Orientador: Neucimar Jerônimo Leite / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-18T03:31:34Z (GMT). No. of bitstreams: 1 Teixeira_RaoniFlorentinodaSilva_M.pdf: 2781592 bytes, checksum: f95e3e81dccde47709f471564d50db1c (MD5) Previous issue date: 2011 / Resumo: A identificação baseada em impressões digitais tem recebido considerável atenção nos últimos anos devido à crescente procura pela identificação automática de indivíduos, tanto em aplicações forenses quanto empresariais, por exemplo. Uma importante etapa que deve ser considerada nessas aplicações é a segmentação da imagem que constitui a impressão digital. Nesse contexto, o termo segmentação refere-se à separação da imagem em duas regiões, denominadas área da impressão (foreground) e fundo (background), a fim de evitar que características utilizadas no reconhecimento e/ou classificação das impressões digitais correspondentes sejam extraídas de regiões impróprias. Normalmente, as abordagens de segmentação encontradas na literatura não consideram imagens provenientes de diferentes bases de dados (ou sensores), em virtude da diversidade das propriedades e características encontradas em cada sensor e, em geral, o desempenho dos métodos existentes é baixo quando lidam com bases de dados heterogênias. Neste sentido, a segmentação de imagens oriundas de diferentes sensores constitui um problema ainda a ser explorado. Este trabalho apresenta um conjunto de transformações de imagens que pode ser utilizado para esse fim, ou seja, para segmentação de imagens de impressões digitais provenientes de diferentes sensores sem que seja necessário, por exemplo, uma pré-classificação ou treinamento. De modo geral, estas transformações são baseadas em operadores morfológicos do tipo toggle que apresentam características interessantes de simplificação de imagens. Os resultados obtidos considerando imagens de diferentes bases de dados mostram que o método proposto supera abordagens bem conhecidas da literatura que representam o estado-da-arte / Abstract: Fingerprint identification has received considerable attention in the last few years, due to an increasing demand for human automatic identification in areas concerning, for example, forensic and business applications. An important step to be considered in such applications is the fingerprint image segmentation. In this context, the term refers to splitting the image into two regions, namely, foreground and background, in order to avoid the extraction of features used in automatic classification and recognition from noisy regions. Usually, the segmentation methods found in the literature do not consider images from different databases (or sensors) and, in a general way, dealing with heterogeneous databases constitutes an open problem not well explored in the literature. This work presents a new set of image transformations related to fingerprint segmentation of images acquired from different sensors without any requirement for pre-classification or training. As we will elsewhere, these transformations are based on morphological toggle operators which present interesting image simplification properties. We evaluate our approach on images of different databases, and show its improvements when compared against other well-known state-of-the-art segmentation methods discussed in literature / Mestrado / Processamento de Imagens / Mestre em Ciência da Computação

Orientador: Alexandre Xavier Falcão / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-13T11:48:00Z (GMT). No. of bitstreams: 1 Pinto_LuizFernando_M.pdf: 4712861 bytes, checksum: 8394eaf840c42852f3a99c0f296df6ff (MD5) Previous issue date: 2008 / Resumo: Equipamentos de Ressonância Magnética (RM) permitem a obtenção de seqüências de imagens digitais contendo estruturas tri-dimensionais (3D) do corpo humano. A visualização e a análise computadorizada dessas estruturas têm revolucionado a pratica médica de diversas formas. O enfoque deste trabalho é a análise dos ventrículos laterais do cérebro humano a partir de imagens de RM. O cérebro humano, ou encéfalo, apresenta três divisões, cada uma com componentes e subdivisões relativamente constantes: o Prosencéfalo, o Mesencéfalo e o Rombencéfalo. Neste trabalho, chamamos de c'erebro uma das subdivisões do Prosencéfalo denominada Telencéfalo, que pode ser considerado como sinônimo de hemisférios cerebrais. Um cérebro biologicamente normal (saudável) apresenta um alto grau de simetria com relação ao plano sagital, que o divide em duas partes, hemisfério esquerdo e direito. Uma assimetria neste plano pode, por conseqüência, ser um indicativo de doenças como epilepsia e mal de Alzheimer, entre outras. Anormalidades no volume de certas estruturas e cavidades, tais como os ventrículos laterais, também podem estar associadas a certas doenças neurológicas e psiquiátricas como esquizofrenia, depressão e demência [1]. O objetivo principal deste trabalho e o desenvolvimento de medidas de simetria e assimetria dos ventrículos laterais, cuja análise em indivíduos de grupos controle (biologicamente normais) e em pacientes possa contribuir para o estudo de doenças cerebrais. A realização desta análise esta dividida em três etapas básicas: a segmentação dos ventrículos laterais, a extração de características dos ventrículos segmentados e a classificação e análise dos indivíduos do grupo controle e de pacientes de acordo com as características extraídas. Para a segmentação dos ventrículos laterais, foram estudadas diversas técnicas existentes na literatura, de abordagens manuais a automáticas. No entanto, a literatura é escassa em referências a estudos de segmentação dos ventrículos laterais do cérebro humano. Este trabalho, neste sentido, é pioneiro já que apresenta técnicas de segmentação dos ventrículos laterais que permitem a baixa intervenção do ser humano no processo, reduzindo o tempo necessário para a tarefa. A extração das características dos ventrículos laterais foi realizada por duas abordagens distintas - Dimensão Fractal Multiescala e Registros. Nesta etapa do processo, foi necessário implementar uma técnica de localização e alinhamento do plano inter-hemisferico cerebral, a fim de corrigir um problema típico do processo de captura de imagens de ressonância magnética, o desalinhamento da cabeça do individuo em relação ao plano sagital da imagem. Esta técnica e uma contribuição direta deste trabalho. Por fim, na ultima etapa do processo, a classificação dos indivíduos, foram utilizadas as técnicas manual e automática, a fim de compararmos a eficiência e efetividade de cada uma delas. A classificação manual foi realizada em 2D e 3D, enquanto que, para a classificação automática, com base nas características extraídas, foi utilizado um algoritmo de classificação por floresta de caminhos ótimos, o OPF, desenvolvido por uma equipe de pesquisadores liderados pelo Prof. Dr. Alexandre Falcão. Os resultados foram analisados com base em matrizes de confusão geradas a partir dos dados obtidos com as classificações manual e automática. Essas análises comparam a eficiência das diversas técnicas de classificação utilizadas neste trabalho, apontando as vantagens e desvantagens do uso de cada uma delas. Este trabalho é arte do projeto temático FAPESP 03/13424-1 também se insere no contexto do projeto temático FAPESP CInAPCe (Cooperação Interinstitucional de Apoio a Pesquisas sobre o Cérebro), envolvendo pesquisadores de diversas instituições, principalmente do Laboratório de Neuroimagem do Departamento de Neurologia da Faculdade de Ciências Médicas e do Departamento de Radiologia do Hospital de Clínicas da UNICAMP. / Abstract: Magnetic Resonance Imaging (MRI) equipment allow the capture of sequences of digital images containing three dimensional (3D) human body structures. The computerized visualization and analysis of such structures have revolutionized the medical practice in many ways. This work focuses on the human brain analysis based on MRI images. A healthy brain presents a high symmetry degree with respect to the sagittal plane that divides it in two parts, the left and right hemispheres. An asymmetry at this plane can, therefore, be a symptom of a disease, such as epilepsy, Alzheimer's or brain tumor [2]. Volume abnormalities in certain structures and cavities, such as the lateral ventricles, can also be associated to diseases, such as schizophrenia, depression and dementia [1]. This work is focused on the development of asymmetry measures of the lateral ventricles, whose analysis in both controls and patients can contribute to the study of brain diseases. This analysis is split into three basic steps: the lateral ventricles segmentation, the feature extraction from the segmented structures and the data classification and analysis according to the extracted features. For the lateral ventricles segmentation, many techniques available in the literature were studied, for both manual and automatic approaches. However, there are very few references available in the literature focusing on lateral ventricles segmentation. This work is, in this sense, pioneer, since it presents techniques for lateral ventricles segmentation that allow very limited user intervention, reducing the time spent in the task. Two different approaches were used to extract the features from the lateral ventricles: Multiscale Fractal Dimension and Image Registration. Additionally, for the feature extraction process, we had to implement a technique for the localization and alignment of the mid-sagittal plane of the brain, in order to correct a typical problem in the MRI capturing procedure - the misalignment of the head with respect to the sagittal plane of the image. This technique is a direct contribution of this work. Finally, in the last step of the process - the classification task - two techniques were used, one manual and another automatic, in order to compare the efficiency and effectiveness between them. The manual classification was based in 2D and 3D image analysis, while the automatic classification was based on the Optimum Path Forest (OPF), a technique developed inside the Institute of Computing at Unicamp. The classification results were analysed through many confusion matrices, generated from the data obtained from the manual and automatic classifications. Those analyses compare the efficiency of the many classification approaches used in this work, pointing the advantages and disadvantages in each of them. This work is part of the FAPESP thematic project no. 03/13424-1 and is also related to the FAPESP CInAPCe (Inter-institutional Cooperation to Support Brain Research) thematic project, that involves researchers from many institutions, specially from the Department of Neurology at the Faculty of Medical Sciences, Unicamp. / Mestrado / Metodologia e Tecnicas da Computação / Mestre em Ciência da Computação

Orientadores: Roberto de Alencar Lotufo, Michel Couprie / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-08T12:59:19Z (GMT). No. of bitstreams: 1 Saude_AndreVital_D.pdf: 1866309 bytes, checksum: 4e4c6c725d272926c947e524bde15019 (MD5) Previous issue date: 2006 / Resumo: A extração de esqueletos Euclidianos é uma tema de grande importância na área de processamento de imagens e tem sido discutido pela comunidade científica já há mais de 20 anos. Hoje é consenso que os esqueletos Euclidianos devem ter as seguintes características: ï¬?nos, centrados, homotópicos e reversíveis, i.e., suficientes para a reconstrução do objeto original. Neste trabalho, introduzimos o Eixo Mediano Euclidiano Exato em Resolução Aumentada -HMA, com o objetivo de obter um eixo mediano mais ï¬?no do que o obtido pela definição clássica. Combinando o HMA com um eï¬?ciente algoritmo de afinamento paralelo homotópico, propomos um esqueleto Euclidiano que é centrado, homotópico, reversível e mais ï¬?no que os já existentes na literatura. O esqueleto proposto tem a particularidade adicional de ser único e independente de decisões arbitrárias. São dados algoritmos e provas, assim como exemplos de aplicações dos esqueletos propostos em imagens reais, mostrando as vantagens da proposta. O texto inclui também uma revisão bibliográfica sobre algoritmos de transformada de distância, eixo mediano e esqueletos homotópicos / Abstract: The extraction of Euclidean skeletons is a subject of great importance in the domain of image processing and it has been discussed by the scientiï¬?c community since more than 20 years.Today it is a consensus that Euclidean skeletons should present the following characteristics: thin, centered, homotopic and reversible, i.e., sufï¬?cient for the reconstruction of the original object. In this work, we introduce the Exact Euclidean Medial Axis in Higher Resolution -HMA, with the objective of obtaining a medial axis which is thinner than the one obtained by the classical medial axis deï¬?nition. By combining the HMA with an efï¬?cient parallel homotopic thinning algorithm we propose an Euclidean skeleton which is centered, homotopic, reversible and thinner than the existing similars in the literature. The proposed skeleton has the additional particularity of being unique and independent of arbitrary choices. Algorithms and proofs are given, as well as applicative examples of the proposed skeletons in real images, showing the advantages of the proposal. The text also includes an overview on algorithms for the Euclidean distance transform algorithms, the medial axis extraction, as well as homotopic skeletons / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Peter Sussner / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-08T21:41:14Z (GMT). No. of bitstreams: 1 Silva_AlexandreMonteiroda_M.pdf: 1559426 bytes, checksum: 52ce2418bd5c53c4f4c73b886d298fbe (MD5) Previous issue date: 2007 / Resumo: A teoria de redes neurais morfológicas e suas aplicações têm experimentado um crescimento contínuo e crescente nos últimos anos. Neste contexto, calcular o próximo estado de um neurônio, ou de uma camada, envolve uma das operações elementares da morfologia matemática. Nesta dissertação, forneceremos a caracterização de alguns modelos de redes neurais morfológicas, bem fundamentados pela teoria de morfologia matemática em reticulados completos, e também apresentaremos uma comparação do desempenho dos modelos em problemas de classificação / Abstract: The theory of morphological neural networks and its applications have experiencied a steady and consistent growth in the last few years. In this setting, computing the next state of a neuron or performing the next layer computation involves one of the elementary operations of mathematical morphology. In this dissertation, we will provide a characterization of several morphological neural networks, well conduct by the theory of mathematical morphology over complete lattices, and we will also present a comparison of the performance of the models over classification problems / Mestrado / Mestre em Matemática Aplicada

Orientador: Roberto de Alencar Lotufo / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T05:13:40Z (GMT). No. of bitstreams: 1 Rittner_Leticia_D.pdf: 6505295 bytes, checksum: 27a551a00d899d4e4e5273b6de791332 (MD5) Previous issue date: 2009 / Resumo: O objetivo principal desta tese é propor um método de segmentação para imagens de tensores de difusão baseado na transformada de watershed. Ao invés de adaptar o watershed para trabalhar com imagens tensoriais, definimos mapas escalares baseados na morfologia matemática que retêm a informação relevante contida nos tensores para, a partir deles, conseguir a segmentação da imagem aplicando a transformada de watershed. Novos mapas baseados em operadores da morfologia matemática são então propostos e analisados. O principal mapa escalar proposto é o gradiente morfológico tensorial (TMG). Um estudo comparativo do TMG com os diversos mapas escalares já existentes demonstra sua superioridade na tarefa de segmentação. Os resultados da segmentação baseada no TMG e no watershed hierárquico são comparáveis com resultados de segmentação baseada em atlas. O método proposto é usado para segmentar os núcleos do tálamo, uma tarefa de grande importância para a neuro-ciência. O método também é adaptado para segmentação de imagens coloridas, sendo necessária para tanto a criação de uma representação tensorial específica / Abstract: The main goal of this thesis is to present a segmentation method for diffusion tensor images, based on the watershed transform. Instead of adapting the watershed to work with tensorial images, scalar maps based on mathematical morphology, retaining relevant information from tensors, were defined. The desired segmentation is achieved by applying the watershed over these scalar maps. New scalar maps, based on mathematical morphology, are defined and analyzed. The tensorial morphological gradient (TMG) is the most important among the proposed scalar maps. A comparative study of the TMG with the existing scalar maps shows its superiority in the segmentation task. Segmentation results obtained by the hierarchical watershed over the TMG are comparable to atlas-based segmentation. The proposed method is used to segment the thalamic nuclei, an important task for neuroscience. The method is also adapted to segment color images, requiring a definition of a specific tensorial representation / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Roberto de Alencar Lotufo / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T19:29:20Z (GMT). No. of bitstreams: 1 Flores_FranklinCesar_D.pdf: 9101654 bytes, checksum: 18d8c043e3929da45409ed42db008344 (MD5) Previous issue date: 2009 / Resumo: Esta tese de doutorado apresenta um método interativo para segmentação de objetos em sequências de imagens - o watershed com marcadores propagados. Este método, uma combinação de segmentação morfológica clássica com estimação de movimento, possui quatro características importantes: i) interatividade, ii) generalidade, iii) resposta rápida e iv) edição manual progressiva. Watershed com marcadores propagados consiste em segmentar interativamente os objetos de interesse no primeiro quadro e, subsequentemente, computar e propagar marcadores para segmentar os mesmos objetos nos quadros seguintes. Além da proposta do paradigma do watershed com marcadores propagados, esta tese também apresenta variações para o paradigma citado e um novo benchmark para avaliação quantitativa de métodos interativos para segmentação de objetos em sequências de imagens / Abstract: This doctorate thesis introduces an assisted method to object segmentation in image sequences - the watershed from propagated markers. This method, a combination of classical morphological segmentation withmotion estimation, has four important characteristics: i) interactivity, ii) generality, iii) rapid response and iv) progressive manual edition. Watershed from propagated markers consists in to segment interactively the objects of interest in the first frame and, subsequently, to compute and propagate markers in order to segment the same objects in the next frames. Besides the proposal of the watershed from propagated markers paradigm, this thesis also presents variaions to the cited paradigm and a new benchmark to quantitative evaluation of interactive object segmentation methods applied to image sequences / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Neucimar Jeronimo Leite / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-12T14:49:36Z (GMT). No. of bitstreams: 1 Dorini_LeyzaElmeriBaldo_D.pdf: 5696459 bytes, checksum: d3ac9ada02caf5a057e885b65a4fb253 (MD5) Previous issue date: 2009 / Resumo: Este trabalho apresenta um novo conjunto de transformações de imagens que podem ser utilizadas como uma etapa adicional em diversas aplicações, tal como segmentação, de modo a evitar o uso de operações com custo computacional mais alto. Tais transformações utilizam como base operações de morfologia matemática e possuem a forma de um operador do tipo toggle. Inicialmente, foi definida uma nova operação com propriedades espaço-escala, através da qual pode-se obter uma simplificação bem controlada da imagem em que máximos e mínimos interagem ao mesmo tempo, uma vantagem em relação a outras abordagens que consideram transformações de extremos separadamente. A análise de diferentes níveis de representação traz inúmeras vantagens, possibilitando lidar adequadamente com a natureza multi-escala das imagens e permitindo a extração das características específicas que se tornam explícitas a cada escala. A partir de variações na formulação e na forma de aplicação do operador proposto, foi possível definir uma nova operação de limiarização adaptativa multi-escala e um método de filtragem de ruído. Foram realizados diversos experimentos que comprovaram as vantagens da utiliza¸c¿ao das abordagens propostas. / Abstract: In this work, we present a new set of image transformations that can be used as an additional step in several applications, such as segmentation, to avoid the need of operations with a higher computational cost. These transformations are based on mathematical morphology operations and have the format of a toggle operator. The first proposed operation has scale-space properties, which conduce to a well-controlled simplification of the image where minima and maximal interact at the same time, an advantage when compared to other approaches. Through the analysis of different representation levels, it is possible to deal with the multiscale nature of images, as well as to extract the specific features that become explicit at each scale. By changing the primitives the form of application of the proposed operator, we also define an adaptative multiscale thresholding operation and a noise filtering method. We show the results of several computational experiments, which demonstrate the advantages of the proposed approaches. / Doutorado / Processamento de Imagens / Doutor em Ciência da Computação

Orientador: Peter Sussner / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-21T14:39:08Z (GMT). No. of bitstreams: 1 Medeiros_CarlosRenato_M.pdf: 3281824 bytes, checksum: 90da4e6d96fe7557a92fa34f461172e7 (MD5) Previous issue date: 2012 / Resumo: Em meados dos anos 90, a memória associativa morfológica (MAM) foi apresentada como um modelo de memória associativa distributiva que realiza determinadas operações morfológicas definidas na teoria matemática de álgebra mini-max. Os modelos de MAMs vêm em duas versões diferentes que são tolerantes a diferentes tipos de ruído nos padrões de entrada. Para superar esta desvantagem, recorremos à teoria mais recente da morfologia matemática em inf-semirreticulado cujos operadores elementares são autoduais e definimos um modelo de memória associativa neste quadro / Abstract: In the mid 1990's, the morphological associative memory (MAM) was introduced as a distributive associative memory model that performs certain morphological operations defined in the mathematical theory of mini-max algebra. MAM models come in two different versions that are tolerant to different types of noise in the input patterns. To overcome this drawback, we resort to the more recent theory of mathematical morphology (MM) on inf-semilattices whose elementary operators are self-dual and we define an associative memory (AM) model in this framework / Mestrado / Matematica Aplicada / Mestre em Matemática Aplicada

Cette thèse contribue au domaine de la morphologie mathématique et illustre comment la statistique multivariée et les techniques d'apprentissage numérique peuvent être exploitées pour concevoir un ordre dans l'espace des vecteurs et pour inclure les résultats d'opérateurs morphologiques au processus d'analyse d'images multivariées. En particulier, nous utilisons l'apprentissage supervisé, les projections aléatoires, les représentations tensorielles et les transformations conditionnelles pour concevoir de nouveaux types d'ordres multivariés et de nouveaux filtres morphologiques pour les images multi/hyperspectrales. Nos contributions clés incluent les points suivants :• Exploration et analyse d'ordre supervisé, basé sur les méthodes à noyaux.• Proposition d'un ordre nonsupervisé, basé sur la fonction de profondeur statistique calculée par projections aléatoires. Nous commençons par explorer les propriétés nécessaires à une image pour assurer que l'ordre ainsi que les opérateurs morphologiques associés, puissent être interprétés de manière similaire au cas d'images en niveaux de gris. Cela nous amènera à la notion de décomposition en arrière plan. De plus, les propriétés d'invariance sont analysées et la convergence théorique est démontrée.• Analyse de l'ordre supervisé dans les problèmes de correspondance morphologique de patrons, qui correspond à l'extension de l'opérateur tout-ou-rien aux images multivariées grâce à l‘utilisation de l'ordre supervisé.• Discussion sur différentes stratégies pour la décomposition morphologique d'images. Notamment, la décomposition morphologique additive est introduite comme alternative pour l'analyse d'images de télédétection, en particulier pour les tâches de réduction de dimension et de classification supervisée d'images hyperspectrales de télédétection.• Proposition d'un cadre unifié basé sur des opérateurs morphologiques, pour l'amélioration de contraste et pour le filtrage du bruit poivre-et-sel.• Introduction d'un nouveau cadre de modèles Booléens multivariés en utilisant une formulation en treillis complets. Cette contribution théorique est utile pour la caractérisation et la simulation de textures multivariées. / This thesis contributes to the field of mathematical morphology and illustrates how multivariate statistics and machine learning techniques can be exploited to design vector ordering and to include results of morphological operators in the pipeline of multivariate image analysis. In particular, we make use of supervised learning, random projections, tensor representations and conditional transformations to design new kinds of multivariate ordering, and morphological filters for color and multi/hyperspectral images. Our key contributions include the following points:• Exploration and analysis of supervised ordering based on kernel methods.• Proposition of an unsupervised ordering based on statistical depth function computed by random projections. We begin by exploring the properties that an image requires to ensure that the ordering and the associated morphological operators can be interpreted in a similar way than in the case of grey scale images. This will lead us to the notion of background/foreground decomposition. Additionally, invariance properties are analyzed and theoretical convergence is showed.• Analysis of supervised ordering in morphological template matching problems, which corresponds to the extension of hit-or-miss operator to multivariate image by using supervised ordering.• Discussion of various strategies for morphological image decomposition, specifically, the additive morphological decomposition is introduced as an alternative for the analysis of remote sensing multivariate images, in particular for the task of dimensionality reduction and supervised classification of hyperspectral remote sensing images.• Proposition of an unified framework based on morphological operators for contrast enhancement and salt- and-pepper denoising.• Introduces a new framework of multivariate Boolean models using a complete lattice formulation. This theoretical contribution is useful for characterizing and simulation of multivariate textures.

L'analyse des structures curvilignes en 3 dimensions est un problème difficile en analyse d'images. En effet, ces structures sont fines, facilement corrompues par le bruit et présentent une géométrie complexe. Depuis plusieurs années, de nombreuses méthodes spécialement dédiées au traitement d'images contenant des structures curvilignes ont vu le jour. Ces méthodes concernent diverses applications en science des matériaux, télédétection ou encore en imagerie médicale. Malgré cela, l'analyse des structures curvilignes demeure une tâche complexe.Dans cette présentation nous parlerons de la caractérisation des structures curvilignes pour l'analyse d'images. Nous présenterons en premier lieu une nouvelle méthode appelée RORPO, à partir de laquelle deux caractéristiques peuvent être calculées. La première est une caractéristique d'intensité, qui préserve l'intensité des structures curvilignes tout en réduisant celle des autres structures. La deuxième est une caractéristique de direction, qui fournit en chaque point d'une image, la direction d'une structure curviligne potentielle.RORPO, contrairement à la plupart des méthodes de la littérature, est une méthode non locale, non linéaire et mieux adaptées à l'anisotropie intrinsèque des structures curvilignes. Cette méthode repose sur une notion récente de Morphologie Mathématique: les opérateurs par chemins.RORPO peut directement servir au filtrage d'images contenant des structures curvilignes, afin de spécifiquement les préserver, mais aussi de réduire le bruit. Mais les deux caractéristiques de RORPO peuvent aussi être utilisées comme information a priori sur les structure curvilignes, afin d'être intégrées dans une méthode plus complexe d'analyse d'image.Dans un deuxième temps, nous présenterons ainsi un terme de régularisation destiné à la segmentation variationnelle, utilisant les deux caractéristiques de RORPO.L'information apportée par ces deux caractéristiques permet de régulariser les structures curvilignes seulement dans la direction de leur axe principal. De cette manière, ces structures sont mieux préservées, et certaines structures curvilignes déconnectées par le bruit peuvent aussi être reconnectées.Des résultats en 2D et 3D de ces méthodes seront enfin présentées sur des images de vaisseaux sanguins provenant de diverses modalités / The analysis of curvilinear structures in 3D images is a complex and challenging task. Curvilinear structures are thin, easily corrupted by noise and present a complex geometry. Despite the numerous applications in material sciences, remote sensing and medical imaging and the large number of dedicated methods developed the last few years, the detection of such structures remains a difficult problem.In this thesis, we work on the characterization of curvilinear structures. We first propose a new framework called RORPO, to characterize such structures through two features: an intensity feature which preserves the intensity of curvilinear structures while decreasing the intensity of other structures, and a directional feature providing at each point, the direction of the curvilinear structure.RORPO, unlike classic other state of the art methods, is non-local and non-linear, which are desirable properties adapted to the intrinsic anisotropy of curvilinear structures. RORPO is based on recent advances in mathematical morphology: the path operators.We provide a full description of the structural and algorithmic details of RORPO, and we also conduct a quantitative comparative study of our features with three popular curvilinear structure analysis filters: the Frangi Vesselness, the Optimally Oriented Flux, and the Hybrid Diffusion with Continuous Switch.Besides the straightforward filtering application, both RORPO features are designed to be used as prior information to characterize curvilinear structures. We propose a regularization term for variational segmentation which embed these features. Classic regularization terms are not adapted to curvilinear structures and usually lead to the loss of most of the low-contrasted ones. We propose to only regularize curvilinear structures along their main axis thanks to both RORPO features. This directional regularization better preserves curvilinear structures but also reconnect parts of these structures which may have been disconnected by noise.We present results of the segmentation of retinal images with the Chan et al. model either with the classic total variation or our directional regularization term. This confirm that our regularization term is better suited for images with curvilinear structures