S. Sevestre

Sylvie SEVESTRE 





sevestre@math-info.univ-paris5.fr 

   UFR Math-Info,
   45, rue des Saints-Pères,
   75270 Paris cedex 06, FRANCE 
   Tel: 33 (0)1 44 55 35 25 
   Fax: 33 (0)1 44 55 35 35 

Membre de l'équipe de recherche     (PRobabilités, Images et Signaux MEdicaux)

Spécialités :

Traitement statistique d'images, champs de Markov 
Processus spaciaux, Imagerie médicale 






PROJETS

PUBLICATIONS


 

PROJETS


Mon thème de recherche s'inscrit dans le cadre des Mathématiques appliquées et, plus précisément, dans celui des Probabilités appliquées. La démarche est d'utiliser des techniques stochastiques pour répondre à des applications précises faisant appel à l'analyse et au traitement d'images. Les techniques que j'ai pu utiliser, dans le cadre d'applications, sont essentiellement celles des processus bidimensionnels (champ Markovien, processus fractionnaire, processus ponctuel...)
Les projets de recherche auxquels j'ai pu participer ont été motivés par deux types d'applications.


PUBLICATIONS   RETOUR

 
 

APPLICATIONS AGRONOMIQUES

Analyse de couverts végétaux

Cette étude réalisée au laboratoire de Biométrie - INRA - Jouy en Josas, s'est faite en collaboration avec le laboratoire de Bioclimatologie INRA de Grignon. Les images de couverts végétaux étudiées sont ici des images couleurs de couverts de maïs prises à trois mètres environ au-dessus de la végétation. A cette résolution, ces images possèdent de nombreux pixels mixtes (contenant à la fois du sol et de la végétation). A partir des données multispectrales, on a étudié le problème de la reconstruction, en chaque pixel de l'image, de la proportion de sol et de végétation, intervenant dans l'estimation de l'indice foliaire. L'approche adoptée est celle des champs Markoviens qui permet de coordonner des informations locales et globales sur l'image (Sevestre & Laredo, 94). J'ai été amenée à développer des méthodes statistiques pour l'estimation des paramètres du modèle optimisant l'erreur d'estimation sous la contrainte du calcul en temps réel. Ce travail s'est poursuivi par la mise en place d'un algorithme permettant de déterminer la meilleure paramétrisation du modèle suivant un critère de reconstruction d'image. Cet algorithme est basé sur des techniques de régression non linéaire pour la calibration (Sevestre, 96).
 

Détection de mauvaises herbes

Lors de mon post-doctorat au département de Mathématiques et Physique de l'Université Royal Veterinary and Agricultural de Copenhague, j'ai pu travailler sur l'estimation de densité de mauvaises herbes par l'analyse d'images couleur d'une culture à un stade précoce de la croissance. Là encore, les images sont d'assez haute résolution puisqu'elles sont acquises à un mètre du sol. La méthode consiste tout d'abord à appliquer sur les trois canaux de l'image une transformation simple permettant d'obtenir une image ``contraste'' entre la végétation et le sol. Une modélisation de l'histogramme de l'image par un mélange de deux gaussiennes tronquées, a permis de seuiller ce dernier sous la contrainte d'erreur minimale suivant cette modélisation. On a ainsi construit une image binaire correspondant à la classification des pixels suivant les deux classes ``sol'' et ``végétation''. Pour détecter les segments utilisés dans le comptage de mauvaises herbes, un algorithme récursif basé sur les opérateurs de morphologie mathématiques a été réalisé et appliqué à ce dernier type d'images. A l'aide d'une modélisation par processus ponctuel, un estimateur prenant en compte les effets de bords liés au possible recouvrement partiel ou total de certaines mauvaises herbes par la plante cultivée a été proposé (Rudemo et al, 95Andreasen et al, 97 ).
 

Construction d'une typologie du sol par analyse de texture(en cours)

Le travail présenté ici s'intègre dans le projet SIRSSIT-BMV proposé par E. Braudeau pédologue en Physique des sols irrigués de l'Institut de Recherche et Développement qui a démarré début 1998.
Les images, qui sont étudiées ici, sont des images de zones de terre à différents stades hydriques et prises à environ deux mètres du sol par un couple de caméra de stéréovision. L'objectif est de construire une typologie du sol à l'aide des techniques de modèles de texture de l'analyse d'images permettant de caractériser le fonctionnement hydro-structural du sol. Ce dernier se traduit par un changement d'aspect de la surface du sol et peut faire apparaître des fentes pour de faibles taux hydriques. Le travail prévu pour l'année universitaire en cours, est de réaliser la première étape de cette étude, à savoir de déterminer dans l'ensemble des paramètres classiques de texture, de forme et de réflectance, ceux présentant une forte corrélation avec le fonctionnement hydro-structural du sol.

PROJETS   PUBLICATIONS  RETOUR

 
 

APPLICATIONS A L'IMAGERIE MEDICALE


La médecine est un des grands champs d'application de l'analyse et le traitement d'images. On en recense de nombreuses dans le domaine de l'imagerie par résonnance magnétique et de la radiologie pour l'aide au diagnostic, et récemment dans le domaine de la télémédecine. Les applications traitées par l'équipe PRISME sont issues des deux derniers. En effet, ces applications sont : la détection de microcalcifications dans des images de mammographies, la détection de la maladie de l'ostéoporose à partir d'images de radiographie, et enfin la télémédecine. Ces deux dernières applications constituent actuellement deux axes importants de mes travaux de recherche.
 

Détection de la maladie de l'ostéoporose(en cours)

La maladie de l'ostéoporose se manifeste par une diminution de la masse osseuse mais aussi par une modification de la micro-architecture de l'os. Les Docteurs Benhamou et Lespessailles du service de rhumathologie du CHR d'Orléans travaillent sur l'élaboration d'une méthode non-invasive permettant de détecter la maladie de l'ostéoporose. Leur idée est d'utiliser des méthodes d'analyse d'images pour extraire des images de clichés de radiographie du talon, une information sur l'état de l'architecture de l'os.
Afin de caractériser l'état de l'architecture osseuse, nous avons choisi de modéliser le signal issu des travées osseuses par un mouvement Brownien fractionnaire. Après avoir localisé ces dernières par un seuillage suivant la moyenne locale de l'image originale, on utilise l'histogramme du paramètre du modèle estimé sur chaque signal extrait du réseau de travées, pour caractériser l'image (Sevestre-Ghalila et al, 99).
Parallèlement, l'étude des données inhérentes au diagnostic de la maladie de l'ostéoporose s'est poursuivi par une collaboration avec le service de Radiologie de l'hôpital Charles Nicolle de Tunis. On a ici étudié l'ensemble des données recueillies par le service lors d'un examen d'ostédensitométrie. Ce dernier consiste à saisir deux images rayon X des zones osseuses les plus exposées à la maladie, à savoir le col du fémur et la zone lombaire. Le service accompagne ces images d'un ensemble d'informations concernant les habitudes domestiques du patient examiné. Nous avons réalisé et mis en place une base de données spécifiques à ostéodensitométrie ainsi qu'un logiciel l'alimentant. Par des méthodes classiques de statistiques inférentielles, on a pu exploiter les données déjà acquises dans la base de données et mettre en évidence une influence positive de la consommation d'huile d'olive sur la densité minérale osseuse (Kribi et al, preprint).
 

Télémédecine (en cours)

L'étude présentée ci-dessous est réalisée en collaboration avec le service de Radiologie de Charles Nicolle de Tunis et le service de Radiologie (A) de l'hôpital Cochin (Université René Descartes) qui ce dernier bénéficie déjà d'un équipement de télémédecine. Malgré le coût, les problèmes techniques, éthiques et déontologiques inhérents à l'utilisation de cette technologie dans le domaine médical, elle connaît, ces cinq dernières années, un succès grandissant auprès de nombreuses équipes. Ceci s'explique facilement par le fait qu'elle leurs permet de bénéficier, et de faire bénéficier, de connaissances pointues sans déplacement humain, ce dernier s'avérant fréquemment inenvisageable. Cela représente donc aussi une perspective dans l'aide au développement dans le domaine de la santé publique. C'est l'idée du service de Radiologie de Charles Nicolle de Tunis qui sera relié dès juin 1999 à celui de l'hôpital de Kef (Tunisie) situé à 200 kilomètres de Tunis. Il pourra donc faire bénéficier cet hôpital, isolé dans les montagnes du nord-ouest, de ses compétences reconnues à travers le Mahgreb.

Les images sont ici des radiographies classiques des membres du corps et sont issues de la saisie avant transmission par réseau numérique. Deux axes de recherche sont parallelement dévellopés dans ce projet.
Le premier est celui de la compression sans perte d'image par décompression progressive par zone d'intérêt. L'exploitation des méthodes mises en oeuvre permettront tout d'abord un visualisation économique en temps de transfert des zones utilisées par l'expert pour établir son diagnostic. Par la suite, une base de données associant image et diagnostic sera construite à partir des images issues du transfert et qui sera exploitée dans le cadre de la formation des étudiants en Radiologie. Le choix des méthodes de compression s'étend alors à celles des méthodes presque sans pertes (Benazza, et al  98). Ces dernières méthodes de compression presque sans perte, bien moins coûteuses que celles de la compression sans perte, sont donc bien adaptées à cette application puisqu'il s'agit non pas de fournir une aide au diagnostic mais bien une aide à l'apprentissage de ce dernier.
Le second axe de recherche est celui de l'analyse d'image basée sur des méthodes d'analyse de texture en vue d'apporter une aide au diagnostic. Il s'agit ici de détecter des fêlures ou fractures dont l'expert pourra extraire des statistiques de base.

PROJETS   RETOUR

 
 

PUBLICATIONS


KRIBI, L., HAMAZA, R., SEVESTRE-GHALILA, S., CHAKCHOUK, M., BENAZZA, A.
Effet de l'alimentation sur la densité minérale osseuse,
Preprint.
 

SEVESTRE-GHALILA, S., XIONG, W., ISTAS, J.
Analyse de textures basée sur l'indice de Hölder. Application à la détection de l'ostéoporose par imagerie médicale
TAIMA'99, Hammamet (Tunisie) 1999.
 

BENAZZA, A., MARZOUK, K., SEVESTRE-GHALILA, S.
Fast fractal image coding for progressive reconstruction.
JTEA'98 , Tunis (Tunisie) (1998).
 

ANDREASEN, C., RUDEMO, M., SEVESTRE, S.
Assessment of weed densities in spring barley (Hordeum vulgare) by image analysis.
Asian-Pacific Weed Science Society Conference, Kuala Lumpur (Malaysia) pp 54-58 (1997).
 

SEVESTRE, S.
Reconstruction of continuous label of colour image based on MRF-model.
In: Stochastic Geometry : Theory and Applications, Séminaires Européens de Statistiques, Toulouse (1996).
 

RUDEMO, M., SEVESTRE, ANDREASEN, C.
Marked point processes for crop-weed images.
Scandinavian congress in Image Analysis (1995).
 

SEVESTRE, S.,
Analysis of textured images.
Dina-seminar, Royal Veterinay and Agricultural University, Copenhague (1994).
 

SEVESTRE, S., LAREDO, C.
Analyse d 'images couleur de couvert végétaux.
XXVIèmes jounées de Statistique, Neuchâtel (1994).
 

SEVESTRE, S.,
Segmentation sol-végétation d'image couleur de couverts végétaux.
Séminaire réduction des intrants et amélioration de l'environnement, CEMAGREF-INRA-ITCF-RHONE POULENC, Lyon (1993).
 

PROJETS   PUBLICATIONS  RETOUR