|
Les Publications
Résultat de la recherche dans la liste des publications :
31 Thèses de Doctorat et Habilitations |
20 - Analyse du milieu urbain par une approche de fusion de données satellitaires optiques et radar. O. Viveros-Cancino. Thèse de Doctorat, 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. Thèse de Doctorat, 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. Thèse de Doctorat, 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. Thèse de Doctorat, Universite de Nice Sophia Antipolis, décembre 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 |
= |
{décembre}, |
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. Thèse de Doctorat, Universite de Nice Sophia Antipolis, novembre 2002. Mots-clés : Imagerie hyperspectrale, Texture, Classification, Champs de Markov.
@PHDTHESIS{rellier,
|
author |
= |
{Rellier, G.}, |
title |
= |
{Analyse de texture dans l'espace hyperspectral par des méthodes probabilistes}, |
year |
= |
{2002}, |
month |
= |
{novembre}, |
school |
= |
{Universite de Nice Sophia Antipolis}, |
url |
= |
{https://hal.inria.fr/tel-00505898}, |
keyword |
= |
{Imagerie hyperspectrale, Texture, Classification, Champs de Markov} |
} |
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. Thèse de Doctorat, Universite de Nice Sophia Antipolis, décembre 2001.
@PHDTHESIS{aj01,
|
author |
= |
{Jalobeanu, A.}, |
title |
= |
{Modèles, estimation bayésienne et algorithmes pour la déconvolution d'images satellitaires et aériennes}, |
year |
= |
{2001}, |
month |
= |
{décembre}, |
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. Thèse de Doctorat, Universite de Nice Sophia Antipolis, février 2001. Mots-clés : Processus ponctuels marques, Reseaux lineiques, Reseaux routiers, Geometrie stochastique, RJMCMC.
@PHDTHESIS{rs01,
|
author |
= |
{Stoica, R.}, |
title |
= |
{Processus ponctuels pour l'extraction de réseaux linéiques dans les images satellitaires et aériennes}, |
year |
= |
{2001}, |
month |
= |
{février}, |
school |
= |
{Universite de Nice Sophia Antipolis}, |
pdf |
= |
{Theses/These-stoica.pdf}, |
keyword |
= |
{Processus ponctuels marques, Reseaux lineiques, Reseaux routiers, Geometrie stochastique, 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. Thèse de Doctorat, Universite de Nice Sophia Antipolis, septembre 2000. Mots-clés : Classification, Restauration, Courbes de niveaux, Contour actif.
@PHDTHESIS{cs,
|
author |
= |
{Samson, C.}, |
title |
= |
{Contribution à la classification d'images satellitaires par approche variationnelle et équations aux dérivées partielles}, |
year |
= |
{2000}, |
month |
= |
{septembre}, |
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, Restauration, Courbes de niveaux, Contour actif} |
} |
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, juillet 2000. Mots-clés : Equation aux derivees partielles, Restauration, Regularisation, Gamma Convergence, Methodes variationnelles.
@PHDTHESIS{lbf,
|
author |
= |
{Blanc-Féraud, L.}, |
title |
= |
{Sur quelques Problèmes Inverses en Traitement d'Image}, |
year |
= |
{2000}, |
month |
= |
{juillet}, |
school |
= |
{Universite de Nice Sophia Antipolis}, |
type |
= |
{Habilitation à diriger des Recherches}, |
pdf |
= |
{Theses/hdr-blancf-2000.pdf}, |
keyword |
= |
{Equation aux derivees partielles, Restauration, Regularisation, Gamma Convergence, Methodes variationnelles} |
} |
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. Thèse de Doctorat, Universite de Nice Sophia Antipolis, septembre 1999. Mots-clés : Texture, Segmentation, Champs de Markov, Morphologie mathematique, Zones urbaines.
@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 |
= |
{septembre}, |
school |
= |
{Universite de Nice Sophia Antipolis}, |
pdf |
= |
{Theses/these-lorette.pdf}, |
keyword |
= |
{Texture, Segmentation, Champs de Markov, Morphologie mathematique, Zones urbaines} |
} |
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. |
|
haut de la page
Ces pages sont générées par
|