Reconnaissance
3D de grains de pollen basée sur la connaissance palynologique
LES AUTEURS
A. Boucher, J. Belmonte, P. Hidalgo, M. Thonnat, C. Galan
RESUME:
L'identification et le comptage des grains de pollen d'une lame microscopique
est un exercice long et fastidieux. L'objectif de cette étude est le développement
d'un système semi-automatique de reconnaissance de grains de pollen. Les grains
de pollens sont numérisés depuis un microscope optique (grossissement 60x) en
des séquences de 100 images (pas de 0,5 microns) prises à différents niveaux de
focus pour représenter les grains en 3D. La reconnaissance s'appuie sur des connaissances
palynologiques décrivant les types de pollen et aérobiologiques telles que les
calendriers polliniques des régions étudiées. L'identification du type d'un grain
de pollen s'effectue en deux étapes : calcul de mesures globales sur la coupe
centrale du grain (2D), puis recherche de caractéristiques spécifiques dans la
séquence (3D). La première étape consiste à isoler le grain dans la coupe centrale
et à calculer un certain nombre de paramètres comme la couleur (RVB), la taille,
la forme, la convexité, etc. Ces paramètres permettent au système d'établir les
premières estimations sous la forme d'une liste triée de solutions possibles (hypothèses).
La deuxième étape s'appuie sur la connaissance des types de pollen pour tester
différentes caractéristiques possibles en fonction des hypothèses de solution
existantes. Par exemple, le système testera la présence ou non d'un cytoplasme
pour un Cupressaceae, d'un pore pour un Poaceae, d'un réticule pour un Olea, etc.
Ces caractéristiques sont recherchées en fonction de leurs positions possibles
: images d'intérêts dans la séquence et régions d'intérêts dans ces images. La
méthode utilisée segmente d'abord plusieurs images 2D en parallèle pour ensuite
valider la présence ou non de la caractéristique en 3D en confrontant les différentes
segmentations. Ces résultats sont ensuite utilisés pour mettre à jour les hypothèses
de solution courantes. Présentement, ce système est développé en utilisant une
base d'images représentant 350 grains de pollen de 30 types différents. Les résultats
préliminaires de ce système montrent un taux de reconnaissance de 73%.
Mots clé:
Pour télécharger cet article,
cliquez ici
BibTeX reference:
Dernière mise à jour : octobre 9, 2001
Agnes.Cortell@sophia.inria.fr