This thesis deals with image segmentation problems that arise in various computer vision related fields such as medical imaging, satellite imaging, video surveillance, recognition and robotic vision. More specifically, this thesis deals with a special class of image segmentation technique called Snakes or Active Contour Models. In active contour models, image segmentation is posed as an energy minimization problem, where an objective energy function (based on certain image related features) is defined on the segmenting curve (contour). Typically, a gradient descent energy minimization approach is used to drive the initial contour towards a minimum for the defined energy. The drawback associated with this approach is that the contour has a tendency to get stuck at undesired local minima caused by subtle and undesired image features/edges. Thus, active contour based curve evolution approaches are very sensitive to initialization and noise. The central theme of this thesis is to develop techniques that can make active contour models robust against certain classes of local minima by incorporating global information in energy minimization. These techniques lead to energy minimization with global considerations; we call these models -- 'Non-local active contours'. In this thesis, we consider three widely used active contour models: 1) Edge- and region-based segmentation model, 2) Prior shape knowledge based segmentation model, and 3) Motion segmentation model. We analyze the traditional techniques used for these models and establish the need for robust models that avoid local minima. We address the local minima problem for each model by adding global image considerations.

L'objectif de cette recherche est de construire un modèle réduit de petite dimension pour prévoir les réponses dynamiques dans une bande BF sur les parties rigides d'un véhicule automobile complet. Un tel modèle réduit "léger" est une aide à la phase de conception en "Avant Projet" de ces véhicules qui ont la particularité de présenter de nombreux modes élastiques locaux en BF dues à la présence de nombreuses parties flexibles et d'équipements. Pour la construction du modèle réduit, nous avons introduit une base non usuelle de l'espace admissible des déplacements globaux. La construction de cette base requiert la décomposition en sous-domaines du domaine de la structure qui peut présenter une très grande complexité géométrique et dont les modèles EF font intervenir de très nombreux types d'éléments finis. Cette décomposition en sous-domaines a été réalisée par la Fast Marching Method que nous avons due étendre pour pouvoir traiter la complexité des modèles EF des véhicules automobiles. Puis les équations matricielles du modèle EF sont projetées sur cette base. Afin de prendre en compte les incertitudes sur les paramètres du modèle, les incertitudes de modèle induites par les erreurs de modélisation et enfin les incertitudes liées à la non prise en compte des contributions locales dans le modèle réduit des déplacements globaux, un unique modèle probabiliste non paramétrique de ces trois sources d'incertitude a été implémenté sur le modèle réduit construit avec les vecteurs propres globaux. Les paramètres de dispersion de ce modèle probabiliste ont été identifiés en utilisant le principe du maximum de vraisemblance et des réponses obtenues à l'aide d'un modèle stochastique de référence qui inclut des informations expérimentales résultant de travaux précédents. Le modèle réduit stochastique, pour la prévision des déplacements globaux sur les parties rigides dans la bande BF qui a été développé, a été validé sur un modèle de structure automobile "nue" puis a été appliqué avec succès sur un modèle complet de véhicule automobile

To aid diagnosis, treatment planning, and patient education, clinicians require tools to anal- yse and explore the increasingly large three-dimensional (3-D) datasets generated by modern medical scanners. Direct volume rendering is one such tool finding favour with radiologists and surgeons for its photorealistic representation. More recently, volume illustration — or non-photorealistic rendering (NPR) — has begun to move beyond the mere depiction of data, borrowing concepts from illustrators to visually enhance desired information and suppress un- wanted clutter. Direct volume rendering generates images by accumulating pixel values along rays cast into a 3-D image. Transfer functions allow users to interactively assign material properties such as colour and opacity (a process known as classification). To achieve real-time framerates, the rendering must be accelerated using a technique such as 3-D texture mapping on commod- ity graphics processing units (GPUs). Unfortunately, current methods do not allow users to intuitively enhance regions of interest or suppress occluding structures. Furthermore, addi- tional scalar images describing clinically relevant measures have not been integrated into the direct rendering method. These tasks are essential for the effective exploration, analysis, and presentation of 3-D images. This body of work seeks to address the aforementioned limitations. First, to facilitate the research program, a flexible architecture for prototyping volume illustration methods is pro- posed. This program unifies a number of existing techniques into a single framework based on 3-D texture mapping, while also providing for the rapid experimentation of novel methods. Next, the prototyping environment is employed to improve an existing method—called tagged volume rendering — which restricts transfer functions to given spatial regions using a number of binary segmentations (tags). An efficient method for implementing binary tagged volume rendering is presented, along with various technical considerations for improving the classifi- cation. Finally, the concept of greyscale tags is proposed, leading to a number of novel volume visualisation techniques including position modulated classification and dynamic exploration. The novel methods proposed in this work are generic and can be employed to solve a wide range of problems. However, to demonstrate their usefulness, they are applied to a specific case study. Ischaemic heart disease, caused by narrowed coronary arteries, is a leading healthconcern in many countries including Australia. Computed tomography angiography (CTA) is an imaging modality which has the potential to allow clinicians to visualise diseased coronary arteries in their natural 3-D environment. To apply tagged volume rendering for this case study, an active contour method and minimal path extraction technique are proposed to segment the heart and arteries respectively. The resultant images provide new insight and possibilities for diagnosing and treating ischaemic heart disease.

Formation planning and control for multi-agent robotic systems enables tasks to be completed more efficiently and robustly compared to using a single agent. Applications are found in fields such as agriculture, mining, autonomousvehicle platooning, surveillance, space exploration, etc. In this paper, a complete framework for formation path planning for holonomic ground robots in an obstacle-rich environment is proposed. The method utilizes the Fast Marching Square (FM2) path planning algorithm, and a formation keeping approach which falls within the Leader-Follower category. Contrary to most related works, the role of leader is dynamically assigned to avoid unnecessary rotation of the formation. Furthermore, the roles of the followers are also dynamically assigned to fit the current geometry of the formation. A flexible spring-damper system prevents inter-robot collisions and helps maintain the formation shape. An obstacle avoidance step at the end of the pipeline keeps the spring forces from driving robots into obstacles. The framework is tested on a formation consisting of three Unitree Go1 quadruped robots, both in the Gazebo simulation environment and in lab experiments. The results are successful and indicate that the method is feasible, although further work is needed to adjust the role assignment for larger formations, combine the framework with Simultaneous Localization and Mapping (SLAM) and provide a more robust handling of dynamic obstacles.

L'athérosclérose est une atteinte de la paroi des vaisseaux, qui détériore progressivement la circulation du sang à mesure qu'elle évolue. Les crises cardiaques et les attaques cérébrales qui sont les conséquences de cette maladie causent, dans les pays industrialisés, plus de décès que le cancer. L'angiographie est l'ensemble des techniques d'imagerie utilisées durant le diagnostic, le traitement, et le suivi de l'athérosclérose. Récemment, il a été montré que l'angiographie par Résonance Magnétique (ARM) avait un fort potentiel pour remplacer l'angiographie conventionnelle, invasive, par imagerie à rayons X. Cependant, pour exploiter toutes les informations apportées par cette modalité, il est nécessaire de mettre au point des méthodes plus objectives et plus reproductibles.<br />Cette thèse montre, à l'aide de deux applications, comment l'analyse d'images peut proposer une solution pour la définition et l'implémentation de ces méthodes. Premièrement, en utilisant la segmentation pour améliorer la visualisation de clichés d'ARM utilisant des produits de contraste du pool sanguin. Cette technique est aussi appliquée en angiographie scanner. Nous montrons que, en utilisant un algorithme issu de la théorie des graphes et de la logique floue, associé à une interaction limitée avec un utilisateur expert, nous pouvons simplifier la visualisation de structures 3D complexes comme les arbres vasculaires. Deuxièmement, nous proposons une méthodologie pour analyser la géométrie des artères en ARM corps entier. La ligne centrale des artères est extraite, et les propriétés géométriques de cette courbe 3D sont calculées, pour améliorer l'interprétation des angiogrammes. Ces techniques sont le point de départ d'une approche plus globale que la procédure conventionnelle d'évaluation de l'athérosclérose, dans l'espoir un jour d'utiliser ces méthodes pour un suivi systématique des maladies vasculaires.<br />Nous avons développé les méthodes que nous présentons dans le but qu'elles soient utilisées dans la pratique clinique. Cependant, elle peuvent potentiellement être utilisées pour d'autres applications de l'analyse d'images.

Dans cette thèse, nous nous intéressons à des problèmes de segmentation d'images sous contraintes géométriques. Cette problématique a émergé suite à l'analyse de plusieurs méthodes classiques de détection de contours qui a été faite. En effet, ces méthodes classiques (Modèles déformables, contours actifs géodésiques, 'fast marching', etc...) se révèlent caduques quand des données de l'image sont manquantes ou de mauvaise qualité. En imagerie médicale par exemple, des phénomènes d'occlusion peuvent se produire : des organes peuvent se masquer en partie l'un l'autre (ex du foie). Par ailleurs, deux objets qui se jouxtent peuvent posséder des textures intrinsèques homogènes si bien qu'il est difficile d'identifier clairement l'interface entre ces deux objets. La définition classique d'un contour qui est caractérisé comme étant le lieu des points connexes présentant une forte transition de luminosité ne s'applique donc plus. Enfin, dans certains contextes d'étude, comme en géophysique, on peut disposer en plus des doneées d'imagerie, de données géométriques à intégrer au processus de segmentation.<br /><br />Pour pallier ces difficultés, nous proposons ici des modèles de segmentation intégrant des contraintes géométriques et satisfaisant les critères classiques de détection avec en particulier la régularité sur le contour que cela implique.