Dans le circuit de la greffe de cornée, l'endothélium de chaque greffon est observé en microscopie optique conventionnelle afin de vérifier que sa densité cellulaire est suffisante pour maintenir une bonne transparence après l'opération. Les greffons étant conservés dans un milieu spécifique, ils sont imprégnés de liquide et présentent donc des plis qui perturbent l'observation et le comptage des cellules. Ce problème pratique est à l'origine d'une étude théorique sur les concepts de profondeur de champ étendue et de shape-from-focus. A partir d'une séquence d'images acquise par sectionnement optique, les informations les plus nettes permettent d'une part d'accéder à la topographie de la surface observée et d'autre part de restaurer l'image de sa texture. Une reconstruction surfacique 3-D est alors obtenue en projetant la texture sur la topographie. Cette thèse considère essentiellement l'étape fondamentale de mesure de netteté du processus de reconstruction. Des nouvelles mesures génériques offrant une haute sensibilité à la netteté sont introduites. De par une stratégie 3-D originale au travers de la séquence d'images, une autre mesure très robuste au bruit est proposée. Toutes ces mesures sont testées sur des données simulées puis diverses acquisitions réelles en microscopie optique conventionnelle et comparées aux méthodes de la littérature. Par ailleurs, la mesure 3-D améliore nettement les reconstructions d'endothéliums cornéens à partir de leurs acquisitions particulièrement perturbées (inversions de contraste). Un processus itératif complet de reconstruction 3-D d'endothéliums cornéens est finalement décrit, aboutissant à des résultats solides et exploitables.

Dans le cadre de l'acquisition de l'information de profondeur de scènes texturées, un processus d'estimation de la profondeur basé sur la méthode de reconstruction 3D « Shape from Focus » est présenté dans ce manuscrit. Les deux étapes fondamentales de cette approche sont l'acquisition de la séquence d'images de la scène par sectionnement optique et l'évaluation de la netteté locale pour chaque pixel des images acquises. Deux systèmes d'acquisition de cette séquence d'images sont présentés ainsi que les traitements permettant d'exploiter celle-ci pour la suite du processus d'estimation de la profondeur. L'étape d'évaluation de la netteté des pixels passe par la comparaison des différents opérateurs de mesure de netteté. En plus des opérateurs usuels, deux nouveaux opérateurs basés sur les descripteurs généralisés de Fourier sont proposés. Une méthode nouvelle et originale de comparaison est développée et permet une analyse approfondie de la robustesse à différents paramètres des divers opérateurs. Afin de proposer une automatisation du processus de reconstruction, deux méthodes d'évaluation automatique de la netteté sont détaillées. Finalement, le processus complet de reconstruction est appliqué à des scènes agronomiques, mais également à une problématique du domaine de l'analyse de défaillances de circuits intégrés afin d'élargir les domaines d'utilisation / In the context of the acquisition of depth information for textured scenes, a depth estimation process based on a 3D reconstruction method called "shape from focus" is proposed in this thesis. The two crucial steps of this approach are the image sequence acquisition of the scene by optical sectioning and the local sharpness evaluation for each pixel of the acquired images. Two acquisition systems have been developed and are presented as well as different image processing techniques that enable the image exploitation for the depth estimation process. The pixel sharpness evaluation requires comparison of different focus measure operators in order to determine the most appropriate ones. In addition to the usual focus measure operators, two news operators based on generalized Fourier descriptors are presented. A new and original comparison method is developped and provides a further analysis of the robustness to various parameters of the focus measure operators. In order to provide an automatic version of the reconstruction process, two automatic sharpness evaluation methods are detailed. Finally, the whole reconstruction process is applied to agronomic scenes, but also to a problematic in failure analysis domain aiming to expand to other applications

Dans le cadre de l'acquisition de l'information de profondeur de scènes texturées, un processus d'estimation de la profondeur basé sur la méthode de reconstruction 3D " Shape from Focus " est présenté dans ce manuscrit. Les deux étapes fondamentales de cette approche sont l'acquisition de la séquence d'images de la scène par sectionnement optique et l'évaluation de la netteté locale pour chaque pixel des images acquises. Deux systèmes d'acquisition de cette séquence d'images sont présentés ainsi que les traitements permettant d'exploiter celle-ci pour la suite du processus d'estimation de la profondeur. L'étape d'évaluation de la netteté des pixels passe par la comparaison des différents opérateurs de mesure de netteté. En plus des opérateurs usuels, deux nouveaux opérateurs basés sur les descripteurs généralisés de Fourier sont proposés. Une méthode nouvelle et originale de comparaison est développée et permet une analyse approfondie de la robustesse à différents paramètres des divers opérateurs. Afin de proposer une automatisation du processus de reconstruction, deux méthodes d'évaluation automatique de la netteté sont détaillées. Finalement, le processus complet de reconstruction est appliqué à des scènes agronomiques, mais également à une problématique du domaine de l'analyse de défaillances de circuits intégrés afin d'élargir les domaines d'utilisation

Dans le circuit de la greffe de cornée, l'endothélium de chaque greffon est observé en microscopie optique conventionnelle afin de vérifier que sa densité cellulaire est suffisante pour maintenir une bonne transparence après l'opération. Les greffons étant conservés dans un milieu spécifique, ils sont imprégnés de liquide et présentent donc des plis qui perturbent l'observation et le comptage des cellules. Ce problème pratique est à l'origine d’une étude théorique sur les concepts de profondeur de champ étendue et de shape-from-focus. A partir d'une séquence d'images acquise par sectionnement optique, les informations les plus nettes permettent d'une part d'accéder à la topographie de la surface observée et d'autre part de restaurer l'image de sa texture. Une reconstruction surfacique 3-D est alors obtenue en projetant la texture sur la topographie. Cette thèse considère essentiellement l’étape fondamentale de mesure de netteté du processus de reconstruction. Des nouvelles mesures génériques offrant une haute sensibilité à la netteté sont introduites. De par une stratégie 3-D originale au travers de la séquence d'images, une autre mesure très robuste au bruit est proposée. Toutes ces mesures sont testées sur des données simulées puis diverses acquisitions réelles en microscopie optique conventionnelle et comparées aux méthodes de la littérature. Par ailleurs, la mesure 3-D améliore nettement les reconstructions d'endothéliums cornéens à partir de leurs acquisitions particulièrement perturbées (inversions de contraste). Un processus itératif complet de reconstruction 3-D d’endothéliums cornéens est finalement décrit, aboutissant à des résultats solides et exploitables. / In the cornea transplant process, each graft endothelium is observed by conventional optical microscopy to check that its cell density is sufficient to maintain a proper transparency after the transplantation. The grafts are stored in a specific preservation medium, they are thus impregnated with fluid and therefore exhibit folds which make cell observation and counting difficult. This practical issue led to the following theoretical study about the so-called concepts: extended-depth-of-field and shape-from-focus. Throughout a sequence of images acquired by optical sectioning, the in-focus information allows on the one hand to recover the topography of the observed surface and on the other hand to restore the image of its texture. A 3-D reconstruction is then obtained by mapping the texture onto the topography. This thesis basically considers the fundamental step of the reconstruction process that is the focus measurement. New generic focus measurements exhibiting high sharpness sensitivity are introduced. Another one offering high noise robustness is proposed, due to an original 3-D strategy through the image sequence, unlike traditional methods that operate in 2-D. All of them are tested on simulated data and various real acquisitions, and compared to the state-of-the-art methods. Furthermore, the aforementioned 3-D focus measurement clearly improves the 3-D surface reconstructions of the corneal endotheliums from their particularly disturbed acquisitions (contrast reversals). A complete iterative process of 3-D reconstruction of the corneal endothelial surfaces is finally described, resulting in solid results that can already be transferred to cornea banks.

L'objectif de cette thèse est de proposer des méthodes ou des outils de calibration permettant d'améliorer la qualité d'image dans le cadre de la numérisation de livres anciens.Le premier chapitre concerne la mise en oeuvre d'un "scanner sans éclairage". Ce scanner est matriciel et il ne contrôle pas la lumière via un éclairage artificiel. L'objectif du projet est de pouvoir corriger, par calibration ou par la mise en place d'un traitement d'image les défauts d'éclairage apparaissant sur le document. Nous verrons dans un premier chapitre les solutions possibles pour y répondre. Nous y proposerons également un moyen de segmenter le fond du document en se basant sur des pixels caractérisants le fond du document. Ce résultat permettra de reconstruire le fond puis de corriger les non-uniformités.Le deuxième chapitre concerne la mise en place d'un contrôle qualité de numérisation de livres anciens. Effectivement, la manipulation du matériel dans le contexte de la numérisation industrielle engendre des erreurs possibles de réglage. De ce fait, nous obtenons une numérisation de moindres qualités. Le contrôle se focalisera sur le flou de focus qui est le défaut le plus présent. Nous proposons dans ce chapitre de combiner différentes approches du problème permettant de le quantifier. Nous verrons que la combinaison de ces informations permet d'estimer avec précision la qualité de netteté de l'image.Le troisième chapitre évoque les problématiques de la gestion de la couleur. Pour avoir une homogénéité colorimétrique entre tous les appareils, il est indispensable que la calibration soit inférieure à un seuil visuel. Les contraintes industrielles ont de nombreux critères et il est difficile de tous les respecter. L'objectif de ce chapitre est de récapituler comment mettre en place un système permettant de calibrer la couleur avec toutes ces contraintes. Puis, il s'agit de comprendre comment créer une transformation entre l'espace de couleur de l'appareil et l'espace de couleur de connexion (l'espace L*a*b*). Nous verrons que la solution de ce problème se résout par une régression polynomiale dont le degré du polynôme varie en fonction du nombre de mesures faite sur la mire colorimétrique. / The goal of this thesis is to add some tools in order to upgrade image quality when scanning with book digitization.First Chapter talks about image scanner whitout lighting control. This problem focuses to document camera. The goal is to correct lighting. We will see some corrections and we will suggest our method. For this part, we detect pixel's background document and we will rebuild the background of the image by them. With this information, we can correct lighting.Second chapter presents some way to do quality control after digitization, specially out of focus problem. We will enumerate different point of view to analyse and to estimate this information. To validate descriptors, we suggest to blur any picture and to compute blur estimation in order to evaluate precision. After that, we propose to combinate descriptors by machine learning.Third chapter mentions color management problem. Every image devices need to be calibrated. This chapter will expose how to calibrate scanner and explain it. We will see that L*a*b* color space is the connection profil space. To calibrate color, we must transform scanner color space to L*a*b*. We will see, in order to convert information, solution depends color chart used but we show a link between the function and thenumber of patch.