Dans ce projet de recherche, des lames minces pétrographiques bidimensionnelles, observées en microscopie optique, sont recalées dans des volumes tridimensionnels de microtomographie d’éprouvettes de béton endommagées par des cycles de gel-dégel. La classification pixel à pixel des fissures, des pores d’air, des granulats et de la matrice cimentaire est obtenue par des modèles de segmentation par apprentissage profond, à savoir des réseaux U-Net à attention résiduelle. Le recalage lui-même repose sur l’appariement de descripteurs par harmoniques spatiales de Fourier en trois dimensions, et non sur l’intensité des images. Parmi les deux autres chaînes de recalage bidimensionnel mises à l’essai, seule la méthode tridimensionnelle a fourni des résultats suffisamment exacts et visuellement acceptables, avec un taux de convergence vers une solution de 89,75 % et une erreur quadratique moyenne relative minimale de 5,21 %.

Une lame mince pétrographique est une coupe physique prélevée dans l’éprouvette selon une orientation quelconque. Il s’agit donc de déterminer quel plan du volume tomographique correspond à la lame, celle-ci pouvant en outre présenter une homothétie isotrope d’amplitude arbitraire. La méthode doit être invariante par translation, rotation, réflexion et changement d’échelle, car les deux modalités diffèrent par leur résolution (0,85 µm contre environ 20,88 µm). Dans l’étude de cas publiée, les données d’entrée du recalage sont les masques de segmentation des deux modalités, et non les images brutes. La chaîne comprend quatre étapes, à savoir la normalisation canonique des formes tridimensionnelles, la projection sphérique et les harmoniques spatiales, l’appariement des descripteurs, puis l’ajustement d’un plan pour estimer la transformation inverse.

Premièrement, pour un ensemble de points P = {p1, …, pk}, la forme est centrée par soustraction de son centroïde c, puis orientée par décomposition en valeurs propres de la matrice de covariance, dont les vecteurs propres orthonormés constituent la matrice de rotation R. L’ambiguïté de réflexion portée par le sens des vecteurs propres est levée au moyen d’une matrice diagonale de signes

F = diag(sign(fx), sign(fy), sign(fz)),

construite à partir des sommes des cubes des coordonnées. L’échelle est ensuite normalisée par la distance quadratique moyenne des points à l’origine, ce qui donne la forme canonique

p̂ = τ(p) = s−1 F R (p − c).

Deuxièmement, les points normalisés sont projetés sur la sphère unité, triangulés par une triangulation de Delaunay sphérique et traités comme un maillage. L’opérateur de Laplace–Beltrami est discrétisé par la méthode des éléments finis (matrice de masse B issue des aires élémentaires, matrice de rigidité S issue des poids cotangents) et le problème aux valeurs propres généralisé

S ul = λl B ul

est résolu. Les valeurs propres sont les fréquences spatiales et les vecteurs propres les fonctions de base harmoniques. La fonction scalaire de distance radiale définie sur le maillage est projetée sur cette base, et les coefficients obtenus c = [c1, …, cL] constituent des descripteurs invariants par rotation, translation, réflexion et changement d’échelle. Ces descripteurs remplacent le réseau ReResNet de la chaîne adaptée de Brandstätter, lequel dépendait de l’échelle et de la translation.

Troisièmement, les vecteurs descripteurs des points caractéristiques des formes source et cible sont comparés par distance euclidienne. Une paire est retenue comme correspondance lorsque

‖cS,i − cT,j‖ < ε.

L’appariement porte sur les points caractéristiques d’origine ; les descripteurs ne servent que de support de comparaison. On obtient ainsi n paires de points appariés. Dans les expériences, les points caractéristiques ont été prélevés dans trois classes de segmentation — jonctions de fissures, contours de granulats et centroïdes des pores d’air — ainsi que dans leurs combinaisons.

Quatrièmement, un plan est ajusté, dans l’espace normalisé, aux points sources appariés par analyse en composantes principales : le vecteur propre associé à la plus petite valeur propre de la matrice de covariance de ces points est la normale au plan. Le plan est ensuite ramené dans le repère d’origine en inversant la transformation canonique. Les points se transforment selon

p = s RT F p̂ + c,

tandis que les normales se transforment par la transposée inverse,

norig = s−1 RT F nnorm,

ce qui fournit le plan final

norig · (x − sorig) = 0

dans le volume tomographique, c’est-à-dire l’emplacement de la lame mince.

La validation a porté sur 75 expériences de recalage menées sur des volumes annotés de synthèse, afin d’écarter les erreurs de segmentation comme facteur de confusion. La méthode tridimensionnelle a atteint un taux de succès de 89,75 % et une erreur quadratique moyenne relative minimale de 5,21 %, contre 56,68 % et 43,29 % pour la plus rapide des méthodes limitées à une coupe bidimensionnelle. Le coût en est le temps de calcul : elle a été la plus lente des trois, dépassant parfois 24 h par exécution sur un Xeon à 16 cœurs équipé d’une RTX A5000, et environ 45 % des tentatives infructueuses ont convergé lors d’une seconde exécution avec une autre graine aléatoire. Les auteurs soulignent en outre que la méthode exige des masques de segmentation exacts en entrée, ce qui impose une charge de réentraînement lorsque les appareils, les réglages ou les types de béton changent.

Code source et documents complémentaires

Publications

1 - Microscopie optiqueLame en lumière réfléchie et masque de segmentation

2 - Coupe tomographique recaléeCoupe TDM recalée et masque de segmentation

3 - Résultat final