Publications of type 'phdthesis'

Result of the query in the list of publications :

• 31 PhD Thesis and Habilitations

new search | get the bibtex

display : 10 per page | 20 per page | 50 per page

31 PhD Thesis and Habilitations

1 - Processus ponctuels et algorithmes de coupure minimal de graphe appliqués à l'extraction d'objets 2D et 3D. A. Gamal Eldin. PhD Thesis, Universite de Nice Sophia Antipolis, October 2011. Keywords : Multiple object detection, Multiple Birth and Cut, Graph Cut, Multiple Birth and Death, Marked point process, Stochastic geometry. @PHDTHESIS{GamalPhdThesis, author = {Gamal Eldin, A.}, title = {Processus ponctuels et algorithmes de coupure minimal de graphe appliqués à l'extraction d'objets 2D et 3D}, year = {2011}, month = {October}, school = {Universite de Nice Sophia Antipolis}, url = {http://tel.archives-ouvertes.fr/tel-00737988}, keyword = {Multiple object detection, Multiple Birth and Cut, Graph Cut, Multiple Birth and Death, Marked point process, Stochastic geometry} } Résumé : L'objectif de cette thèse est de développer une nouvelle approche de détection d'objets 3D à partir d'une image 2D, prenant en compte les occultations et les phénomènes de perspective. Cette approche est fondée sur la théorie des processus ponctuels marqués, qui a fait ses preuves dans la solution de plusieurs problèmes en imagerie haute résolution. Le travail de la thèse est structuré en deux parties: En première partie: Nous proposons une nouvelle méthode probabiliste pour gérer les occultations et les effets de perspective. Le modèle propose est fondé sur la simulation d'une scène 3D utilisant OpenGL sur une carte graphique (GPU). C'est une méthode orientée objet, intégrée dans le cadre d'un processus ponctuel marqué. Nous l'appliquons pour l'estimation de la taille d'une colonie de manchots, là où nous modélisons une colonie de manchots comme un nombre inconnu d'objets 3D. L'idée principale de l'approche proposée consiste à échantillonner certaines configurations candidat composé d'objets 3D s'appuyant sur le plan réel. Une densité de Gibbs est définie sur l'espace des configurations, qui prend en compte des informations a priori et sur les données. Pour une configuration proposée, la scène est projetée sur le plan image, et les configurations sont modifiées jusqu'à convergence. Pour évaluer une configuration proposée, nous mesurons la similarité entre l'image projetée de la configuration proposée et l'image réelle, définissant ainsi le terme d'attache aux données et l'a priori pénalisant les recouvrements entre objets. Nous avons introduit des modifications dans l'algorithme d'optimisation pour prendre en compte les nouvelles dépendances qui existent dans notre modèle 3D. En deuxième partie: Nous proposons une nouvelle méthode d'optimisation appelée Abstract : The topic of this thesis is to develop a novel approach for 3D object detection from a 2D image. This approach takes into consideration the occlusions and the perspective effects. This work has been embedded in a marked point process framework, proved to be efficient for solving many challenging problems dealing with high resolution images. The accomplished work during the thesis can be presented in two parts: First part: We propose a novel probabilistic approach to handle occlusions and perspective effects. The proposed method is based on 3D scene simulation on the GPU using OpenGL. It is an object based method embedded in a marked point process framework. We apply it for the size estimation of a penguin colony, where we model a penguin colony as an unknown number of 3D objects. The main idea of the proposed approach is to sample some candidate configurations consisting of 3D objects lying on the real plane. A Gibbs energy is define on the configuration space, which takes into account both prior and data information. The proposed configurations are projected onto the image plane, and the configurations are modified until convergence. To evaluate a proposed configuration, we measure the similarity between the projected image of the proposed configuration and the real image, by defining a data term and a prior term which penalize objects overlapping. We introduced modifications to the optimization algorithm to take into account new dependencies that exists in our 3D model. Second part: We propose a new optimization method which we call

2 - Phase fields for network extraction from images. A. El Ghoul. PhD Thesis, Universite de Nice - Sophia-Antipolis, September 2010. Keywords : Shape prior, Higher-order actif contours, Phase Field, Stability analysis, Directed networks, river extraction. @PHDTHESIS{elghoul10c, author = {El Ghoul, A.}, title = {Phase fields for network extraction from images}, year = {2010}, month = {September}, school = {Universite de Nice - Sophia-Antipolis}, url = {http://tel.archives-ouvertes.fr/docs/00/55/01/34/PDF/ThesisMunuscript2010_EL_GHOUL.pdf}, keyword = {Shape prior, Higher-order actif contours, Phase Field, Stability analysis, Directed networks, river extraction} } Résumé : Cette thèse décrit la construction d'un modèle de réseaux non-directionnels (e.g. réseaux routiers), fondé sur les contours actifs d'ordre supérieur (CAOSs) et les champs de phase développés récemment, et introduit une nouvelle famille des CAOSs des champs de phase pour des réseaux directionnels (e.g. réseaux hydrographiques en imagerie de télédétection, vaisseaux sanguins en imagerie médicale). Dans la première partie de cette thèse, nous nous intéressons à l'analyse de stabilité d'une énergie de type CAOSs aboutissant à un ‘diagramme de phase'. Les résultats, qui sont confirmés par des expériences numériques, permettent une bonne sélection des valeurs des paramètres pour la modélisation de réseaux non-directionnels. Au contraire des réseaux routiers, les réseaux hydrographiques sont directionnels, i.e. ils contiennent un ‘flux' monodimensionnel circulant dans chaque branche. Cela implique des propriétés géométriques spécifiques des branches et particulièrement des jonctions, propriétés qu'il est utile de traduire dans un modèle, pour l'extraction de réseaux. Nous développons donc un modèle de champ de phase non-local de réseaux directionnels, qui, en plus du champ de phase scalaire décrivant une région par une fonction caractéristique lisse et qui interagit non-localement afin que des configurations de réseaux linéiques soient favorisées, introduit un champ vectoriel représentant le ‘flux' dans les branches du réseau. Ce champ vectoriel est contraint d'être nul à l'extérieur, et de magnitude égale à 1 à l'intérieur du réseau ; circulant dans le sens longitudinal des branches du réseau ; et de divergence très faible. Cela prolonge les branches du réseau ; contrôle la variation de largeur tout au long une branche ; et forme des jonctions non-symétriques telles que la somme des largeurs entrantes soit approximativement égale à celle des largeurs sortantes. En conjonction avec une nouvelle fonction d'interaction pour le champ de phase scalaire, le modèle assure aussi une vaste gamme de valeurs des largeurs stables des branches. Ce nouveau modèle a été appliqué au problème d'extraction de réseaux hydrographiques à partir d'images satellitaires très haute résolution. Abstract : This thesis describes the construction of an undirected network (e.g. road network) model, based on the recently developed higher-order active contours (HOACs) and phase fields, and introduces a new family of phase field HOACs for directed networks (e.g. hydrographic networks in remote sensing imagery, vascular networks in medical imagery). In the first part of this thesis, we focus on the stability analysis of a HOAC energy leading to a ‘phase diagram'. The results, which are confirmed by numerical experiments, enable the selection of parameter values for the modelling of undirected networks. Hydrographic networks, unlike road networks, are directed, i.e. they carry a unidirectional flow in each branch. This leads to specific geometric properties of the branches and particularly of the junctions, that it is useful to capture in a model, for network extraction purposes. We thus develop a nonlocal phase field model of directed networks, which, in addition to a scalar field representing a region by its smoothed characteristic function, and interacting nonlocally so as to favour network configurations, contains a vector field representing the ‘flow' through the network branches. The vector field is strongly encouraged to be zero outside, and of unit magnitude inside the network; and to have zero divergence. This prolongs network branches; controls width variation along a branch; and produces asymmetric junctions for which total incoming branch width approximately equals total outgoing branch width. In conjunction with a new interaction function for the scalar field, it also allows a broad range of stable branch widths. The new proposed model is applied to the problem of hydrographic network extraction from VHR satellite images, and it outperforms the undirected network model.

3 - Blind Deconvolution for Confocal Laser Scanning Microscopy. P. Pankajakshan. PhD Thesis, Universite de Nice Sophia Antipolis, December 2009. Keywords : Confocal Laser Scanning Microscopy, Blind Deconvolution, point spread function, Maximum likelihood estimation , total variation regularization. @PHDTHESIS{PankajakshanThesis09, author = {Pankajakshan, P.}, title = {Blind Deconvolution for Confocal Laser Scanning Microscopy}, year = {2009}, month = {December}, school = {Universite de Nice Sophia Antipolis}, url = {http://tel.archives-ouvertes.fr/tel-00474264/fr/}, keyword = {Confocal Laser Scanning Microscopy, Blind Deconvolution, point spread function, Maximum likelihood estimation , total variation regularization} } Résumé : La microscopie confocale à balayage laser, est une technique puissante pour étudier les spécimens biologiques en trois dimensions (3D) par sectionnement optique. Elle permet d’avoir des images de spécimen vivants à une résolution de l’ordre de quelques centaines de nanomètres. Bien que très utilisée, il persiste des incertitudes dans le procédé d’observation. Comme la réponse du système à une impulsion, ou fonction de flou (PSF), est dépendante à la fois du spécimen et des conditions d’acquisition, elle devrait être estimée à partir des images observées du spécimen. Ce problème est mal posé et sous déterminé. Pour obtenir une solution, il faut injecter des connaisances, c’est à dire, a priori dans le problème. Pour cela, nous adoptons une approche bayésienne. L’état de l’art des algorithmes concernant la déconvolution et la déconvolution aveugle est exposé dans le cadre d’un travail bayésien. Dans la première partie, nous constatons que la diffraction due à l’objectif et au bruit intrinsèque à l’acquisition, sont les distorsions principales qui affectent les images d’un spécimen. Une approche de minimisation alternée (AM), restaure les fréquences manquantes au-delà de la limite de diffraction, en utilisant une régularisation par la variation totale sur l’objet, et une contrainte de forme sur la PSF. En outre, des méthodes sont proposées pour assurer la positivité des intensités estimées, conserver le flux de l’objet, et bien estimer le paramètre de la régularisation. Quand il s’agit d’imager des spécimens épais, la phase de la fonction pupille, due aux aberrations sphériques (SA) ne peut être ignorée. Dans la seconde partie, il est montré qu’elle dépend de la difference à l’index de réfraction entre l’objet et le milieu d’immersion de l’objectif, et de la profondeur sous la lamelle. Les paramètres d’imagerie et la distribution de l’intensité originelle de l’objet sont calculés en modifiant l’algorithme AM. Due à la nature de la lumière incohérente en microscopie à fluorescence, il est possible d’estimer la phase à partir des intensités observées en utilisant un modèle d’optique géométrique. Ceci a été mis en évidence sur des données simulées. Cette méthode pourrait être étendue pour restituer des spécimens affectés par les aberrations sphériques. Comme la PSF varie dans l’espace, un modèle de convolution par morceau est proposé, et la PSF est approchée. Ainsi, en plus de l’objet, il suffit d’estimer un seul paramétre libre. Abstract : Confocal laser scanning microscopy is a powerful technique for studying biological specimens in three dimensions (3D) by optical sectioning. It permits to visualize images of live specimens non-invasively with a resolution of few hundred nanometers. Although ubiquitous, there are uncertainties in the observation process. As the system’s impulse response, or point-spread function (PSF), is dependent on both the specimen and imaging conditions, it should be estimated from the observed images in addition to the specimen. This problem is ill-posed, under-determined. To obtain a solution, it is necessary to insert some knowledge in the form of a priori and adopt a Bayesian approach. The state of the art deconvolution and blind deconvolution algorithms are reviewed within a Bayesian framework. In the first part, we recognize that the diffraction-limited nature of the objective lens and the intrinsic noise are the primary distortions that affect specimen images. An alternative minimization (AM) approach restores the lost frequencies beyond the diffraction limit by using total variation regularization on the object, and a spatial constraint on the PSF. Additionally, some methods are proposed to ensure positivity of estimated intensities, to conserve the object’s flux, and to well handle the regularization parameter. When imaging thick specimens, the phase of the pupil function due to spherical aberration (SA) cannot be ignored. It is shown to be dependent on the refractive index mismatch between the object and the objective immersion medium, and the depth under the cover slip. The imaging parameters and the object’s original intensity distribution are recovered by modifying the AM algorithm. Due to the incoherent nature of the light in fluorescence microscopy, it is possible to retrieve the phase from the observed intensities by using a model derived from geometrical optics. This was verified on the simulated data. This method could also be extended to restore specimens affected by SA. As the PSF is space varying, a piecewise convolution model is proposed, and the PSF approximated so that, apart from the specimen, it is sufficient to estimated only one free parameter.

4 - Shape recognition for image scene analysis. M. S. Kulikova. PhD Thesis, Universite de Nice - Sophia-Antipolis, December 2009. Keywords : tree crown , Classification, Shape, multiple object extraction, Marked point process, Shape prior. @PHDTHESIS{mkulikova_phd09, author = {Kulikova, M. S.}, title = {Shape recognition for image scene analysis}, year = {2009}, month = {December}, school = {Universite de Nice - Sophia-Antipolis}, url = {http://tel.archives-ouvertes.fr/docs/00/48/20/19/PDF/phd_mkulikova_2009.pdf}, keyword = {tree crown , Classification, Shape, multiple object extraction, Marked point process, Shape prior} } Résumé : Cette thèse est composée de deux parties principales. La première partie est dédiée au problème de la classification d’espèces d’arbres en utilisant des descripteurs de forme, en combainison ou non, avec ceux de radiométrie ou de texture. Nous montrons notamment que l’information sur la forme améliore la performance d’un classifieur. Pour ce faire, dans un premier temps, une étude des formes de couronnes d’arbres extraites à partir d’images aériennes, en infrarouge couleur, est eectuée en utilisant une méthodologie d’analyse de formes des courbes continues fermées dans un espace de formes, en utilisant la notion de chemin géodésique sous deux métriques dans des espaces appropriés : une métrique non-élastique en utilisant la reprèsentation par la fonction d’angle de la courbe, ainsi qu’une métrique élastique induite par une représentation par la racinecarée appelée q-fonction. Une étape préliminaire nécessaire à la classification est l’extraction des couronnes d’arbre. Dans une seconde partie, nous abordons donc le problème de l’extraction d’objets de forme complexe arbitraire, à partir d’images de télédétection à très haute résolution. Nous construisons un modèle fondé sur les processus ponctuels marqués. Son originalité tient dans sa prise en compte d’objets de forme arbitraire par rapport aux objets de forme paramétrique, e.g. ellipses ou rectangles. Les formes sélectionnées sont obtenues par la minimisation locale d’une énergie de type contours actifs avec diérents a priori sur la forme incorporé. Les objets de la configuration finale (optimale) sont ensuite sélectionnés parmi les candidats par une dynamique de naissances et morts multiples, couplée à un schéma de recuit simulé. L’approche est validée sur des images de zones forestières à très haute résolution fournies par l’Université d’Agriculture de Suède. Abstract : This thesis includes two main parts. In the first part we address the problem of tree crown classification into species using shape features, without, or in combination with, those of radiometry and texture, to demonstrate that shape information improves classification performance. For this purpose, we first study the shapes of tree crowns extracted from very high resolution colour aerial infra-red images. For our study, we choose a methodology based on the shape analysis of closed continuous curves on shape spaces using geodesic paths under the bending metric with the angle-function curve representation, and the elastic metric with the square root q-function representation. A necessary preliminary step to classification is extraction of the tree crowns. In the second part, we address thus the problem of extraction of multiple objects with complex, arbitrary shape from remote sensing images of very high resolution. We develop a model based on marked point processes. Its originality lies in its use of arbitrarily-shaped objects as opposed to parametric shape objects, e.g. ellipses or rectangles. The shapes considered are obtained by local minimisation of an active contour energy with weak and then strong shape prior knowledge included. The objects in the final (optimal) configuration are then selected from amongst these candidates by a multiple birth-and-death dynamics embedded in an annealing scheme. The approach is validated on very high resolution images of forest provided by the Swedish University of Agriculture.

5 - Détection de Filaments dans des images 2D et 3D; modélisation, étude mathématique et algorithmes.. A. Baudour. PhD Thesis, Universite de Nice Sophia Antipolis, May 2009. Keywords : imagerie 3D, Segmentation, filaments, Deconvolution, Variational methods, mocroscopie confocale. @PHDTHESIS{baudour2009, author = {Baudour, A.}, title = {Détection de Filaments dans des images 2D et 3D; modélisation, étude mathématique et algorithmes.}, year = {2009}, month = {May}, school = {Universite de Nice Sophia Antipolis}, url = {https://hal.inria.fr/tel-00507520/}, keyword = {imagerie 3D, Segmentation, filaments, Deconvolution, Variational methods, mocroscopie confocale} } Résumé : Cette thèse aborde le problème de la modélisation et de la détection des laments dans des images 3D. Nous avons développé des méthodes variationnelles pour quatre applications spéciques :  l'extraction de routes où nous avons introduit la notion de courbure totale pour conserver les réseaux réguliers en tolérant les discontinuités de direction.  la détection et la complétion de laments fortement bruités et présentant des occultation. Nous avons utilisé la magnétostatique et la théorie de Ginzburg-Landau pour représenter les laments comme ensemble de singularités d'un champ vectoriel.  la détection de laments dans des images biologiques acquises en microscopie confocale. On modélise les laments en tenant compte des spécicité de cette dernière. Les laments sont alors obtenus par une méthode de maximum à posteriori.  la détection de cible dans des séquences d'images infrarouges. Dans cette application, on cherche des trajectoires optimisant la diérence de luminosit é moyenne entre la trajectoire et son voisinage en tenant compte des capteurs utilisés. Par ailleurs, nous avons démontré des résultats théoriques portant sur la courbure totale et la convergence de la méthode d'Alouges associée aux systèmes de Ginzburg-Landau. Ce travail réunit à la fois modélisation, résulats théoriques et recherche d'algorithmes numériques performants permettant de traiter de réelles applications.

6 - New higher-order active contour models, shape priors, and multiscale analysis: their application to road network extraction from very high resolution satellite images. T. Peng. PhD Thesis, Universite de Nice Sophia Antipolis, November 2008. Keywords : Higher-order active contour, Phase Field, Prior, Multiresolution, Road network, Very high resolution. Copyright : @PHDTHESIS{Peng08d, author = {Peng, T.}, title = {New higher-order active contour models, shape priors, and multiscale analysis: their application to road network extraction from very high resolution satellite images}, year = {2008}, month = {November}, school = {Universite de Nice Sophia Antipolis}, pdf = {http://tel.archives-ouvertes.fr/tel-00349768/fr/}, keyword = {Higher-order active contour, Phase Field, Prior, Multiresolution, Road network, Very high resolution} } Résumé : L'objectif de cette thèse est de développer et de valider des approches robustes d'extraction semi-automatique de réseaux routiers en zone urbaine dense à partir d'images satellitaires optiques à très haute résolution (THR). Nos modèles sont fondés sur une modélisation par champs de phase des contours actifs d'ordre supérieur (CAOS). Le probléme est difficile pour deux raisons principales : les images THR sont intrinsèquement complexes, et certaines zones des réseaux peuvent prendre une topologie arbitraire. Pour remédier à la complexité de l'information contenue dans les images THR, nous proposons une modélisation statistique multi-résolution des données ainsi qu'un modèle multi-résolution contraint a priori. Ces derniers permettent l'intégration des résultats de segmentation de résolution brute et de résolution fine. De plus, dans le cadre particulier de la mise à jour de réseaux routiers, nous présentons un modèle de forme a priori spécifique, dérivé d'une ancienne carte numérique issue d'un SIG. Ce terme spécifique a priori équilibre l'effet de la connaissance a priori générique apportée par le modèle de CAOS, qui décrit la forme géométrique générale des réseaux routiers. Cependant, le modèle classique de CAOS souffre d'une limitation importante : la largeur des branches du réseau est contrainte à d'être similaire au maximum du rayon de courbure des branches du réseau, fournissant ainsi un modèle non satisfaisant dans le cas de réseaux aux branches droites et étroites ou aux branches fortement incurvées et larges. Nous résolvons ce problème en proposant deux nouveaux modèles : l'un contenant un terme additionnel, nonlocal, non-linéaire de CAOS, et l'autre contenant un terme additionnel, nonlocal, linéaire de CAOS. Ces deux termes permettent le contrôle séparé de la largeur et de la courbure des branches, et fournissent une meilleure prolongation pour une même largeur. Le terme linéaire a plusieurs avantages : d'une part il se calcule plus efficacement, d'autre part il peut modéliser plusieurs largeurs de branche simultanément. Afin de remédier à la difficulté du choix des paramètres de ces modèles, nous analysons les conditions de stabilité pour une longue barre d'une largeur donnée décrite par ces énergies, et montrons ainsi comment choisir rigoureusement les paramètres des fonctions d'énergie. Des expériences sur des images satellitaires THR et la comparaison avec d'autres modèles démontrent la supériorité de nos modèles. Abstract : The objective of this thesis is to develop and validate robust approaches for the semi-automatic extraction of road networks in dense urban areas from very high resolution (VHR) optical satellite images. Our models are based on the recently developed higher-order active contour (HOAC) phase field framework. The problem is difficult for two main reasons: VHR images are intrinsically complex and network regions may have arbitrary topology. To tackle the complexity of the information contained in VHR images, we propose a multiresolution statistical data model and a multiresolution constrained prior model. They enable the integration of segmentation results from coarse resolution and fine resolution. Subsequently, for the particular case of road map updating, we present a specific shape prior model derived from an outdated GIS digital map. This specific prior term balances the effect of the generic prior knowledge carried by the HOAC model, which describes the geometric shape of road networks in general. However, the classical HOAC model suffers from a severe limitation: network branch width is constrained to be similar to maximum network branch radius of curvature, thereby providing a poor model of networks with straight narrow branches or highly curved, wide branches. We solve this problem by introducing two new models: one with an additional nonlinear nonlocal HOAC term, and one with an additional linear nonlocal HOAC term. Both terms allow separate control of branch width and branch curvature, and furnish better prolongation for the same width, but the linear term has several advantages: it is more efficient from a computational standpoint, and it is able to model multiple widths simultaneously. To cope with the difficulty of parameter selection of these models, we analyze the stability conditions for a long bar with a given width described by these energies, and hence show how to choose rigorously the parameters of the energy functions. Experiments on VHR satellite images and comparisons with other approaches demonstrate the superiority of our models.

7 - Algorithmes rapides d'optimisation convexe. Application à la reconstruction d'images et à la détection de changements. P. Weiss. PhD Thesis, Universite de Nice Sophia Antipolis, November 2008. Keywords : Convex optimization, nesterov scheme, Sparse representations, Total variation, Change detection, level lines. Copyright : @PHDTHESIS{These_Pweiss, author = {Weiss, P.}, title = {Algorithmes rapides d'optimisation convexe. Application à la reconstruction d'images et à la détection de changements}, year = {2008}, month = {November}, school = {Universite de Nice Sophia Antipolis}, pdf = {http://www.math.univ-toulouse.fr/~weiss/Publis/These_PWEISS_Compressee.pdf}, keyword = {Convex optimization, nesterov scheme, Sparse representations, Total variation, Change detection, level lines} } Résumé : Cette thèse contient des contributions en analyse numérique et en vision par ordinateur. Dans une première partie, nous nous intéressons à la résolution rapide, par des méthodes de premier ordre, de problèmes d'optimisation convexe. Ces problèmes apparaissent naturellement dans de nombreuses tâches telles que la reconstruction d'images, l'échantillonnage compressif ou la décomposition d'images en texture et en géométrie. Ils ont la particularité d'être non différentiables ou très mal conditionnés. On montre qu'en utilisant des propriétés fines des fonctions à minimiser on peut obtenir des algorithmes de minimisation extrêmement efficaces. On analyse systématiquement leurs taux de convergence en utilisant des résultats récents dûs à Y. Nesterov. Les méthodes proposées correspondent - à notre connaissance - à l'état de l'art des méthodes de premier ordre. Dans une deuxième partie, nous nous intéressons au problème de la détection de changements entre deux images satellitaires prises au même endroit à des instants différents. Une des difficultés principales à surmonter pour résoudre ce problème est de s'affranchir des conditions d'illuminations différentes entre les deux prises de vue. Ceci nous mène à l'étude de l'invariance aux changements d'illuminations des lignes de niveau d'une image. On caractérise complètement les scènes qui fournissent des lignes de niveau invariantes. Celles-ci correspondent assez bien à des milieux urbains. On propose alors un algorithme simple de détection de changements qui fournit des résultats très satisfaisants sur des images synthétiques et des images Quickbird réelles.

8 - Détection et classification de changements sur des scènes urbaines en télédétection. A. Fournier. PhD Thesis, Institut Supérieur de l'Aéronautique et de l'Espace, October 2008. Keywords : détection de changements, Satellite images, lignes de niveau, Classification, Urban areas, statistiques directionnelles. @PHDTHESIS{Fournier08, author = {Fournier, A.}, title = {Détection et classification de changements sur des scènes urbaines en télédétection}, year = {2008}, month = {October}, school = {Institut Supérieur de l'Aéronautique et de l'Espace}, url = {http://tel.archives-ouvertes.fr/tel-00463593/fr/}, keyword = {détection de changements, Satellite images, lignes de niveau, Classification, Urban areas, statistiques directionnelles} } Résumé : Cette thèse aborde le problème de la détection de changements sur des images de scènes urbaines en télédétection. Les expériences ont été menées sur des couples d'images satellitaires panchromatiques haute résolution (< 1 m). À travers ce thème général, plusieurs problématiques, correspondant aux divers niveaux d'une chaîne de traitement, sont abordés, depuis la création d'un masque de changements jusqu'au raisonnement à un niveau objet. Dans ce manuscrit, nous abordons premièrement le problème de la détermination d'un masque de changements. Après avoir étudié les limites d'un algorithme de détection de changements, fondé sur l'analyse en composantes principales, nous proposons un algorithme tirant parti de l'invariance des lignes de niveau, fondé sur un modèle d'illumination et des hypothèses sur la régularité de la scène. Par la suite, nous abordons la classification des zones détectées comme changées au cours de l'étape précédente. D'abord, nous nous fondons uniquement sur les radiométries des couples de pixels. Enfin, nous étudions l'intérêt d'une composante géométrique dans la classification. Plus précisément, nous appliquons un algorithme d'approximation polygonale sur les zones connexes issues de la classification précédentes, puis nous classifions les formes obtenues compte tenu des orientations des côtés des polygones obtenus. Abstract : This thesis addresses the problem of change detection on remotely sensed urban scenes. experiences were run on couples of high resolution (<1m) panchromatic satellite images. Through this general theme, different problems, corresponding to different levels of a processing chain were addressed, from the determination of a change mask to an object level reasoning. In this work, we first address the problem of determining a change mask. We study the assets and limits of a change detection algorithm based on a Principal Component Analysis. We then propose a new algorithm that relies on the invariance of the level lines. It is based on a simple illumination model and some hypotheses on the scene regularity. Then we address the classification of the zones detected as changed during our first step. This is done by only considering the radiometries of each pixel couple. Finally, we study the interest of a geometric component in our classification. More precisely, we apply a polygonal approximation algorithm on the connected zones generated by the first classification, then we classify the obtained shapes according to the orientations of the polygon edges.

9 - Détection de zones brûlées après un feu de forêt à partir d'une seule image satellitaire SPOT 5 par techniques SVM. O. Zammit. PhD Thesis, Universite de Nice Sophia Antipolis, September 2008. Keywords : Classification, Satellite images, Burnt areas, Forest fires, Support Vector Machines, Region Growing. Copyright : @PHDTHESIS{zammit_these_08, author = {Zammit, O.}, title = {Détection de zones brûlées après un feu de forêt à partir d'une seule image satellitaire SPOT 5 par techniques SVM}, year = {2008}, month = {September}, school = {Universite de Nice Sophia Antipolis}, url = {http://tel.archives-ouvertes.fr/tel-00345683/fr/}, keyword = {Classification, Satellite images, Burnt areas, Forest fires, Support Vector Machines, Region Growing} } Résumé : Cette thèse aborde le problème de cartographie de zones brûlées à partir d'images satellitaires haute résolution. Nos modèles reposent sur le traitement d'une seule image SPOT 5, acquise après le feu afin de détecter automatiquement les zones brûlées. Le modèle est fondé sur les Séparateurs à Vaste Marge (SVM), une technique de classification supervisée qui a démontré une meilleure précision et une meilleure capacité de généralisation que les algorithmes de classification plus traditionnels. Concernant notre problème de détection, les différentes zones brûlées possèdent des caractéristiques spectrales assez similaires, au contraire des zones non brûlées (végétation, routes, eau, zones urbaines, nuage, ombre...) dont les caractéristiques spectrales varient énormément. Nous proposons donc d'utiliser les One-Class SVM, une technique qui dérive des SVM mais qui n'utilise que des exemples de pixels brûlés pour les phases d'apprentissage et de classification. Afin de prendre en compte l'information spatiale de l'image, l'algorithme OC-SVM est utilisé comme une technique de croissance de régions, ce qui permet de diminuer les fausses alarmes et d'améliorer les contours des zones brûlées. De plus, la base d'exemple de pixels brûlés nécessaire à l'apprentissage des techniques SVM est déterminée automatiquement à partir de l'histogramme de l'image. Finalement, la méthode de classification proposée est testée sur plusieurs images satellitaires afin de valider son efficacité selon le type de végétation et la surface des zones brûlées. Les zones brûlées obtenues sont comparées aux vérités de terrain fournies par le CNES, Infoterra France, le SERTIT, les Services Départementaux d'Incendies et de Secours ou l'Office National des Forêts.

10 - The 'Gas of circles' model and its application to tree crown extraction. P. Horvath. PhD Thesis, Universite de Szeged, Universite de Nice Sophia Antipolis, December 2007. Keywords : geometric prior, Contours actifs d'ordre supérieur, Phase Field, Gas of circles. @PHDTHESIS{horvath_these, author = {Horvath, P.}, title = {The 'Gas of circles' model and its application to tree crown extraction}, year = {2007}, month = {December}, school = {Universite de Szeged, Universite de Nice Sophia Antipolis}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/2007_horvath_these.pdf}, keyword = {geometric prior, Contours actifs d'ordre supérieur, Phase Field, Gas of circles} }

11 - Modèles stochastiques pour la reconstruction tridimensionnelle d'environnements urbains. F. Lafarge. PhD Thesis, Ecole des Mines de Paris, October 2007. Keywords : 3D reconstruction, Urban areas, Satellite images, Structural approach, Simulated Annealing, MCMC. @PHDTHESIS{lafarge_phd07, author = {Lafarge, F.}, title = {Modèles stochastiques pour la reconstruction tridimensionnelle d'environnements urbains}, year = {2007}, month = {October}, school = {Ecole des Mines de Paris}, url = {http://tel.archives-ouvertes.fr/tel-00179695/en/}, keyword = {3D reconstruction, Urban areas, Satellite images, Structural approach, Simulated Annealing, MCMC} } Résumé : Cette thèse aborde le problème de la reconstruction tridimensionnelle de zones urbaines à partir d'images satellitaires très haute résolution. Le contenu informatif de ce type de données est insuffisant pour permettre une utilisation efficace des nombreux algorithmes développés pour des données aériennes. Dans ce contexte, l'introduction de connaissances a priori fortes sur les zones urbaines est nécessaire. Les outils stochastiques sont particulièrement bien adaptés pour traiter cette problématique. Nous proposons une approche structurelle pour aborder ce sujet. Cela consiste à modéliser un bâtiment comme un assemblage de modules urbains élémentaires extraits d'une bibliothèque de modèles 3D paramétriques. Dans un premier temps, nous extrayons les supports 2D de ces modules à partir d'un Modèle Numérique d' Elévation (MNE). Le résultat est un agencement de quadrilatères dont les éléments voisins sont connectés entre eux. Ensuite, nous reconstruisons les bâtiments en recherchant la configuration optimale de modèles 3D se fixant sur les supports précédemment extraits. Cette configuration correspond à la réalisation qui maximise une densité mesurant la cohérence entre la réalisation et le MNE, mais également prenant en compte des connaissances a priori telles que des lois d'assemblage des modules. Nous discutons enfin de la pertinence de cette approche en analysant les résultats obtenus à partir de données satellitaires (simulations PLEIADES). Des expérimentations sont également réalisées à partir d'images aériennes mieux résolues.

12 - Indexing of satellite images using structural information. A. Bhattacharya. PhD Thesis, Ecole Nationale Supérieure des Télécommunications, 2007. Keywords : Landscape, Segmentation, Features, Extraction, Classification, Data mining. @PHDTHESIS{bhattacharya_these, author = {Bhattacharya, A.}, title = {Indexing of satellite images using structural information}, year = {2007}, school = {Ecole Nationale Supérieure des Télécommunications}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/2007_bhattacharya_these.pdf}, keyword = {Landscape, Segmentation, Features, Extraction, Classification, Data mining} }

13 - Etude du couvert forestier par processus ponctuels marqués. G. Perrin. PhD Thesis, Ecole Centrale Paris, October 2006. Keywords : Tree Crown Extraction, Marked point process, Stochastic geometry, Object extraction, RJMCMC. @PHDTHESIS{perrin_phd06, author = {Perrin, G.}, title = {Etude du couvert forestier par processus ponctuels marqués}, year = {2006}, month = {October}, school = {Ecole Centrale Paris}, url = {http://www-sop.inria.fr/ariana/personnel/Guillaume.Perrin/resume.php}, pdf = {http://www-sop.inria.fr/ariana/personnel/Guillaume.Perrin/DOWNLOADS/these_perrin_2006.pdf}, keyword = {Tree Crown Extraction, Marked point process, Stochastic geometry, Object extraction, RJMCMC} } Résumé : Cette thèse aborde le problème de l'extraction d'arbres à partir d'images aériennes InfraRouge Couleur (IRC) de forêts. Nos modèles reposent sur l'utilisation de processus objets ou processus ponctuels marqués. Il s'agit de variables aléatoires dont les réalisations sont des configurations d'objets géométriques. Une fois l'objet géométrique de référence choisi, nous définissons l'énergie du processus par le biais d'un terme a priori, modélisant les contraintes sur les objets et leurs interactions, ainsi qu'un terme image. Nous échantillonnons le processus objet grâce à un algorithme de type Monte Carlo par Chaînes de Markov à sauts réversibles (RJMCMC), optimisé par un recuit simulé afin d'extraire la meilleure configuration d'objets, qui nous donne l'extraction recherchée. Dans ce manuscrit, nous proposons différents modèles d'extraction de houppiers, qui extraient des informations à l'échelle de l'arbre selon la densité du peuplement. Dans les peuplements denses, nous présentons un processus d'ellipses, et dans les zones de plus faible densité, un processus d'ellipsoïdes. Nous obtenons ainsi le nombre d'arbres, leur localisation, le diamètre de la couronne et leur hauteur pour les zones non denses. Les algorithmes automatiques résultant de cette modélisation sont testés sur des images IRC très haute résolution fournies par l'Inventaire Forestier National (IFN). Abstract : This thesis addresses the problem of tree crown extraction from Colour InfraRed (CIR) aerial images of forests. Our models are based on object processes, otherwise known as marked point processes. These mathematical objects are random variables whose realizations are configurations of geometrical shapes. This approach yields an energy minimization problem, where the energy is composed of a regularization term (prior density), which introduces some constraints on the objects and their interactions, and a data term, which links the objects to the features to be extracted. Once the reference object has been chosen, we sample the process and extract the best configuration of objects with respect to the energy, using a Reversible Jump Markov Chain Monte Carlo (RJMCMC) algorithm embedded in a Simulated Annealing scheme. We propose different models for tree crown extraction depending on the density of the stand. In dense areas, we use an ellipse process, while in sparse vegetation an ellipsoïd process is used. As a result we obtain the number of stems, their position, the diameters of the crowns and the heights of the trees for sparse areas. The resulting algorithms are tested on high resolution CIR aerial images provided by the French National Forest Inventory (IFN).

14 - Constance de largeur et désocclusion dans les images digitales. E. Villéger. PhD Thesis, Universite de Nice Sophia Antipolis, December 2005. @PHDTHESIS{villeger_these, author = {Villéger, E.}, title = {Constance de largeur et désocclusion dans les images digitales}, year = {2005}, month = {December}, school = {Universite de Nice Sophia Antipolis}, pdf = { http://www-sop.inria.fr/dias/Theses/phd-12.php}, keyword = {} }

15 - Contours actifs d'ordre supérieur et leur application à la détection de linéiques dans des images de télédétection. M. Rochery. PhD Thesis, Universite de Nice Sophia Antipolis, Sophia Antipolis, September 2005. Keywords : Active contour, Higher-order, Phase Field, Line networks, Road network. @PHDTHESIS{rochery_these, author = {Rochery, M.}, title = {Contours actifs d'ordre supérieur et leur application à la détection de linéiques dans des images de télédétection}, year = {2005}, month = {September}, school = {Universite de Nice Sophia Antipolis}, address = {Sophia Antipolis}, pdf = {http://hal.inria.fr/docs/00/04/86/28/PDF/tel-00010631.pdf}, keyword = {Active contour, Higher-order, Phase Field, Line networks, Road network} }

16 - Processus Ponctuels Marqués pour l'Extraction Automatique de Caricatures de Bâtiments à partir de Modèles Numériques d'Elévation. M. Ortner. PhD Thesis, Universite de Nice Sophia Antipolis, October 2004. Keywords : Marked point process, Object extraction, Buildings, Digital Elevation Model (DEM), RJMCMC, Stochastic geometry. @PHDTHESIS{mortner_these, author = {Ortner, M.}, title = {Processus Ponctuels Marqués pour l'Extraction Automatique de Caricatures de Bâtiments à partir de Modèles Numériques d'Elévation}, year = {2004}, month = {October}, school = {Universite de Nice Sophia Antipolis}, url = {https://hal.inria.fr/tel-00189803}, pdf = {http://hal.inria.fr/docs/00/18/98/03/PDF/These_Ortner.pdf}, keyword = {Marked point process, Object extraction, Buildings, Digital Elevation Model (DEM), RJMCMC, Stochastic geometry} } Résumé : Cette thèse se place dans un cadre de reconstruction urbaine et propose un corpus algorithmique pour extraire des formes simples sur les Modèles Numériques d'Elévation. Ce type de données décrit le relief d'une zone urbaine par une grille régulière de points à chacun desquels est associée une information de hauteur. Les modèles utilisés reposent sur l'utilisation de processus ponctuels marqués. Il s'agit de variables aléatoires dont les réalisations sont des configurations d'objets géométriques. Ces modèles permettent d'introduire des contraintes sur la forme des objets recherchés dans une image ainsi qu'un terme de régularisation modélisé par des interactions entre les objets. Une énergie peut être associée aux configurations d'objets et la configuration minimisant cette énergie trouvée au moyen d'un recuit-simulé couplé à un échantillonneur de type Monte Carlo par Chaîne de Markov à sauts réversibles (RJMCMC). Nous proposons quatre modèles pour extraire des caricatures de bâtiments à partir de descriptions altimétriques de zones urbaines denses. Chaque modèle est constitué par une forme d'objet, une énergie d'attache aux données et une énergie de régularisation. Les deux premiers modèles permettent d'extraire des formes simples (rectangles) en utilisant une contrainte d'homogénéité pour l'un et une détection des discontinuités pour l'autre. Le troisième modèle modélise les bâtiments par une forme polyhédrique. Le dernier modèle s'intéresse à l'apport d'une coopération entre des objets simples. Les algorithmes obtenus, automatiques, sont évalués sur des données réelles fournies par l'IGN (MNE Laser et optiques de différentes qualités). Abstract : The context of this thesis is the reconstruction of urban areas from images. It proposes a set of algorithms for extracting simple shapes from Digital Elevation Models (DEM). DEMs describe the altimetry of an urban area by a grid of points, each of which has a height associated to it. The proposed models are based on marked point processes. These mathematical objects are random variables whose realizations are configurations of geometrical shapes. Using these processes, we can introduce constraints on the shape of the objects to be detected in an image, and a regularizing term incorporating geometrical interactions between objects. An energy can be associated to each object configuration, and the global minima of this energy can then be found by applying simulated annealing to a Reversible Jump Monte Carlo Markov Chain sampler (RJMCMC). We propose four different models for extracting the outlines of buildings from altimetric descriptions of dense urban areas. Each of these models is constructed from an object shape, a data energy, and a regularizing energy. The first two models extract simple shapes (rectangles) using, respectively, a homogeneity constraint and discontinuity detection. The third model looks for three-dimensional polyhedral buildings. The last model uses cooperation between two types of objects, rectangles and segments. The resulting algorithms are evaluated on real data provided by the French National Geographic Institute (a laser DEM and optical DEMs of differing quality).

17 - Extraction de Réseaux Linéiques à partir d'Images Satellitaires et Aériennes par Processus Ponctuels Marqués. C. Lacoste. PhD Thesis, Universite de Nice Sophia Antipolis, September 2004. Keywords : Stochastic geometry, Object extraction, RJMCMC, Line networks, Simulated Annealing, Marked point process. @PHDTHESIS{lacoste_these, author = {Lacoste, C.}, title = {Extraction de Réseaux Linéiques à partir d'Images Satellitaires et Aériennes par Processus Ponctuels Marqués}, year = {2004}, month = {September}, school = {Universite de Nice Sophia Antipolis}, url = {https://hal.inria.fr/tel-00261397}, pdf = {http://hal.inria.fr/docs/00/26/13/97/PDF/THESE_CAROLINE_LACOSTE.pdf}, keyword = {Stochastic geometry, Object extraction, RJMCMC, Line networks, Simulated Annealing, Marked point process} } Résumé : Cette thèse aborde le problème de l'extraction non supervisée des réseaux linéiques (routes, rivières, etc.) à partir d'images satellitaires et aériennes. Nous utilisons des processus objet, ou processus ponctuels marqués, comme modèles a priori. Ces modèles permettent de bénéficier de l'apport d'un cadre stochastique (robustesse au bruit, corpus algorithmique, etc.) tout en manipulant des contraintes géométriques fortes. Un recuit simulé sur un algorithme de type Monte Carlo par Chaîne de Markov (MCMC) permet une optimisation globale sur l'espace des configurations d'objets, indépendamment de l'initialisation. Nous proposons tout d'abord une modélisation du réseau linéique par un processus dont les objets sont des segments interagissant entre eux. Le modèle a priori est construit de façon à exploiter au mieux la topologie du réseau recherché au travers de potentiels fondés sur la qualité de chaque interaction. Les propriétés radiométriques sont prises en compte dans un terme d'attache aux données fondé sur des mesures statistiques. Nous étendons ensuite cette modélisation à des objets plus complexes. La manipulation de lignes brisées permet une extraction plus précise du réseau et améliore la détection des bifurcations. Enfin, nous proposons une modélisation hiérarchique des réseaux hydrographiques dans laquelle les affluents d'un fleuve sont modélisés par un processus de lignes brisées dans le voisinage de ce fleuve. Pour chacun des modèles, nous accélérons la convergence de l'algorithme MCMC par l'ajout de perturbations adaptées. La pertinence de cette modélisation par processus objet est vérifiée sur des images satellitaires et aériennes, optiques et radar. Abstract : This thesis addresses the problem of the unsupervised extraction of line networks (roads, rivers, etc.) from remotely sensed images. We use object processes, or marked point processes, as prior models. These models benefit from a stochastic framework (robustness w.r.t. noise, algorithms, etc.) while incorporating strong geometric constraints. Optimization is done via simulated annealing using a Reversible Jump Markov Chain Monte Carlo (RJMCMC) algorithm, without any specific initialization. We first propose to model line networks by a process whose objects are interacting line segments. The prior model is designed to exploit as fully as possible the topological properties of the network under consideration through potentials based on the quality of each interaction. The radiometric properties of the network are modeled using a data term based on statistical measures. We then extend this model to more complex objects. The use of broken lines improves the detection of network junctions and increases the accuracy of the extracted network. Finally, we propose a hierarchical model of hydrographic networks in which the tributaries of a given river are modeled by a process of broken lines in the neighborhood of this river. For each model, we accelerate convergence of the RJMCMC algorithm by using appropriate perturbations. We show experimental results on aerial and satellite images (optical and radar data) to verify the relevance of the object process models.

18 - Contribution à l'Analyse de Textures en Traitement d'Images par Méthodes Variationnelles et Equations aux Dérivées Partielles. J.F. Aujol. PhD Thesis, Universite de Nice Sophia Antipolis, June 2004. Keywords : Image decomposition, Classification, Restoration, Fonctional analysis, Bounded Variation Space, Sobolev space. @PHDTHESIS{JFAujol, author = {Aujol, J.F.}, title = {Contribution à l'Analyse de Textures en Traitement d'Images par Méthodes Variationnelles et Equations aux Dérivées Partielles}, year = {2004}, month = {June}, school = {Universite de Nice Sophia Antipolis}, url = {https://hal.inria.fr/tel-00006303}, pdf = {http://hal.inria.fr/docs/00/04/68/89/PDF/tel-00006303.pdf}, keyword = {Image decomposition, Classification, Restoration, Fonctional analysis, Bounded Variation Space, Sobolev space} } Résumé : Cette thèse est un travail en mathématiques appliquées. Elle aborde quelques problèmes en analyse d'images et utilise des outils mathématiques spécifiques. L'objectif des deux premières parties de cette thèse est de proposer un modèle pour décomposer une image f'en trois composantes : f=u+v+w. Notre approche repose sur l'utilisation d'espaces mathématiques adaptés à chaque composante: l'espace BV des fonctions à variations bornées pour u, un espace G'proche du dual de BV pour les textures, et un espace de Besov d'exposant négatif E'pour le bruit. Nous effectuons l'étude mathématique complète des différents modèles que nous proposons. Nous illustrons notre approche par de nombreux exemples.Dans la troisième et dernière partie de cette thèse, nous nous intéressons spécifiquement à la composante texturée. Nous proposons un algorithme de classification supervisée pour les images texturées. Abstract : This Ph.D. thesis is a work in applied mathematics. It deals with image processing problems, and uses specific mathematical tools. The aim of the two first parts is to propose a model for decomposing an image f'into three components : f=u+v+w. Our approach relies on the use of mathematical spaces adapted to each component : the space BV of functions with bounded variations for u, a space G'close to the dual space of BV for v, and a negative Besov space E'for w. We carry out the complete mathematical analysis of the different models we propose. We illustrate our approach with many numerical examples. In the third and last part, we only deal with the texture component of an image. We propose a supervised classification algorithm for textured images.

19 - Méthodes stochastiques en analyse d'image : des champs de Markov aux processus ponctuels marqués. X. Descombes. Habilitation à diriger des Recherches, Universite de Nice Sophia Antipolis, February 2004. Keywords : Markov Fields, Stochastic geometry. @PHDTHESIS{Xdescombes, author = {Descombes, X.}, title = {Méthodes stochastiques en analyse d'image : des champs de Markov aux processus ponctuels marqués}, year = {2004}, month = {February}, school = {Universite de Nice Sophia Antipolis}, type = {Habilitation à diriger des Recherches}, url = {https://hal.inria.fr/tel-00506084}, pdf = {ftp://ftp-sop.inria.fr/ariana/Articles/HDRdescombes.pdf}, keyword = {Markov Fields, Stochastic geometry} }

20 - Analyse du milieu urbain par une approche de fusion de données satellitaires optiques et radar. O. Viveros-Cancino. PhD Thesis, Universite de Nice Sophia Antipolis, 2003. @PHDTHESIS{Viveros-Cancino03, author = {Viveros-Cancino, O.}, title = {Analyse du milieu urbain par une approche de fusion de données satellitaires optiques et radar}, year = {2003}, school = {Universite de Nice Sophia Antipolis}, pdf = {http://www-sop.inria.fr/dias/Theses/phd-8.php}, keyword = {} }

21 - A Probabilistic Framework for Adaptive Texture Description. K. Brady. PhD Thesis, Universite de Nice Sophia Antipolis, 2003. @PHDTHESIS{Brady03t, author = {Brady, K.}, title = {A Probabilistic Framework for Adaptive Texture Description}, year = {2003}, school = {Universite de Nice Sophia Antipolis}, pdf = {Theses/these-kbrady-2003.pdf}, keyword = {} }

22 - Modèles Variationnels et Équations aux Dérivées Partielles pour le Déroulement de Phase en Interférométrie Radar de Type RSO. C. Lacombe. PhD Thesis, Universite de Nice Sophia Antipolis, 2003. Note : papier (tu-0816) @PHDTHESIS{Lacombe03, author = {Lacombe, C.}, title = {Modèles Variationnels et Équations aux Dérivées Partielles pour le Déroulement de Phase en Interférométrie Radar de Type RSO}, year = {2003}, school = {Universite de Nice Sophia Antipolis}, note = {papier (tu-0816)}, keyword = {} }

23 - Segmentation d'images d'observation de la Terre par des techniques de géométrie probabiliste. S. Drot. PhD Thesis, Universite de Nice Sophia Antipolis, December 2002. Note : papier (tu-0758) @PHDTHESIS{drot, author = {Drot, S.}, title = {Segmentation d'images d'observation de la Terre par des techniques de géométrie probabiliste}, year = {2002}, month = {December}, school = {Universite de Nice Sophia Antipolis}, note = {papier (tu-0758)}, keyword = {} }

24 - Analyse de texture dans l'espace hyperspectral par des méthodes probabilistes. G. Rellier. PhD Thesis, Universite de Nice Sophia Antipolis, November 2002. Keywords : Hyperspectral imaging, Texture, Classification, Markov Fields. @PHDTHESIS{rellier, author = {Rellier, G.}, title = {Analyse de texture dans l'espace hyperspectral par des méthodes probabilistes}, year = {2002}, month = {November}, school = {Universite de Nice Sophia Antipolis}, url = {https://hal.inria.fr/tel-00505898}, keyword = {Hyperspectral imaging, Texture, Classification, Markov Fields} } Résumé : Dans cette thèse, on aborde le problème de l'analyse de texture pour l'étude des zones urbaines. La texture est une notion spatiale désignant ce qui, en dehors de la couleur ou du niveau de gris, caractérise l'homogénéité visuelle d'une zone donnée d'une image. Le but de cette étude est d'établir un modèle qui permette une analyse de texture prenant en compte conjointement l'aspect spatial et l'aspect spectral, à partir d'images hyperspectrales. Ces images sont caractérisées par un nombre de canaux largement supérieur à celui des images multispectrales classiques. On désire tirer parti de l'information spectrale pour améliorer l'analyse spatiale. Les textures sont modélisées par un champ de Markov gaussien vectoriel, qui permet de prendre en compte les relations spatiales entre pixels, mais aussi les relations inter-bandes à l'intérieur d'un même pixel. Ce champ est adapté aux images hyperspectrales par une simplification évitant l'apparition de problèmes d'estimation statistique dans des espaces de grande dimension. Dans le but d'éviter ces problèmes, on effectue également une réduction de dimension des données grâce à un algorithme de poursuite de projection. Cet algorithme permet de déterminer un sous-espace de projection dans lequel une grandeur appelée indice de projection est optimisée. L'indice de projection est défini par rapport à la modélisation de texture proposée, de manière à ce que le sous-espace optimal maximise la distance entre les classes prédéfinies, dans le cadre de la classification. La méthode d'analyse de texture est testée dans le cadre d'une classification supervisée. Pour ce faire, on met au point deux algorithmes que l'on compare avec des algorithmes classiques utilisant ou non l'information de texture. Des tests sont réalisés sur des images hyperspectrales AVIRIS. Abstract : In this work, we investigate the problem of texture analysis of urban areas. Texture is a spatial concept that refers to the visual homogeneity characteristics of an image, not taking into account color or grey level. The aim of this research is to define a model which allows a joint spectral and spatial analysis of texture, and then to apply this model to hyperspectral images. These images many more bands than classical multispectral images. We intend to make use of spectral information and improve simple spatial analysis. Textures are modeled by a vectorial Gauss-Markov random field, which allows us to take into account the spatial interactions between pixels as well as inter-band relationships for a single pixel. This field has been adapted to hyperspectral images by a simplification which avoids statistical estimation problems common to high dimensional spaces. In order to avoid these problems, we also reduce the dimensionality of the data, using a projection pursuit algorithm. This algorithm determines a projection subspace in which an index, called projection index, is optimized. This index is defined in relation to the proposed texture model so that, when a classification is being carried out, the optimal subspace maximizes the distance between predefined training samples. This texture analysis method is tested within a supervised classification framework. For this purpose, we propose two classification algorithms that we compare to two classical algorithms, one which uses texture information and one which does not. Tests are carried out on AVIRIS hyperspectral images.

25 - Modèles, estimation bayésienne et algorithmes pour la déconvolution d'images satellitaires et aériennes. A. Jalobeanu. PhD Thesis, Universite de Nice Sophia Antipolis, December 2001. @PHDTHESIS{aj01, author = {Jalobeanu, A.}, title = {Modèles, estimation bayésienne et algorithmes pour la déconvolution d'images satellitaires et aériennes}, year = {2001}, month = {December}, school = {Universite de Nice Sophia Antipolis}, ps = {http://www-sop.inria.fr/ariana/personnel/Andre.Jalobeanu/these.ps.gz}, keyword = {} }

26 - Processus ponctuels pour l'extraction de réseaux linéiques dans les images satellitaires et aériennes. R. Stoica. PhD Thesis, Universite de Nice Sophia Antipolis, February 2001. Keywords : Marked point process, Line networks, Road network, Stochastic geometry, RJMCMC. @PHDTHESIS{rs01, author = {Stoica, R.}, title = {Processus ponctuels pour l'extraction de réseaux linéiques dans les images satellitaires et aériennes}, year = {2001}, month = {February}, school = {Universite de Nice Sophia Antipolis}, pdf = {Theses/These-stoica.pdf}, keyword = {Marked point process, Line networks, Road network, Stochastic geometry, RJMCMC} } Résumé : Les réseaux routiers, ou les réseaux hydrographiques, les vaisseaux sanguins ou bien les fissures dans les matériaux sont connus dans la communauté du traitement d'image sous le nom générique de réseaux liné¨iques. La théorie des processus ponctuels marqués est un cadre mathématique rigoureux qui donne la possibilité de modéliser l'image comme un ensemble d'objets en interaction. Les deux idées principales qui ont motivé ce travail sont : ces réseaux sont approchés par de segments de droite connectés, et les réseaux liné¨iques dans une image sont la réalisation d'un processus ponctuel de Gibbs. Le processus ponctuel qui modèlise les réseaux comporte deux composantes. Le premier terme ("Candy" modèle) gère les états et les interactions entre segments : densité, connectivité, alignement et répulsion des segments. L'emplacement du réseau dans l'image est trouvé grâce au second terme, le terme d'attache aux données. Cette composante du modèle est construite à partir de tests d'hypothèses. L'estimateur des réseaux dans l'image est donné par le minimum d'une fonction d'énergie de Gibbs. Pour trouver l'optimum global de cette fonction, nous mettons en {\oe}uvre un algorithme de type recuit simulé qui s'appuie, sur une dynamique de type Monte Carlo par Chaînes de Markov (MCMC) à sauts réversibles. Des résultats sont présentes sur des images aériennes, SPOT et RADAR (RSO). Nous abordons ensuite deux de problèmes ouverts liés au "Candy" modèle, mais d'un interêt théorique général : la convergence d'une dynamique de Monte Carlo à sauts reversibles, et l'estimation des paramètres des processus ponctuels. Une solution à ces problèmes pourrait ouvrir une nouvelle direction dans la recherche de méthodes non-supervisése en traitement d'image. Abstract : Road or hydrographical networks, blood vessels or fissures in materials are all known by the image processing community under the general name of line networks. The theory of point processes is a rigourous mathematical framework which allows us to model an image as a set of interacting objects. The two main ideas which are the basis of this work are : these networks can be considered as connected segments, and the line networks in an image are the realization of a Gibbs point process. The point process used to model the networks has two components. The first one (Candy model) deals with the states and the interaction of the segments : density, connectivity, alignment, attraction and rejection. The location of the network is determined by the second component, the data term. This component is based on hypothesis tests. The network estimator is given by the minimum of a Gibbs energy. We build a simulated annealing algorithm in order to avoid local minima. This algorithm uses reversible jump Monte Carlo Markov Chain (RJMCMC) dynamics. Results are shown on aerial, SPOT and RADAR (SAR) images. Finally, we start a study on two open problems related to the Candy model, but of general theoretical interest : the convergence of a RJMCMC dynamics, and parameter estimation related to point processes. A solution to these problems would give a new direction for the research of unsupervised methods in image processing.

27 - Contribution à la classification d'images satellitaires par approche variationnelle et équations aux dérivées partielles. C. Samson. PhD Thesis, Universite de Nice Sophia Antipolis, September 2000. Keywords : Classification, Restoration, Level sets, Active contour. @PHDTHESIS{cs, author = {Samson, C.}, title = {Contribution à la classification d'images satellitaires par approche variationnelle et équations aux dérivées partielles}, year = {2000}, month = {September}, school = {Universite de Nice Sophia Antipolis}, url = {https://tel.archives-ouvertes.fr/tel-00319709}, pdf = {http://tel.archives-ouvertes.fr/docs/00/31/97/09/PDF/SAMSONthesis.pdf}, keyword = {Classification, Restoration, Level sets, Active contour} } Résumé : Ce travail est consacré au développement ainsi qu'à l'implantation de deux modèles variationnels pour la classification d'images. La classification d'images, consistant à attribuer une étiquette à chaque pixel d'une image, concerne de nombreuses applications à partir du moment où cette opération intervient très souvent à la base des chaînes de traitement et d'interprétation d'images. De nombreux modèles de classification ont déjà été développés dans un cadre stochastique ou à travers des approches structurales, mais rarement dans un contexte variationnel qui a déjà montré son efficacité dans divers domaines tels que la reconstruction ou la restauration d'images. Le premier modèle que nous proposons repose sur la minimisation d'une famille de critères dont la suite de solutions converge vers une partition des données composée de classes homogènes séparées par des contours réguliers. Cette approche entre dans le cadre des problèmes à discontinuité libre (it free discontinuity problems) et fait appel à des notions de convergence variationnelle telle que la théorie de la Gamma-convergence. La famille de fonctionnelles que nous proposons de minimiser contient un terme de régularisation, ainsi qu'un terme de classification. Lors de la convergence de cette suite de critères, le modèle change progressivement de comportement en commençant par restaurer l'image avant d'entamer le processus d'étiquetage des pixels. Parallèlement à cette approche, nous avons développé un second modèle de classification mettant en jeu un ensemble de régions et contours actifs. Nous utilisons une approche par ensembles de niveaux pour définir le critère à minimiser, cette approche ayant déjà suscité de nombreux travaux dans le cadre de la segmentation d'images. Chaque classe, et son ensemble de régions et contours associé, est défini à travers une fonction d'ensemble de niveaux. Le critère contient des termes reliés à l'information sur les régions ainsi qu'à l'information sur les contours. Nous aboutissons à la résolution d'un système d'équations aux dérivées partielles couplées et plongées dans un schéma dynamique. L'évolution de chaque région est guidée par un jeu de forces permettant d'obtenir une partition de l'image composée de classes homogènes et dont les frontières sont lisses. Nous avons mené des expériences sur de nombreuses données synthétiques ainsi que sur des images satellitaires SPOT. Nous avons également étendu ces deux modèles au cas de données multispectrales et obtenu des résultats sur des données SPOT XS que nous avons comparé à ceux obtenus par différents modèles. Abstract : This work is devoted to the development and the implementation of variational models for image classification.\ Image classification, which consists in assiging a label to each pixel of a given image, concerns many applications since it is often the basic processing for many image interpretation systems. Many models have been developed within a stochastic framework or using structural approaches, but rarely within a variational framework whose efficiency has largely been proved for a wide variety of problems such as image reconstruction or restoration. The first model we propose herein is based on the minimization of a criterion family whose set of solutions in converging to a partition of the data set composed of homogeneous regions with regularized boundaries. This approach takes place within the context of free boundary problems and we use the Gamma-convergence theory for the theoretical study. The set of functionals we minimize contains a regularization term and a classification one. As the set of functionals is converging, the behavior of the model is progressively changing: the restoration process is vanishing while the labeling one is rising. The second model we propose is based on a set of active regions and contours. We use a level set formulation to define the criterion we want to minimize, this formulation allows a change of topology of the evolving sets. Each class and its associated set of regions and boundaries is defined thanks to a level set function. From the Euler equations, we solve a system of coupled partial differential equations through a dynamical scheme. The evolution of each region is governed by forces constraining the partition to be composed of homogeneous classes with smooth boundaries.\ We have conducted many experiments on both synthetic and real images. We have extended these models to the multispectral case for which the data are a set of images, and we show some results and comparisons on SPOT XS images.

28 - Sur quelques Problèmes Inverses en Traitement d'Image. L. Blanc-Féraud. Habilitation à diriger des Recherches, Universite de Nice Sophia Antipolis, July 2000. Keywords : Partial differential equation, Restoration, Regularization, Gamma Convergence, Variational methods. @PHDTHESIS{lbf, author = {Blanc-Féraud, L.}, title = {Sur quelques Problèmes Inverses en Traitement d'Image}, year = {2000}, month = {July}, school = {Universite de Nice Sophia Antipolis}, type = {Habilitation à diriger des Recherches}, pdf = {Theses/hdr-blancf-2000.pdf}, keyword = {Partial differential equation, Restoration, Regularization, Gamma Convergence, Variational methods} } Résumé : Après une présentation générale des problèmes inverses mal posés en imagerie, les méthodes de régularisation linéaires puis non linéaires sont présentées. La préservation des discontinuités (contours d'une image) est abordée conjointement selon 3 approches: stochastique, variationnelle et EDP. Des résultats sont montrés sur plusieurs applications dont la restauration d'image optique satellitaire, la reconstruction SPECT 2D et 3D en imagerie médicale, la diffraction inverse en imagerie microonde. Nous faisons ensuite le lien entre régularisation et segmentation dans l'approche variationnelle initialement introduite par Munford et Shah. Deux modèles ont été proposé pour approcher numériquement les discontinuités dans le cadre de la régularisation : par suite de fonctionnelles "Gamma-convergentes" et par ensemble de niveaux. Après avoir considéré l'exemple de la restauration d'image, nous avons aussi développé ces deux approches pour le problème de la classification d'image satelllitaire. Enfin, le problème de l'estimation des paramètres des fonctionnnelles est abordée et une méthode d'estimation stochastique est proposée dans le cadre de la restauration d'image floue en optique satellitaire. mots cles : methodes variationelles, diffusion (EDP), problemes inverses, regularisation, discontinuites, segmentation d'image, fonctionnelle de Mumford et Shah, Gamma-convergence, ensembles de niveaux, contours actifs, estimation de parametres, methodes MCMC, restauration d'image, classification d'image, reconstruction SPECT, diffraction inverse en imagerie micro-onde. Abstract : We first describe ill-posed inverse problems in image processing, linear and nonlinear regularisation methods. Discontinuity preservation (edges of the image) is jointly presented following three approaches : stochastic, variational and by diffusion process (solving PDE's). Results are shown on several applications such as optical satellite image restoration, 2D and 3D SPECT reconstruction in medical images, inverse diffraction in microwavimages. Then we rely regularisation and segmentation problem in the variational approach as introduced by Mumford and Shah. Tow models have been proposed in order to numerically compute discontinuities in such models : by minimizing sequence of functionals which "Gamma-converge", and by using level sets models. After considering the restoration case, we have developped such methods for the problem of supervised image classification. Finally we have considered the parameter estimation problem for such fonctionnals and we describe a stochastic estimation method for the problem of satellite image restoration. Key-words : variational methods, diffusion (PDE), inverse problems, regularisation, discontinuities, image segmentation, Mumford and Shah functional, Gamma-convergence, level set methods, active contours, parameter estimation, MCMC methods, image restoration, supervised image classification, SPECT reconstruction, inverse diffraction in microwave images.

29 - Analyse de Texture par Méthodes Markoviennes et par Morphologie Mathématique : Application à l'Analyse des Zones Urbaines sur des Images Satellitales. A. Lorette. PhD Thesis, Universite de Nice Sophia Antipolis, September 1999. Keywords : Texture, Segmentation, Markov Fields, Mathematical morphology, Urban areas. @PHDTHESIS{lorette99, author = {Lorette, A.}, title = {Analyse de Texture par Méthodes Markoviennes et par Morphologie Mathématique : Application à l'Analyse des Zones Urbaines sur des Images Satellitales}, year = {1999}, month = {September}, school = {Universite de Nice Sophia Antipolis}, pdf = {Theses/these-lorette.pdf}, keyword = {Texture, Segmentation, Markov Fields, Mathematical morphology, Urban areas} } Résumé : Dans cette thèse, nous nous intéressons au problème de l'analyse urbaine à partir d'images satellitales par des méthodes automatiques ou semi-automatiques issues du traitement d'image. Dans le premier chapitre, nous présentons le contexte dans lequel le travail a été effectué. Nous exposons les types de données utilisées, les approches statistiques considérées. Nous donnons également quelques exemples d'applications qui justifient une telle étude. Enfin, un état de l'art des diverses méthodes d'analyse des textures est présenté. Dans les deux chapitres suivants, nous développons une méthode automatique d'extraction d'un masque urbain à partir d'une analyse de la texture de l'image. Des méthodes d'extraction d'un masque urbain sont décrites. Ensuite, nous définissons plus précisemment les huit modèles markoviens gaussiens fondés sur des chaines. Ces modèles sont renormalisés par une méthode de renormalisation de groupe issue de la physique statistique afin de corriger le biais introduit par l'anisotropie du réseau de pixels. L'analyse de texture proposée est comparée avec deux méthodes classiques: les matrices de cooccurrence et les filtres de Gabor. L'image du paramètre de texture est ensuite classifiée avec un algorithme non supervisé de classification floue fondée sur la définition d'un critère entropique. Les paramètres estimés avec cet algorithme sont intégrés dans un modèle markovien de segmentation. Des résultats d'extraction de masques urbains sont finalement présentés sur des images satellitales optiques SPOT3, des simulations SPOT5, et des images radar ERS1. Dans le quatrième chapitre, nous présentons l'analyse granulométrique utilisée pour analyser le paysage urbain. Les outils et définitions de base de la morphologie mathématique sont exposés. Nous nous intéressons plus particulièrement à l'ouverture par reconstruction qui est utilisée comme transformation de base de la granulométrie. L'étape de quantification qui suit tout étape de transformation nous permet d'estimer en chaque pixel une distribution locale de taille qui est intégrée dans le terme d'attache aux données d'un modèle markovien de segmentation. Des tests sont effectués sur des simulations SPOT5. Abstract : In this thesis, we investigate the problem of urban areas analysis from satellite images by automatic or semi-automatic methods coming from image processing. In the first chapter, we describe the context of this work, i.e. the type of used data, the statistical applied methods. We also give some examples of the applications which require such an analysis. Finally, a study of the existing methods of texture analysis is presented. In the second and third chapter, we develop a non supervised method based on texture analysis in order to extract an urban mask. First a study of the existing methods of urban mask extraction is presented. Second we precisely describe the eight chain-based Gaussian Markovian models used to characterize urban texture. These models are normalized through a renormalization group technique derived from statistical physics in order to correct the bias introduced by the anisotropy of the lattice.The above mentionned method of texture analysis is then compared with two classical ones: coocurrences matrix and Gabor filters. The image is then partitionned by an unsupervised fuzzy Cmeans algorithm based on an entropic criterion. The final segmentation is performed by the minimization of an energy derived from a Markovian model. Some results are presented that are obtained from SPOT3 images, SPOT5 simulations and radar ERS1 images. In the fourth chapter, we present the granulometric approach used to segment within the urban area itself. The basic operations and definitions of mathematical morphology are settled. We are particularly interested in opening by reconstruction operation based on geodesic dilatations. In fact this operation is used to define a granulometry. The quantification step that follows the transformation step consists in estimating a local size distribution function for each pixel. These parameters are then integrated in the data term of a Markovian model. Some results on SPOT5 simulations are presented.

30 - Modélisation de la Redondance d'Image, Etude et Application à la Classification. E. Volden. PhD Thesis, Ecole des Mines de Paris, January 1998. @PHDTHESIS{volden, author = {Volden, E.}, title = {Modélisation de la Redondance d'Image, Etude et Application à la Classification}, year = {1998}, month = {January}, school = {Ecole des Mines de Paris}, keyword = {} }

31 - Extraction de Thèmes Cartographiques dans les Images Satellites ou Aériennes. Application à la Génération de Quick-Looks Adaptatifs et à la Compression des Images. J.M. Benharrosh. PhD Thesis, Universite de Nice Sophia Antipolis, 1998. Note : papier (tu-0524) @PHDTHESIS{benharrosh, author = {Benharrosh, J.M.}, title = {Extraction de Thèmes Cartographiques dans les Images Satellites ou Aériennes. Application à la Génération de Quick-Looks Adaptatifs et à la Compression des Images}, year = {1998}, school = {Universite de Nice Sophia Antipolis}, note = {papier (tu-0524)}, keyword = {} }

top of the page

display : 10 per page | 20 per page | 50 per page

These pages were generated by