[70] Benjamin B . Kimia, Allen Tannenbaum, and Steven W. Zucker . On the [91] L . Robert and R . Deriche. Dense Depth Reconstruction Using A Multi -
Evolution of Curves via a Function of Curvature . I . The Classical Case. Scale Regularization Approach Which Preserves Discontinuities . In Pro-
Journal of Mathematical Analysis and Applications, 163(2) :438-458, 1992. ceedings of the International Workshop on Stereoscopic and 3D imaging ,
[71] R . Kimmel, K . Siddiqi, B . Kimia, and A .M . Bruckstein . Shape from shading : Santorini,Greece, September 6-8,1995 1995 .
Level set propagation and viscosity solutions . IJCV, 16 :107-133, 1995 . [92] L . Robert and R . Deriche . Dense depth map reconstruction : A minimizatio n
[72] Ron . Kimmel. Curve Evolution on Surfaces . PhD thesis, Technion Israe l and regularization approach which preserves discontinuities . In Bernard
Institute of Technology, Haifa, May 1995 . Buxton, editor, Proceedings of the 4th European Conference on Compute r
[73] Ron Kimmel and Alfred M. Bruckstein . Trackinhg level sets by level sets : Vision, Cambridge, UK, April 1996 .
A method for solving the shape from shading problem. Computer Vision an d [93] L. Robert, R. Deriche, and O .D . Faugeras . Dense Depth Map Reconstructio n
Image Understanding, 62(2) :47-58, July 1995 . Using Multiscale Regularization . In Proc. Second International Conference
[74] J .J . Koenderink. The structure of images. Biol. Cybern, 50 :363-370, 1984 . on Image Processing, pages 123-127, Singapore, September 7-11 1992 .
[75] P Kornprobst . Calcul de Flot Optique avec Prservation des Discontinuits . [94] L . Robert, R . Deriche, and O .D . Faugeras . Dense Depth Recovery From
Rapport de stage de DEA . Propos et encadr par R . Deriche et G. Aubert , Stereo Images. In Proceedings of the 10th European Conference On Artificia l
INRIA, Universit Nice-Sophia Antipolis, France, Juin 1995 . Intelligence, pages 821-823, Vienna, Austria, August 3-7 1992 .
[76] P.L . Lions L. Alvarez, F. Guichard and J .M . Morel . Axiomes et equations [95] N . Rougon and F. Prteux . Reprsentations multi-chelles gnriques par
fondamentales du traitement d'images . C. R. Acad. Sci. Paris, 315 :135-138 , diffusion anisotrope contrle . In 10 me Congrs Reconnaissance des
July 1992 . Also : report 9216 CEREMADE, Universit Paris Dauphine , Formes et Intelligence Artificielle, Rennes, volume 1, pages 289-298, January
presented at Arch . for Rat. Mech . 1996.
[77] R . Malladi, J . A. Sethian, and B .C . Vemuri. Shape modeling with fron t [96] E . Rouy and Tourin A . A viscosity solution approach to shape from shading .
propagation" : A level set approach. pami, 17(2) :158-175, February 1995 . SIAM J Num. Anal., 29(3) :867-884, June 1992.
[78] R . Malladi, J.A . Sethian, and B .C . Vemuri . A topology-independent shape [97] L. Rudin. Shock filters . Rockwell International Science Center Annua l
modeling scheme . In Proceedings of SPIE Conf on Geometric Methods i n DARPA T. R, 1984 .
Computer Vision II, San Diego, July 1993 . [98] L . Rudin. Images, numerical analysis of singularities and schock filters . Ph.D .
[79] R. Malladi, J .A . Sethian, and B .C . Vemuri . Evolutionary fronts for topology- Thesis, Computer Science Department, Technical Report 5250, CalTech ,
independent shape modeling and recovery . In Proceeding of 3rd Europea n Pasadena,CA, 1987 .
Conf on Computer Vision (ECCV'94), Stockholm, Sweden, volume 1, pages [99] L. Rudin and S . Osher. Total Variation Based Image Restoration With Fre e
3-13, May 1994 . Local Constraints . In Proc. IEEE Int. Conf on Image Proc . ICIP, volume I
[80] D. Marr and E . Hildreth . Theory of edge detection . In Proc Roy. Soc.London of III, pages 31-35, Austin(Texas), November 13-16 1994 .
Ser.B, 207, pages 182-217, 1980 . [100] L . Rudin, S . Osher, and E . Fatemi. Nonlinear total variation based nois e
[81] W.J . Niessen, B .M ter Haar Romery, L .M .J . Florack, A .M . Salden, and removal algorithms . Physica D, 60 :259-268, 1992.
M .A . Vergever. Nonlinear Diffusion of Scalar Images Using Well-Posed [101] G . Sapiro and M . Bruckstein . The Ubiquitous Ellipse . Acta Applicandae
Differential Operators . In IEEE, editor, IEEE Conf on Comp. Vision an d Mathematica, 38 :149-161, 1995 .
Pattern Recognition, pages 92-120, Seattle, June 1994. [102] G . Sapiro and V. Casettes . Histogram Modification Via Partial Differentia l
[82] M Nitzberg and T. Shiota . Nonlinear image filtering with edge and corner Equation . Technical Report HPL-95-66, Hewlett Packard, HP Laboratorie s
enhancement. IEEE Transactions on Pattern Analysis and Machine Intelli- Technical Report, June 1995 .
gence, 14(8) :826-832, 1992. [103] G . Sapiro and A . Tannenbaum . On Affine Plane Curve Evolution . Journal
[83] N. Nordstrm. Variational Edge Detection . Phd thesis, University of of Funtionnal Analysis, 119(1) :79-119, January 1994 .
California at Berkeley, May 1990 . [104] G. Sapiro and A . Tannenbaum. Area and Length Preserving Geometri c
[84] S . Osher and L . Rudin . Feature oriented image enhancement using shoc k Invariant Scale Space . IEEE Transactions on Pattern Analysis and Machin e
filter. SIAM J. Numer. Anal, 27(4) :919-940, 1990 . Intelligence, 17, 1995.
[85] S . Osher and L. Rudin. Shocks and Other Nonlinear Filtering Applied t o [105] Guillermo Sapiro and Allen Tannenbaum . Affine Invariant Scale-Space .
Image Processing . In Proc SPIE Vol 1567 : Applications of Digital Imag e Technical Report EE PUB 857, Technion Israel Institute of Technology ,
Processing XIV, pages 414-431, San-Diego, 1991 . Department of Electrical Engineering, September 1992 .
[86] S Osher and J . Sethian . Fronts propagating with curvature dependen t [106] Guillermo Sapiro and Allen Tannenbaum. Affine shortening of Non-Conve x
speed : algorithms based on the hamilton-jacobi formulation . Journal of Plane Curve . Technical Report EE PUB 845, Technion Israel Institute of
Computational Physics, 79 :12-49, 1988 . Technology-Haifa, August 1992.
[87] S . Osher and J . Sethian . Fronts propagating with curvature dependen t [107] Guillermo Sapiro and Allen Tannenbaum . On Affine Plane Curve Evolution .
speed : algorithms based on the Hamilton-Jacobi formulation . Journal of Technical Report EE PUB 821, Technion Israel Institute of Technology-Haifa ,
Computational Physics, 79 :12-49, 1988 . February 1992 .

576 Traitement du Signal Volume 1 3 - n6 Spcial 1996


Les EDP en traitement des image s

[108] Guillermo Sapiro and Allen Tannenbaum. On Affine Plane Curve Evolution . [113] J . Weickert . Anisotropie diffusion filters for image processing based qualit y
Technical Report EE PUB 821, Technion Israel Institute of Technology , control . In 7th European Conference on Mathematics in Industry, Montecatini
Department of Electrical Engineering, February 1992 . Terme, Italy, March 2-6 1993 .
[109] Guillermo Sapiro and Allen Tannenbaum . Affine Invariant Scale Space . [114] Joachim . Weickert. Anisotropic Diffusion in Image Processing . PhD thesis ,
The International Journal of Computer Vision, 11(1) :25-44, August 1993 . University of Kaiserslautern, Germany, Laboratory of Technomathematics ,
[110] Guillermo Sapiro and Allen Tannenbaum. On Invariant Curve Evolutio n January 1996 .
and Image Analysis . Indiana University Journal of Mathematics, 1993 . To [115] A . P. Witkin. Scale space filtering . In Proc. IJCAI, Karlsruhe, 1983 .
appear. [116] Y.L . You, M. Kaveh, W.Y. Xu, and A . Tannenbaum . Analysis and Desig n
[111] F. Guichard T. Cohignac, F. Eve and J .M . Morel . Numerical analysi s of Anisotropie Diffusion for Image Processing. In Proc. IEEE Int. Conf.
of the fundamental equation of image processing . TR 9254, CEREMADE, on Image Proc. ICIP-94, volume II of III, pages 497-501, Austin(Texas) ,
Universit Paris Dauphine, 1992 . November 13-16 1994 .
[112] D. Terzopoulos and K. Fleischer. Deformable models . The Visual Computer,
1988 . Manuscrit reu le 16 Fvrier 1996 .

LES AUTEUR S

Rachid DERICH E Olivier FAUGERAS

Rachid Deriche est Directeur de recherche l'INRIA-Sophia . Diplm de Olivier Faugeras est Directeur de Recherche l ' INRIA-Sophia o il est re-
I'ENST Paris, o il a obtenu son titre d'ingnieur en 1979, il a ensuite souten u sponsable scientifique du projet Robotvis . Il est diteur associ de plusieur s
sa thse et obtenu le titre de Docteur de l'Universit Paris IX Dauphine e n revues internationales et diteur en chef de l'International Journal of Com-
1982 . Habilit diriger les recherches depuis 1991, ses activits de recherch e puter Vision (IJCV) . En 1990 il a t Prsident de la premire Confrenc e
se situent principalement dans le domaine de la vision par ordinateur ave c Europenne en Vision par Ordinateur (ECCV) . Il est l'auteur du livre "Three-
un intrt particulier en vision bas-niveau, vision stroscopique, analys e dimensional Computer Vision" publi par MIT-Press . Ses principaux domaine s
du mouvement ainsi que de manire plus gnrale, l'application de s de recherche sont l'application des Mathmatiques la Vision par Ordina-
mathmatiques la vision par ordinateur et au traitement des images . teur, la Robotique, les architectures des systmes de Vision Artificielle, et le s
liens entre la Vision Artificielle et Biologique .

Traitement du Signal Volume 1 3 - n6 Spcial 1996 577