Analyse automatique d'images de populations microbiennes
Résumé
A common goal of biotechnological research and of commercial production is the definition of optimum conditions for achieving predetermined objectives. This goal is usually translated into the problem of finding the optimum control strategy that will produce the desired end-product. To achieve optimum performance an on-line supervision of growth is essential. In this works we present the methods which allow to analyze images of microbial populations in order to identify the cells. This identification is based on the edges obtained by active contours, using a specific image energy. The initialisation and the snakes convergence into the curvature of the budding cell are difficult and were possible by a meticulous analysis of the image energy. To differentiate the cells as single or budding, some methods were compared, including fuzzy clustering, wavelet transform and the change of sign of the radius of the curvature. Consequently, the approximation of the edge of each cell by an ellipsoidal model, was carried out by comparing the results of the genetic algorithms, the hough transform and least squares. The proposed supervision system of microbial population was implemented in a new software of image analysis which is a new tool for description of the cells.
Un des objectifs de la recherche en biotechnologie et de la production industrielle réside dans la détermination des conditions optimales pour la production d'un métabolite. Pour avoir des performances optimales, la supervision en ligne de la croissance cellulaire est primordiale. Dans ces travaux de thèse nous présentons l'analyse d'images microscopiques de cellules afin de déterminer les caractéristiques de chaque cellule, à partir de la détection de leurs contours. La détection des contours joue un rôle primordial et a été résolue par les contours actifs. L'initialisation et l'évolution du modèle à l'intérieur des zones concaves des cellules bourgeonnantes sont des tâches difficiles. Elles ont été résolues par l'analyse de l'énergie image. Différente méthodes ont été comparées afin de différencier les cellules : les méthodes floues, la transformé en ondelette et l'analyse de la courbure. Le problème de la détection des paramètres morphométriques se traduit par un problème de détection d'ellipses dans une image. L'approximation du contour de la cellule par un modèle ellipsoïdal est réalisée par une méthode de moindres carrés sous contraintes qui a été comparée à la transformée de Hough, et aux algorithmes génétiques. Ce système de supervision de la population microbienne a constitué le moteur d'un logiciel de traitement et d'analyse d'images.
Loading...