Durant l’acquisition, les images peuvent subir des fluctuations parasites ou des dégradations qui engendrent ensuite du bruit sur l’image. Dans de nombreuses applications en vision par ordinateur, la présence de bruit peut rendre difficile la tâche d’analyse, et affecter considérablement les résultats finaux. Dans ce travail, nous nous intéressons à différents outils géométriques efficaces permettant d’analyser et d’étudier des courbes discrètes bruitées qui correspondent aux contours d’objets présents dans une image.

Dans cet exposé, nous présenterons la notion de couverture adaptative pour l’étude des courbes bruitées. Elle repose sur deux notions : (1) les segments flous et (2) l’épaisseur significative. La particularité de la couverture tangentielle adaptative est qu’elle est composée de segments flous d’épaisseurs variées qui s’adaptent automatiquement et localement au bruit présent sur la courbe. Cettre structure conduit à de nombreuses applications dans le domaine de l’analyse d’images et de reconnaissance de formes telle que la représentation de formes, la vectorisation d’images, la décomposition de courbes, etc. Une extension de la structure de couverture tangentielle adaptative pour des courbes discrètes 3D est également présentée avec ses applications pour des estimateurs géométriques de tangentes et de courbure.