6 \ifx\hyper@anchor\@undefined
7 \global \let \oldcontentsline\contentsline
8 \gdef \contentsline#1#2#3#4{\oldcontentsline{#1}{#2}{#3}}
9 \global \let \oldnewlabel\newlabel
10 \gdef \newlabel#1#2{\newlabelxx{#1}#2}
11 \gdef \newlabelxx#1#2#3#4#5#6{\oldnewlabel{#1}{{#2}{#3}}}
12 \AtEndDocument{\let \contentsline\oldcontentsline
13 \let \newlabel\oldnewlabel}
15 \global \let \hyper@last\relax
18 \select@language{french}
19 \@writefile{toc}{\select@language{french}}
20 \@writefile{lof}{\select@language{french}}
21 \@writefile{lot}{\select@language{french}}
22 \@writefile{toc}{\contentsline {chapter}{\numberline {1}Introduction}{7}{chapter.1}}
23 \@writefile{lof}{\addvspace {10\p@ }}
24 \@writefile{lot}{\addvspace {10\p@ }}
25 \citation{Caselles99topographicmaps}
26 \citation{cutrona1990synthetic}
27 \@writefile{toc}{\contentsline {chapter}{\numberline {2}Le traitement des images bruit\IeC {\'e}es}{11}{chapter.2}}
28 \@writefile{lof}{\addvspace {10\p@ }}
29 \@writefile{lot}{\addvspace {10\p@ }}
30 \@writefile{toc}{\contentsline {section}{\numberline {2.1}Mod\IeC {\`e}le d'image bruit\IeC {\'e}e}{11}{section.2.1}}
31 \citation{mancuso2001introduction}
32 \citation{theuwissen2001ccd}
33 \citation{healey1994radiometric}
35 \@writefile{toc}{\contentsline {section}{\numberline {2.2}Mod\IeC {\`e}les de bruit}{12}{section.2.2}}
36 \newlabel{sec_bruits}{{2.2}{12}{Modèles de bruit\relax }{section.2.2}{}}
37 \@writefile{toc}{\contentsline {subsection}{\numberline {2.2.1}Le bruit gaussien}{12}{subsection.2.2.1}}
38 \@writefile{toc}{\contentsline {subsection}{\numberline {2.2.2}Le speckle}{12}{subsection.2.2.2}}
39 \@writefile{toc}{\contentsline {subsection}{\numberline {2.2.3}Le bruit ``sel et poivre''}{13}{subsection.2.2.3}}
40 \@writefile{toc}{\contentsline {subsection}{\numberline {2.2.4}Le bruit de Poisson}{13}{subsection.2.2.4}}
41 \@writefile{toc}{\contentsline {section}{\numberline {2.3}Les techniques de r\IeC {\'e}duction de bruit}{13}{section.2.3}}
43 \citation{Wang04imagequality}
44 \@writefile{lof}{\contentsline {figure}{\numberline {2.1}{\ignorespaces Images 256$\times $256 en niveau de gris 8 bits utilis\IeC {\'e}es pour l'illustration des propri\IeC {\'e}t\IeC {\'e}s des filtres. a) l'image de r\IeC {\'e}f\IeC {\'e}rence non bruit\IeC {\'e}e. b) l'image corrompue par un bruit gaussien d'\IeC {\'e}cart type $\sigma =25$. c) l'image corrompue par un bruit impulsionnel \IeC {\`a} 25\%.}}{14}{figure.2.1}}
45 \newlabel{fig-ny-noises}{{2.1}{14}{Images 256$\times $256 en niveau de gris 8 bits utilisées pour l'illustration des propriétés des filtres. a) l'image de référence non bruitée. b) l'image corrompue par un bruit gaussien d'écart type $\sigma =25$. c) l'image corrompue par un bruit impulsionnel à 25\%}{figure.2.1}{}}
46 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {Sans bruit}}}{14}{figure.2.1}}
47 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {Bruit gaussien $\sigma =25$, PSNR=22.3~dB MSSIM=0.16}}}{14}{figure.2.1}}
48 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {Bruit impulsionnel 25\%, PSNR=9.48~dB MSSIM=0.04}}}{14}{figure.2.1}}
49 \@writefile{toc}{\contentsline {subsection}{\numberline {2.3.1}Les op\IeC {\'e}rateurs de base}{14}{subsection.2.3.1}}
50 \@writefile{toc}{\contentsline {subsubsection}{\numberline {2.3.1.1}Le filtre de convolution}{14}{subsubsection.2.3.1.1}}
53 \@writefile{lof}{\contentsline {figure}{\numberline {2.2}{\ignorespaces Filtrage par convolution.}}{15}{figure.2.2}}
54 \newlabel{fig-ny-convo}{{2.2}{15}{Filtrage par convolution}{figure.2.2}{}}
55 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {Moyenneur 3$\times $3, PSNR=27.6dB MSSIM=0.34}}}{15}{figure.2.2}}
56 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {Moyenneur 5$\times $5, PSNR=27.7dB MSSIM=0.38}}}{15}{figure.2.2}}
57 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {Filtre gaussien 3$\times $3, PSNR=27.4dB MSSIM=0.33}}}{15}{figure.2.2}}
58 \newlabel{convoDef}{{2.1}{15}{Le filtre de convolution\relax }{equation.2.3.1}{}}
59 \@writefile{toc}{\contentsline {subsubsection}{\numberline {2.3.1.2}Le filtre m\IeC {\'e}dian}{15}{subsubsection.2.3.1.2}}
64 \citation{bertaux2004speckle}
65 \citation{Mallat:2008:WTS:1525499}
66 \citation{Daubechies:1992:TLW:130655}
68 \citation{strang1999discrete}
69 \citation{elad2006image}
70 \citation{elad2006image}
71 \@writefile{lof}{\contentsline {figure}{\numberline {2.3}{\ignorespaces R\IeC {\'e}duction du bruit impulsionnel par filtre m\IeC {\'e}dian.}}{16}{figure.2.3}}
72 \newlabel{fig-ny-median}{{2.3}{16}{Réduction du bruit impulsionnel par filtre médian}{figure.2.3}{}}
73 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {M\IeC {\'e}dian 3$\times $3 une passe, PSNR=26.4~dB MSSIM=0.90}}}{16}{figure.2.3}}
74 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {M\IeC {\'e}dian 3$\times $3 deux passes, PSNR=34.4~dB MSSIM=0.98}}}{16}{figure.2.3}}
75 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {M\IeC {\'e}dian 5$\times $5 une passe, PSNR=35.1~dB MSSIM=0.98}}}{16}{figure.2.3}}
76 \@writefile{toc}{\contentsline {subsubsection}{\numberline {2.3.1.3}Le filtre bilat\IeC {\'e}ral}{16}{subsubsection.2.3.1.3}}
77 \@writefile{lof}{\contentsline {figure}{\numberline {2.4}{\ignorespaces R\IeC {\'e}duction de bruit gaussien par filtrage bilat\IeC {\'e}ral de voisinage 5$\times $5. $\sigma _S$ et $\sigma _I$ sont les \IeC {\'e}carts type des fonctions gaussiennes de pond\IeC {\'e}ration spatiale et d'intensit\IeC {\'e}.}}{17}{figure.2.4}}
78 \newlabel{fig-ny-bilat}{{2.4}{17}{Réduction de bruit gaussien par filtrage bilatéral de voisinage 5$\times $5. $\sigma _S$ et $\sigma _I$ sont les écarts type des fonctions gaussiennes de pondération spatiale et d'intensité}{figure.2.4}{}}
79 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {$\sigma _S=1.0$ et $\sigma _I=0.1$, PSNR=25.6~dB MSSIM=0.25}}}{17}{figure.2.4}}
80 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {$\sigma _S=1.0$ et $\sigma _I=0.5$, PSNR=28.0~dB MSSIM=0.36}}}{17}{figure.2.4}}
81 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {$\sigma _S=1.0$ et $\sigma _I=1.0$, PSNR=27.9~dB MSSIM=0.36}}}{17}{figure.2.4}}
82 \@writefile{lof}{\contentsline {subfigure}{\numberline{(d)}{\ignorespaces {$\sigma _S=2.0$ et $\sigma _I=0.1$, PSNR=26.7~dB MSSIM=0.29}}}{17}{figure.2.4}}
83 \@writefile{lof}{\contentsline {subfigure}{\numberline{(e)}{\ignorespaces {$\sigma _S=2.0$ et $\sigma _I=0.5$, PSNR=27.9~dB MSSIM=0.39}}}{17}{figure.2.4}}
84 \@writefile{lof}{\contentsline {subfigure}{\numberline{(f)}{\ignorespaces {$\sigma _S=2.0$ et $\sigma _I=1.0$, PSNR=27.5~dB MSSIM=0.38}}}{17}{figure.2.4}}
85 \@writefile{lof}{\contentsline {subfigure}{\numberline{(g)}{\ignorespaces {$\sigma _S=5.0$ et $\sigma _I=0.1$, PSNR=26.8~dB MSSIM=0.29}}}{17}{figure.2.4}}
86 \@writefile{lof}{\contentsline {subfigure}{\numberline{(h)}{\ignorespaces {$\sigma _S=5.0$ et $\sigma _I=0.5$, PSNR=26.8~dB MSSIM=0.37}}}{17}{figure.2.4}}
87 \@writefile{lof}{\contentsline {subfigure}{\numberline{(i)}{\ignorespaces {$\sigma _S=5.0$ et $\sigma _I=1.0$, PSNR=25.9~dB MSSIM=0.36}}}{17}{figure.2.4}}
89 \citation{Dabov06imagedenoising}
90 \citation{Dabov09bm3dimage}
91 \@writefile{lof}{\contentsline {figure}{\numberline {2.5}{\ignorespaces Filtrage par d\IeC {\'e}composition en ondelettes et seuillage dur des coefficients inf\IeC {\'e}rieurs au seuil $T$.}}{18}{figure.2.5}}
92 \newlabel{fig-ny-dwt}{{2.5}{18}{Filtrage par décomposition en ondelettes et seuillage dur des coefficients inférieurs au seuil $T$}{figure.2.5}{}}
93 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {$T=20$, PSNR=26.9~dB MSSIM=0.30}}}{18}{figure.2.5}}
94 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {$T=35$, PSNR=27.6~dB MSSIM=0.36}}}{18}{figure.2.5}}
95 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {$T=70$, PSNR=26.7~dB MSSIM=0.37}}}{18}{figure.2.5}}
96 \@writefile{toc}{\contentsline {subsubsection}{\numberline {2.3.1.4}Les algorithmes de filtrage par dictionnaire}{18}{subsubsection.2.3.1.4}}
97 \@writefile{toc}{\contentsline {subsection}{\numberline {2.3.2}Les algorithmes de filtrage par patches}{18}{subsection.2.3.2}}
98 \citation{cmla2009Kes}
99 \citation{convolutionsoup}
100 \@writefile{lof}{\contentsline {figure}{\numberline {2.6}{\ignorespaces Filtrage par NL-means pour diff\IeC {\'e}rentes combinaisons des param\IeC {\`e}tres de similarit\IeC {\'e} $f$ et de non localit\IeC {\'e} $t$.}}{19}{figure.2.6}}
101 \newlabel{fig-ny-nlm}{{2.6}{19}{Filtrage par NL-means pour différentes combinaisons des paramètres de similarité $f$ et de non localité $t$}{figure.2.6}{}}
102 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {$f=2$ et $t=2$, PSNR=28.5~dB MSSIM=0.37}}}{19}{figure.2.6}}
103 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {$f=2$ et $t=5$, PSNR=28.6~dB MSSIM=0.38}}}{19}{figure.2.6}}
104 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {$f=5$ et $t=2$, PSNR=29.0~dB MSSIM=0.39}}}{19}{figure.2.6}}
105 \@writefile{lof}{\contentsline {subfigure}{\numberline{(d)}{\ignorespaces {$f=5$ et $t=5$, PSNR=29.0~dB MSSIM=0.40}}}{19}{figure.2.6}}
106 \@writefile{lof}{\contentsline {figure}{\numberline {2.7}{\ignorespaces Filtrage par BM3D, PSNR=29.3~dB MSSIM=0.41}}{19}{figure.2.7}}
107 \newlabel{fig-ny-bm3d}{{2.7}{19}{Filtrage par BM3D, PSNR=29.3~dB MSSIM=0.41\relax }{figure.2.7}{}}
108 \@writefile{toc}{\contentsline {section}{\numberline {2.4}Les impl\IeC {\'e}mentations GPU des algorithmes de filtrage}{19}{section.2.4}}
114 \@writefile{toc}{\contentsline {subsection}{\numberline {2.4.1}Le filtrage par convolution}{20}{subsection.2.4.1}}
115 \@writefile{toc}{\contentsline {subsection}{\numberline {2.4.2}Le filtre m\IeC {\'e}dian}{20}{subsection.2.4.2}}
116 \citation{aldinucci2012parallel}
118 \citation{zheng2011performance}
119 \citation{zheng2011performance}
120 \citation{zheng2011performance}
121 \@writefile{toc}{\contentsline {subsection}{\numberline {2.4.3}Le filtre bilat\IeC {\'e}ral}{21}{subsection.2.4.3}}
122 \citation{PALHANOXAVIERDEFONTES}
123 \citation{nlmeansgpubelge}
124 \@writefile{lof}{\contentsline {figure}{\numberline {2.8}{\ignorespaces Illustration pr\IeC {\'e}-chargement en m\IeC {\'e}moire partag\IeC {\'e}e mise en \oe uvre dans \cite {zheng2011performance} pour l'impl\IeC {\'e}mentation, entre autres, du filtre bilat\IeC {\'e}ral. a) en vert le bloc de threads associ\IeC {\'e} aux pixels centraux. b-e) les blocs de pixels successivement pr\IeC {\'e}-charg\IeC {\'e}s en m\IeC {\'e}moire partag\IeC {\'e}e. f) la configuration finale de la ROI en m\IeC {\'e}moire partag\IeC {\'e}e.}}{22}{figure.2.8}}
125 \newlabel{fig-prefetch-zheng}{{2.8}{22}{Illustration pré-chargement en mémoire partagée mise en \oe uvre dans \cite {zheng2011performance} pour l'implémentation, entre autres, du filtre bilatéral. a) en vert le bloc de threads associé aux pixels centraux. b-e) les blocs de pixels successivement pré-chargés en mémoire partagée. f) la configuration finale de la ROI en mémoire partagée}{figure.2.8}{}}
126 \@writefile{toc}{\contentsline {subsection}{\numberline {2.4.4}Les filtres par patches}{22}{subsection.2.4.4}}
127 \citation{humphrey1924psychology}
129 \@writefile{toc}{\contentsline {section}{\numberline {2.5}Les techniques de segmentation}{23}{section.2.5}}
130 \@writefile{toc}{\contentsline {subsection}{\numberline {2.5.1}Analyse d'histogramme}{23}{subsection.2.5.1}}
131 \newlabel{sec-histo}{{2.5.1}{23}{Analyse d'histogramme\relax }{subsection.2.5.1}{}}
132 \newlabel{fig-histo-cochon-a}{{2.9(a)}{24}{Subfigure 2 2.9(a)\relax }{subfigure.2.9.1}{}}
133 \newlabel{sub@fig-histo-cochon-a}{{(a)}{24}{Subfigure 2 2.9(a)\relax }{subfigure.2.9.1}{}}
134 \newlabel{fig-histo-cochon-b}{{2.9(b)}{24}{Subfigure 2 2.9(b)\relax }{subfigure.2.9.2}{}}
135 \newlabel{sub@fig-histo-cochon-b}{{(b)}{24}{Subfigure 2 2.9(b)\relax }{subfigure.2.9.2}{}}
136 \newlabel{fig-histo-cochon-c}{{2.9(c)}{24}{Subfigure 2 2.9(c)\relax }{subfigure.2.9.3}{}}
137 \newlabel{sub@fig-histo-cochon-c}{{(c)}{24}{Subfigure 2 2.9(c)\relax }{subfigure.2.9.3}{}}
138 \newlabel{fig-histo-cochon-d}{{2.9(d)}{24}{Subfigure 2 2.9(d)\relax }{subfigure.2.9.4}{}}
139 \newlabel{sub@fig-histo-cochon-d}{{(d)}{24}{Subfigure 2 2.9(d)\relax }{subfigure.2.9.4}{}}
140 \newlabel{fig-histo-cochon-e}{{2.9(e)}{24}{Subfigure 2 2.9(e)\relax }{subfigure.2.9.5}{}}
141 \newlabel{sub@fig-histo-cochon-e}{{(e)}{24}{Subfigure 2 2.9(e)\relax }{subfigure.2.9.5}{}}
142 \newlabel{fig-histo-cochon-f}{{2.9(f)}{24}{Subfigure 2 2.9(f)\relax }{subfigure.2.9.6}{}}
143 \newlabel{sub@fig-histo-cochon-f}{{(f)}{24}{Subfigure 2 2.9(f)\relax }{subfigure.2.9.6}{}}
144 \@writefile{lof}{\contentsline {figure}{\numberline {2.9}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par analyse simple d'histogramme. Colonne de gauche : image d'entr\IeC {\'e}e. Colonne centrale : histogramme des niveaux de gris. Colonne de droite : r\IeC {\'e}sultat de la segmentation.}}{24}{figure.2.9}}
145 \newlabel{fig-histo-cochon}{{2.9}{24}{Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par analyse simple d'histogramme. Colonne de gauche : image d'entrée. Colonne centrale : histogramme des niveaux de gris. Colonne de droite : résultat de la segmentation}{figure.2.9}{}}
146 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {Image initiale comportant deux zones : le fond et le cochon (la cible)}}}{24}{figure.2.9}}
147 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {Histogramme des niveaux de gris}}}{24}{figure.2.9}}
148 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {Image binaire repr\IeC {\'e}sentant la segmentation. Seuil estim\IeC {\'e} \IeC {\`a} 101 apr\IeC {\`e}s 4 it\IeC {\'e}rations.}}}{24}{figure.2.9}}
149 \@writefile{lof}{\contentsline {subfigure}{\numberline{(d)}{\ignorespaces {Image initiale bruit\IeC {\'e}e}}}{24}{figure.2.9}}
150 \@writefile{lof}{\contentsline {subfigure}{\numberline{(e)}{\ignorespaces {Histogramme des niveaux de gris}}}{24}{figure.2.9}}
151 \@writefile{lof}{\contentsline {subfigure}{\numberline{(f)}{\ignorespaces {Image binaire repr\IeC {\'e}sentant la segmentation. Seuil estim\IeC {\'e} \IeC {\`a} 99 apr\IeC {\`e}s 5 it\IeC {\'e}rations.}}}{24}{figure.2.9}}
152 \citation{Zahn:1971:GMD:1309266.1309359}
153 \@writefile{loa}{\contentsline {algocf}{\numberline {1}{\ignorespaces Calcul du seuil de s\IeC {\'e}paration des segments de l'histogramme.}}{25}{algocfline.1}}
154 \newlabel{algo-histo-cochon}{{1}{25}{Analyse d'histogramme\relax }{algocfline.1}{}}
155 \@writefile{toc}{\contentsline {subsection}{\numberline {2.5.2}Partitionnement de graphe}{25}{subsection.2.5.2}}
156 \citation{wu1993optimal}
157 \citation{wang2001image}
158 \citation{wang2003image}
159 \citation{felzenszwalb2004efficient}
160 \citation{shi2000normalized}
161 \citation{shi2000normalized}
162 \citation{ford1955simple}
163 \citation{boykov2004experimental}
164 \citation{chandran2009computational}
165 \citation{cherkassky1997implementing}
166 \citation{hochbaum2013simplifications}
167 \@writefile{lof}{\contentsline {figure}{\numberline {2.10}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par simplification de graphe de type \textit {Normalized cut} pour un nombre $s$ de segments variant de 2 \IeC {\`a} 5.}}{26}{figure.2.10}}
168 \newlabel{fig-graph-cochon}{{2.10}{26}{Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par simplification de graphe de type \textit {Normalized cut} pour un nombre $s$ de segments variant de 2 à 5}{figure.2.10}{}}
169 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {$s = 2$}}}{26}{figure.2.10}}
170 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {$s = 3$}}}{26}{figure.2.10}}
171 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {$s = 4$}}}{26}{figure.2.10}}
172 \@writefile{lof}{\contentsline {subfigure}{\numberline{(d)}{\ignorespaces {$s = 5$}}}{26}{figure.2.10}}
173 \@writefile{toc}{\contentsline {subsection}{\numberline {2.5.3}kernel-means, mean-shift et apparent\IeC {\'e}s}{26}{subsection.2.5.3}}
174 \citation{macqueen1967some}
175 \citation{agarwal2002exact}
176 \citation{arora1998approximation}
177 \citation{pelleg2000x}
178 \citation{fukunaga1975estimation}
179 \citation{cheng1995mean}
180 \citation{foley1994introduction}
181 \citation{comaniciu1999mean}
182 \citation{comaniciu2002mean}
183 \citation{keselman1998extraction}
184 \@writefile{lof}{\contentsline {figure}{\numberline {2.11}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme \textit {k-means} pour un nombre $s$ de segments variant de 2 \IeC {\`a} 5. Chaque couleur est associ\IeC {\'e}e \IeC {\`a} un segment. Les couleurs sont choisies pour une meilleure visualisation des diff\IeC {\'e}rents segments.}}{27}{figure.2.11}}
185 \newlabel{fig-kmeans-cochon}{{2.11}{27}{Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme \textit {k-means} pour un nombre $s$ de segments variant de 2 à 5. Chaque couleur est associée à un segment. Les couleurs sont choisies pour une meilleure visualisation des différents segments}{figure.2.11}{}}
186 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {$s = 2$}}}{27}{figure.2.11}}
187 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {$s = 3$}}}{27}{figure.2.11}}
188 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {$s = 4$}}}{27}{figure.2.11}}
189 \@writefile{lof}{\contentsline {subfigure}{\numberline{(d)}{\ignorespaces {$s = 5$}}}{27}{figure.2.11}}
190 \@writefile{lof}{\contentsline {figure}{\numberline {2.12}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme \textit {mean-shift} pour un rayon de voisinage $r$ de 100, 50, 35 et 25 pixels permettant d'obtenir un nombre $s$ de segments variant respectivement de 2 \IeC {\`a} 5. Le volume minimal admis pour un segment est fix\IeC {\'e} \IeC {\`a} 100 pixels. Chaque couleur est associ\IeC {\'e}e \IeC {\`a} un segment. Les couleurs sont choisies pour une meilleure visualisation des diff\IeC {\'e}rents segments.}}{28}{figure.2.12}}
191 \newlabel{fig-meanshift-cochon}{{2.12}{28}{Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme \textit {mean-shift} pour un rayon de voisinage $r$ de 100, 50, 35 et 25 pixels permettant d'obtenir un nombre $s$ de segments variant respectivement de 2 à 5. Le volume minimal admis pour un segment est fixé à 100 pixels. Chaque couleur est associée à un segment. Les couleurs sont choisies pour une meilleure visualisation des différents segments}{figure.2.12}{}}
192 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {$r=100 \Rightarrow s = 2$}}}{28}{figure.2.12}}
193 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {$r=50 \Rightarrow s = 3$}}}{28}{figure.2.12}}
194 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {$r=35 \Rightarrow s = 4$}}}{28}{figure.2.12}}
195 \@writefile{lof}{\contentsline {subfigure}{\numberline{(d)}{\ignorespaces {$r=25 \Rightarrow s = 5$}}}{28}{figure.2.12}}
196 \@writefile{toc}{\contentsline {subsection}{\numberline {2.5.4}Les contours actifs, ou \textit {snakes}}{28}{subsection.2.5.4}}
198 \citation{osher1988fronts}
199 \citation{adalsteinsson1994fast}
200 \citation{sethian1996fast}
201 \citation{cohen1993surface}
202 \citation{ronfard1994region}
203 \citation{ChesnaudRB99}
204 \citation{GallandBR03}
205 \citation{GermainR01}
206 \citation{arbelaez2011contour}
207 \@writefile{lof}{\contentsline {figure}{\numberline {2.13}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme dit du \textit {snake}, dans sa version originale. Les param\IeC {\`e}tres d'\IeC {\'e}lasticti\IeC {\'e}, de raideur et d'attraction ont \IeC {\'e}t\IeC {\'e} fix\IeC {\'e}s respectivement aux valeurs 5, 0.1 et 5. }}{30}{figure.2.13}}
208 \newlabel{fig-snake-tradi-cochon}{{2.13}{30}{Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme dit du \textit {snake}, dans sa version originale. Les paramètres d'élastictié, de raideur et d'attraction ont été fixés respectivement aux valeurs 5, 0.1 et 5. \relax }{figure.2.13}{}}
209 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {Les \IeC {\'e}tats initial et suivant chacune des trois premi\IeC {\`e}res it\IeC {\'e}rations}}}{30}{figure.2.13}}
210 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {L'\IeC {\'e}tat du contour apr\IeC {\`e}s la septi\IeC {\`e}me it\IeC {\'e}ration}}}{30}{figure.2.13}}
211 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {L'\IeC {\'e}tat du contour apr\IeC {\`e}s la dixi\IeC {\`e}me it\IeC {\'e}ration}}}{30}{figure.2.13}}
212 \@writefile{lof}{\contentsline {subfigure}{\numberline{(d)}{\ignorespaces {L'\IeC {\'e}tat du contour apr\IeC {\`e}s la centi\IeC {\`e}me it\IeC {\'e}ration. C'est le contour final.}}}{30}{figure.2.13}}
213 \@writefile{toc}{\contentsline {subsection}{\numberline {2.5.5}M\IeC {\'e}thodes hybrides}{30}{subsection.2.5.5}}
214 \citation{fluck2006gpu}
215 \citation{lefohn2003interactive}
216 \@writefile{toc}{\contentsline {section}{\numberline {2.6}Les impl\IeC {\'e}mentations GPU des techniques de segmentation}{31}{section.2.6}}
217 \@writefile{toc}{\contentsline {subsection}{\numberline {2.6.1}Calcul d'histogramme}{31}{subsection.2.6.1}}
218 \citation{Vineet:2009:FMS:1572769.1572796}
219 \citation{dixit2005gpu}
221 \citation{kohli2007dynamic}
222 \citation{graphcutscuda}
223 \citation{graphcutscuda}
225 \citation{graphcutscuda}
226 \citation{graphcutscuda}
227 \citation{che2008performance}
230 \citation{che2008performance}
231 \@writefile{toc}{\contentsline {subsection}{\numberline {2.6.2}Partitionnement de graphe}{32}{subsection.2.6.2}}
232 \@writefile{toc}{\contentsline {subsection}{\numberline {2.6.3}K-means, mean-shift et apparent\IeC {\'e}s}{32}{subsection.2.6.3}}
233 \citation{kmeansgpuopengl}
234 \citation{li2009mean}
235 \citation{vedaldi2008quick}
236 \citation{fulkerson2012really}
237 \citation{fulkerson2012really}
238 \@writefile{lof}{\contentsline {figure}{\numberline {2.14}{\ignorespaces \IeC {\'E}volution du nombre de pixels actifs pour les it\IeC {\'e}ration successives de l'impl\IeC {\'e}mentation de l'algorithme push-relabel de \cite {graphcutscuda}. Les petites images montrent la localisation des pixels actifs apr\IeC {\`e}s chaque it\IeC {\'e}ration, en blanc.}}{33}{figure.2.14}}
239 \newlabel{fig-graphcutscuda}{{2.14}{33}{Évolution du nombre de pixels actifs pour les itération successives de l'implémentation de l'algorithme push-relabel de \cite {graphcutscuda}. Les petites images montrent la localisation des pixels actifs après chaque itération, en blanc}{figure.2.14}{}}
240 \citation{fulkerson2012really}
241 \citation{fulkerson2012really}
242 \citation{xiao2010efficient}
243 \citation{lefohn2003inter}
244 \citation{lefohn2003interactive}
245 \citation{rumpf2001level}
246 \citation{rumpf2001level}
247 \citation{lefohn2005streaming}
248 \citation{cates2004gist}
249 \citation{jeong2009scalable}
250 \citation{jeong2009scalable}
251 \@writefile{lof}{\contentsline {figure}{\numberline {2.15}{\ignorespaces Segmentation d'une image couleur de 512$\times $512 pixels par l'impl\IeC {\'e}mentation GPU quick-shift de \cite {fulkerson2012really}.}}{34}{figure.2.15}}
252 \newlabel{fig-quickshift-yo}{{2.15}{34}{Segmentation d'une image couleur de 512$\times $512 pixels par l'implémentation GPU quick-shift de \cite {fulkerson2012really}}{figure.2.15}{}}
253 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {Image originale}}}{34}{figure.2.15}}
254 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {$\tau =10$ et $\sigma =2$}}}{34}{figure.2.15}}
255 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {$\tau =10$ et $\sigma =10$}}}{34}{figure.2.15}}
256 \@writefile{lof}{\contentsline {subfigure}{\numberline{(d)}{\ignorespaces {$\tau =20$ et $\sigma =10$}}}{34}{figure.2.15}}
257 \@writefile{toc}{\contentsline {subsection}{\numberline {2.6.4}Snakes et Level set}{34}{subsection.2.6.4}}
258 \citation{Roberts:2010:WGA:1921479.1921499}
259 \citation{lefohn2003inter}
260 \@writefile{lof}{\contentsline {figure}{\numberline {2.16}{\ignorespaces Segmentation d'une image couleur de 2256$\times $3008 pixels.}}{35}{figure.2.16}}
261 \newlabel{fig-meanshift-castle}{{2.16}{35}{Segmentation d'une image couleur de 2256$\times $3008 pixels}{figure.2.16}{}}
262 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {Image originale}}}{35}{figure.2.16}}
263 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {Image segment\IeC {\'e}e par mean-shift standard}}}{35}{figure.2.16}}
264 \@writefile{lof}{\contentsline {subfigure}{\numberline{(c)}{\ignorespaces {Image segment\IeC {\'e}e par mean-shift kd-tree}}}{35}{figure.2.16}}
265 \citation{snakegvf06}
266 \citation{bauer2009segmentation}
267 \citation{li2011robust}
268 \citation{snakegvfopencl12}
269 \citation{snakegvf06}
270 \citation{zheng2012fast}
271 \newlabel{fig-l7-brain}{{2.17(a)}{36}{Subfigure 2 2.17(a)\relax }{subfigure.2.17.1}{}}
272 \newlabel{sub@fig-l7-brain}{{(a)}{36}{Subfigure 2 2.17(a)\relax }{subfigure.2.17.1}{}}
273 \newlabel{fig-l7-reins}{{2.17(b)}{36}{Subfigure 2 2.17(b)\relax }{subfigure.2.17.2}{}}
274 \newlabel{sub@fig-l7-reins}{{(b)}{36}{Subfigure 2 2.17(b)\relax }{subfigure.2.17.2}{}}
275 \@writefile{lof}{\contentsline {figure}{\numberline {2.17}{\ignorespaces Segmentation d'images issues d'examens IRM par la m\IeC {\'e}thode des level set \IeC {\`a} bande \IeC {\'e}troite.}}{36}{figure.2.17}}
276 \newlabel{fig-l7-narrow}{{2.17}{36}{Segmentation d'images issues d'examens IRM par la méthode des level set à bande étroite}{figure.2.17}{}}
277 \@writefile{lof}{\contentsline {subfigure}{\numberline{(a)}{\ignorespaces {Cerveau 256$\times $256$\times $256 en 7~s}}}{36}{figure.2.17}}
278 \@writefile{lof}{\contentsline {subfigure}{\numberline{(b)}{\ignorespaces {Reins et aorte, 256$\times $256$\times $272 en 16~s}}}{36}{figure.2.17}}
279 \citation{li2011robust}
280 \citation{snakegvfopencl12}
281 \citation{arbelaez2011contour}
283 \citation{martin2001database}
284 \citation{bresenham1965algorithm}
285 \citation{martin2001database}
286 \citation{martin2001database}
287 \@writefile{toc}{\contentsline {subsection}{\numberline {2.6.5}Algorithmes hybrides}{37}{subsection.2.6.5}}
288 \@writefile{lof}{\contentsline {figure}{\numberline {2.18}{\ignorespaces Extraction de contour par la version GPU de l'algorithme gPb. Les images sont issues de la base BSDS \cite {martin2001database}}}{38}{figure.2.18}}
289 \newlabel{fig-gPb}{{2.18}{38}{Extraction de contour par la version GPU de l'algorithme gPb. Les images sont issues de la base BSDS \cite {martin2001database}\relax }{figure.2.18}{}}
290 \@writefile{toc}{\contentsline {chapter}{\numberline {3}La segmentation orient\IeC {\'e}e r\IeC {\'e}gions dans les images bruit\IeC {\'e}es}{39}{chapter.3}}
291 \@writefile{lof}{\addvspace {10\p@ }}
292 \@writefile{lot}{\addvspace {10\p@ }}
293 \@writefile{toc}{\contentsline {section}{\numberline {3.1}Pr\IeC {\'e}sentation - existant}{39}{section.3.1}}
294 \@writefile{toc}{\contentsline {section}{\numberline {3.2}La parall\IeC {\`e}lisation du snake polygonal}{39}{section.3.2}}
295 \@writefile{toc}{\contentsline {chapter}{\numberline {4}Le filtrage des images sur GPU}{41}{chapter.4}}
296 \@writefile{lof}{\addvspace {10\p@ }}
297 \@writefile{lot}{\addvspace {10\p@ }}
298 \@writefile{toc}{\contentsline {section}{\numberline {4.1}Algorithme de r\IeC {\'e}duction de bruit par recherche des lignes de niveaux}{41}{section.4.1}}
299 \@writefile{toc}{\contentsline {section}{\numberline {4.2}Filtre m\IeC {\'e}dian}{41}{section.4.2}}
300 \@writefile{toc}{\contentsline {section}{\numberline {4.3}Filtres de convolution}{41}{section.4.3}}
303 \@writefile{toc}{\contentsline {chapter}{\numberline {5}Conclusion g\IeC {\'e}n\IeC {\'e}rale}{43}{chapter.5}}
304 \@writefile{lof}{\addvspace {10\p@ }}
305 \@writefile{lot}{\addvspace {10\p@ }}
306 \bibcite{kddcup99}{1}
307 \bibcite{kodakccd}{2}
308 \bibcite{adalsteinsson1994fast}{3}
309 \bibcite{agarwal2002exact}{4}
310 \bibcite{aldinucci2012parallel}{5}
311 \bibcite{arbelaez2011contour}{6}
312 \bibcite{arora1998approximation}{7}
313 \bibcite{bauer2009segmentation}{8}
314 \bibcite{bertaux2004speckle}{9}
315 \bibcite{boykov2004experimental}{10}
316 \bibcite{bresenham1965algorithm}{11}
317 \bibcite{1467423}{12}
318 \bibcite{BuadesCM06}{13}
319 \bibcite{Caselles99topographicmaps}{14}
320 \bibcite{5459410}{15}
321 \bibcite{cates2004gist}{16}
322 \bibcite{chandran2009computational}{17}
323 \bibcite{che2008performance}{18}
325 \bibcite{1093941}{20}
326 \bibcite{cheng1995mean}{21}
327 \bibcite{cherkassky1997implementing}{22}
328 \bibcite{ChesnaudRB99}{23}
329 \bibcite{cohen1993surface}{24}
330 \bibcite{comaniciu1999mean}{25}
331 \bibcite{comaniciu2002mean}{26}
332 \bibcite{cutrona1990synthetic}{27}
333 \bibcite{Dabov06imagedenoising}{28}
334 \bibcite{Dabov09bm3dimage}{29}
335 \bibcite{Daubechies:1992:TLW:130655}{30}
336 \bibcite{dixit2005gpu}{31}
337 \bibcite{elad2006image}{32}
338 \bibcite{felzenszwalb2004efficient}{33}
339 \bibcite{fluck2006gpu}{34}
340 \bibcite{foley1994introduction}{35}
341 \bibcite{ford1955simple}{36}
342 \bibcite{fukunaga1975estimation}{37}
343 \bibcite{fulkerson2012really}{38}
344 \bibcite{GallandBR03}{39}
345 \bibcite{GermainR01}{40}
346 \bibcite{nlmeansgpubelge}{41}
347 \bibcite{snakegvf06}{42}
348 \bibcite{healey1994radiometric}{43}
349 \bibcite{hochbaum2013simplifications}{44}
350 \bibcite{5170921}{45}
351 \bibcite{humphrey1924psychology}{46}
352 \bibcite{jeong2009scalable}{47}
353 \bibcite{5402362}{48}
354 \bibcite{KassWT88}{49}
355 \bibcite{keselman1998extraction}{50}
356 \bibcite{cmla2009Kes}{51}
357 \bibcite{kohli2007dynamic}{52}
358 \bibcite{lefohn2003inter}{53}
359 \bibcite{lefohn2003interactive}{54}
360 \bibcite{lefohn2005streaming}{55}
361 \bibcite{li2009mean}{56}
362 \bibcite{li2011robust}{57}
363 \bibcite{macqueen1967some}{58}
364 \bibcite{Mallat:2008:WTS:1525499}{59}
365 \bibcite{mancuso2001introduction}{60}
366 \bibcite{martin2001database}{61}
368 \bibcite{osher1988fronts}{63}
369 \bibcite{4310076}{64}
370 \bibcite{PALHANOXAVIERDEFONTES}{65}
371 \bibcite{pelleg2000x}{66}
372 \bibcite{4287006}{67}
373 \bibcite{1521458}{68}
374 \bibcite{4587843}{69}
375 \bibcite{Roberts:2010:WGA:1921479.1921499}{70}
376 \bibcite{ronfard1994region}{71}
377 \bibcite{rumpf2001level}{72}
378 \bibcite{6288187}{73}
379 \bibcite{sethian1996fast}{74}
380 \bibcite{kmeansgpuopengl}{75}
381 \bibcite{shi2000normalized}{76}
382 \bibcite{snakegvfopencl12}{77}
383 \bibcite{convolutionsoup}{78}
384 \bibcite{graphcutscuda}{79}
385 \bibcite{strang1999discrete}{80}
386 \bibcite{theuwissen2001ccd}{81}
388 \bibcite{tukey77}{83}
389 \bibcite{vedaldi2008quick}{84}
390 \bibcite{4563095}{85}
391 \bibcite{Vineet:2009:FMS:1572769.1572796}{86}
392 \bibcite{wang2001image}{87}
393 \bibcite{wang2003image}{88}
394 \bibcite{Wang04imagequality}{89}
395 \bibcite{wu1993optimal}{90}
396 \bibcite{xiao2010efficient}{91}
397 \bibcite{5206542}{92}
398 \bibcite{Zahn:1971:GMD:1309266.1309359}{93}
399 \bibcite{zheng2011performance}{94}
400 \bibcite{zheng2012fast}{95}
401 \citation{zheng2011performance}
402 \citation{graphcutscuda}
403 \citation{fulkerson2012really}
404 \citation{martin2001database}
