Traitement d’image
Des informaticiens de l’UdeS améliorent la détection automatisée intelligente
Des informaticiens de l’Université de Sherbrooke et leurs collaborateurs ont mis au point une nouvelle approche intelligente pour la reconnaissance d’objets dans une image : un algorithme qui permet d’améliorer la performance et la précision de la reconnaissance. Les chercheurs à l’origine de cette avancée ont d'ailleurs remporté le prix du meilleur article lors de la 7e Canadian Conference on Computer and Robot Vision, le 2 juin à Ottawa.
Comment détecter automatiquement une tumeur en imagerie médicale et bombarder de rayons uniquement les cellules tumorales? Que faire pour améliorer une évaluation environnementale alors qu’une incertitude de quelques pixels sur une image satellite peut se traduire par des kilomètres d’erreur sur le terrain?
«La précision de détection est jusqu’à 50 % plus élevée que les systèmes existants qui ne tiennent pas toujours compte de la qualité de l’image elle-même», explique le professeur Djemel Ziou, titulaire de la Chaire CRSNG-Bell Canada en imagerie numérique personnelle.
Si vous souhaitez reconnaître automatiquement un pois vert dans une image, traditionnellement un système de reconnaissance parcourt l’image par sections et détecte l’objet par comparaison de critères recherchés : couleur verte; forme circulaire; texture lisse… Mais la performance peut chuter considérablement si les pois sont étalés sur un gazon de couleur identique…
Le professeur Ziou et ses collaborateurs, Sabri Boutemedjet, chargé de cours à l’UdeS, et les professeurs Mohand Said Allili, de l’Université du Québec en Outaouais, et Nizar Bouguila, de l’Université Concordia, ont mis au point un système adaptatif pour régler le problème. «Nous avons introduit une intelligence pour sélectionner automatiquement certaines caractéristiques d’un objet dans une image en tenant compte des paramètres de l’image elle-même», poursuit Djemel Ziou.
Le professeur Ziou souhaite maintenant intégrer cette nouvelle approche dans un système de détection complet comme ceux développés en imagerie médicale. «Nous n’en sommes encore qu’aux premiers contacts avec des chercheurs de la Faculté de médecine et des sciences de la santé, mais si nous démontrons aux médecins que la détection automatisée de certaines pathologies est suffisamment fiable et précise, alors ils pourront intégrer cette approche dans leurs outils de diagnostic», conclut le chercheur.