4DGVF : segmentation variationnelle pour images 3D multicomposantes

RÉSUMÉ. Dans cet article, nous généralisons le flot de vecteurs gradients (GVF) pour les images à valeurs vectorielles. Nous basons notre méthode sur la définition d’un tenseur de structure multicomposante pondéré par une estimation aveugle du contraste, exploitant l’intégralité de l’information spatio-spectrale pour réduire la sensibilité au bruit et affiner les orientations du champ de forces dans l’image. Le champ de forces ainsi produit tire profit des directions et amplitudes du gradient déduites de l’analyse de la structure locale. Appliquée à la segmentation de volumes biologiques en imagerie par tomographie d’émission de positrons (TEP) 3D dynamique, nous validons notre méthode sur des simulations Monte Carlo réalistes d’images TEP de fantômes numériques et présentons des résultats sur des images TEP dynamiques réelles. Les performances obtenues sur ce type d’images confirment l’intérêt de l’approche multicomposante de surfaces actives proposée.