Laboratoire de l'Intégration du Matériau au Système

Connexion

Connexion à votre compte

Identifiant
Mot de passe
Maintenir la connexion active sur ce site

MOTIVE

Présentation

Orienté vers la conception de nouveaux algorithmes, le thème MOTIVE (MOdèles, Textures, Images, VolumEs) dédie ses activités aux problèmes d’inférence de grandeurs physiques, de restauration ou de reconstruction de l’image pour la caractérisation de phénomènes observables ou partiellement observables. Comme objet d’étude, il s’intéresse en particulier aux images et volumes texturés avec comme finalité l’analyse, la classification et la synthèse de textures, ou encore la détection et la reconstruction d’objets dans les images texturées.

Les applications, diversifiées, concernent notamment les géosciences, les sciences des matériaux, les problématiques agronomiques et environnementales, domaines autour desquels le thème MOTIVE a construit différents projets et partenariats.

Approches paramétriques pour la segmentation et la classification d’images et volumes texturés

Sur le sujet de la segmentation d'images texturées, nous proposons une approche inverse originale reposant sur la segmentation-déconvolution jointe. Ces développements sont motivés par l'idée que la segmentation peut être plus fiable si elle est réalisée à partir d'une image plus nette et que la qualité de la déconvolution peut être améliorée par la connaissance de régions. Sur le sujet de la classification et du choix de modèle, nous travaillons également de manière jointe à la déconvolution et les solutions proposées reposent sur le calcul d'évidences (vraisemblances marginales). Dans les deux cas, naturellement, une partie importante de la difficulté réside dans ce caractère joint. Nous abordons ces inférences dans un cadre bayésien hiérarchique et les estimations/classifications sont calculées grâce à un algorithme d'échantillonnage stochastique.

Par ailleurs, la classification d’images et, plus particulièrement d’images texturées, est abordée par la modélisation multi-échelles des dépendances spatiales ou par la modélisation de l’anisotropie locale. Des extensions en cours concernent les dépendances temporelles, spectrales et polarimétriques. La représentation des champs 2D/3D, dans un contexte multi-échelles, s’appuie sur différentes familles de modèles probabilistes (copules, densités gaussiennes généralisées multivariées, modèles SIRV, etc.). L’anisotropie locale est quant à elle étudiée au travers du tenseur de structure

Le développement de cette thématique s'est accompagné d'une structuration de l’activité relative à la télédétection à très haute résolution. Les applications visées sont l'identification et la caractérisation de forêts, de vignes, de parcs ostréicoles, etc. Ces activités sont ou ont été soutenues par le Conseil Régional d’Aquitaine, l’Agence Nationale de la Recherche, les LabEx CPU et COTE, le CNES et le groupe Safran.

Modèles et algorithmes de la géométrie de l’information                                                        

Bon nombre de tâches relatives à l'analyse ou au traitement des champs 2D/3D s'appuient sur l'utilisation de descripteurs (e.g. moments statistiques, paramètres de lois, etc.) évoluant dans des espaces non compatibles avec les outils standards de géométrie euclidienne. La géométrie de l’information introduit d'outils géométriques (distance, barycentre ou médiane, hyperplan séparateur, etc.) sur de tels espaces de descripteurs qui permettent la représentation et la manipulations d'objets mathématiques divers (copules, densités gaussiennes généralisées multivariées, modèles SIRV, tenseurs de structure, etc.) utile à l'analyse de champs 2D/3DNous développons de nouveaux modèles et algorithmes basés sur la géométrie de l’information, permettant une approche robuste et efficace aux problèmes d’apprentissage, (classification, segmentation, etc.), ainsi qu’à l’analyse ou la reconstruction des champs 2D/3D (par exemple, des images tensorielles).

Ces activités sont notamment soutenues par l'IdEx Bordeaux et le LabEx CPU

Synthèse de volumes texturés

Différents travaux sont actuellement menés sur la synthèse d’images volumiques texturées en particulier sur des images présentant des structures anisotropes, fibreuses ou laminaires. Des méthodes paramétriques et non paramétriques nous permettent de générer des textures 3D à partir d’exemplaires 3D ou, sous certaines hypothèses, à partir d’exemplaires 2D, en préservant fidèlement les structures spatiales observables localement ou à plus grande échelle.

Les débouchés de ces travaux concernent principalement les sciences des matériaux. Ils visent la conception de matériaux virtuels. Associées à des techniques de simulation atomistique pour la caractérisation de matériaux carbonés, les méthodes proposées permettent de prédire l’existence de nanostructures 3D non observables par imagerie, d’en décrire et d’en simuler le comportement. A d’autres échelles, elles permettent de simuler des matériaux composites fibreux.

Les développements réalisés en synthèse de textures ont bénéficié de financements de l'Agence Nationale de la Recherche (Projet ANR Blanc Pyroman) et de la Direction Générale de l'Armement, dans le cadre de collaborations entre les laboratoires IMS et LCTS (UMR 5801, CNRS, Univ. Bordeaux).

Détection et reconstruction d'objets structurés dans les images et volumes texturés

Dans un contexte de vision par ordinateur appliquée à l'analyse d'échantillons réels, il est souvent nécessaire d'identifier dans les images des objets structurés tels que des objets linéiques, surfaciques ou volumiques. L'identification de tels objets peut parfois être perturbée par la présence de bruits ou d'artefacts d'acquisitions. Dans le cas d'objets multiples, des phénomènes d'occlusion, de jonction ou simplement de juxtaposition peuvent rendre les objets difficilement séparables ou même détectables.

Nous proposons des approches dédiées à la détection et à la reconstruction d'objets dans les images et volumes texturés. En particulier, nous nous intéressons aux structures linéiques (planes ou tridimensionnelles) et surfaciques (planes ou courbes). Les approches proposées exploitent l'anisotropie locale des textures, décrite par des outils de géométrie différentielle comme le tenseur de structure. Elles s'appuient par exemple sur le flux 2D ou 3D d'orientation pour le suivi de structures linéiques ou sur le champ de normales pour l'identification d'objets surfaciques. 

Ces travaux trouvent différentes applications dans le cadre de nos activités partenariales comme la détection de failles ou la reconstruction d'horizons dans les images sismiques, la segmentation de structures fibreuses dans des images tomographiques de matériaux composites tissés (composites Carbone-Carbone ou Carbone-Céramique) ou non tissés (composites biosourcés, bois-textile). Ils ont fait l'objet de financements dans le cadre de partenariats industriels (groupe Total, groupe SafranDirection Générale de l'Armement) ou d'appels à projets (projet EcoMatFib Ademe).

Orienté vers la conception de nouveaux algorithmes, le thème MOTIVE (MOdèles, Textures, Images, VolumEs) dédie ses activités aux problèmes d’inférence de grandeurs physiques, de restauration ou de reconstruction de l’image pour la caractérisation de phénomènes observables ou partiellement observables. Comme objet d’étude, il s’intéresse en particulier aux images et volumes texturés avec comme finalité l’analyse, la classification et la synthèse de textures, ou encore la détection et la reconstruction d’objets dans les images texturées.

Les applications, diversifiées, concernent notamment les géosciences, les sciences des matériaux, les problématiques agronomiques et environnementales, domaines autour desquels le thème MOTIVE a construit différents projets et partenariats.

Approches paramétriques pour la segmentation et la classification d’images et volumes texturés

Sur le sujet de la segmentation d'images texturées, nous proposons une approche inverse originale reposant sur la segmentation-déconvolution jointe. Ces développements sont motivés par l'idée que la segmentation peut être plus fiable si elle est réalisée à partir d'une image plus nette et que la qualité de la déconvolution peut être améliorée par la connaissance de régions. Sur le sujet de la classification et du choix de modèle, nous travaillons également de manière jointe à la déconvolution et les solutions proposées reposent sur le calcul d'évidences (vraisemblances marginales). Dans les deux cas, naturellement, une partie importante de la difficulté réside dans ce caractère joint. Nous abordons ces inférences dans un cadre bayésien hiérarchique et les estimations/classifications sont calculées grâce à un algorithme d'échantillonnage stochastique.

Par ailleurs, la classification d’images et, plus particulièrement d’images texturées, est abordée par la modélisation multi-échelles des dépendances spatiales ou par la modélisation de l’anisotropie locale. Des extensions en cours concernent les dépendances temporelles, spectrales et polarimétriques. La représentation des champs 2D/3D, dans un contexte multi-échelles, s’appuie sur différentes familles de modèles probabilistes (copules, densités gaussiennes généralisées multivariées, modèles SIRV, etc.). L’anisotropie locale est quant à elle étudiée au travers du tenseur de structure

Le développement de cette thématique s'est accompagné d'une structuration de l’activité relative à la télédétection à très haute résolution. Les applications visées sont l'identification et la caractérisation de forêts, de vignes, de parcs ostréicoles, etc. Ces activités sont ou ont été soutenues par le Conseil Régional d’Aquitaine, l’Agence Nationale de la Recherche, les LabEx CPU et COTE, le CNES et le groupe Safran.

Modèles et algorithmes de la géométrie de l’information                                                        

Bon nombre de tâches relatives à l'analyse ou au traitement des champs 2D/3D s'appuient sur l'utilisation de descripteurs (e.g. moments statistiques, paramètres de lois, etc.) évoluant dans des espaces non compatibles avec les outils standards de géométrie euclidienne. La géométrie de l’information introduit d'outils géométriques (distance, barycentre ou médiane, hyperplan séparateur, etc.) sur de tels espaces de descripteurs qui permettent la représentation et la manipulations d'objets mathématiques divers (copules, densités gaussiennes généralisées multivariées, modèles SIRV, tenseurs de structure, etc.) utile à l'analyse de champs 2D/3DNous développons de nouveaux modèles et algorithmes basés sur la géométrie de l’information, permettant une approche robuste et efficace aux problèmes d’apprentissage, (classification, segmentation, etc.), ainsi qu’à l’analyse ou la reconstruction des champs 2D/3D (par exemple, des images tensorielles).

Ces activités sont notamment soutenues par l'IdEx Bordeaux et le LabEx CPU

Synthèse de volumes texturés

Différents travaux sont actuellement menés sur la synthèse d’images volumiques texturées en particulier sur des images présentant des structures anisotropes, fibreuses ou laminaires. Des méthodes paramétriques et non paramétriques nous permettent de générer des textures 3D à partir d’exemplaires 3D ou, sous certaines hypothèses, à partir d’exemplaires 2D, en préservant fidèlement les structures spatiales observables localement ou à plus grande échelle.

Les débouchés de ces travaux concernent principalement les sciences des matériaux. Ils visent la conception de matériaux virtuels. Associées à des techniques de simulation atomistique pour la caractérisation de matériaux carbonés, les méthodes proposées permettent de prédire l’existence de nanostructures 3D non observables par imagerie, d’en décrire et d’en simuler le comportement. A d’autres échelles, elles permettent de simuler des matériaux composites fibreux.

Les développements réalisés en synthèse de textures ont bénéficié de financements de l'Agence Nationale de la Recherche (Projet ANR Blanc Pyroman) et de la Direction Générale de l'Armement, dans le cadre de collaborations entre les laboratoires IMS et LCTS (UMR 5801, CNRS, Univ. Bordeaux).

Détection et reconstruction d'objets structurés dans les images et volumes texturés

Dans un contexte de vision par ordinateur appliquée à l'analyse d'échantillons réels, il est souvent nécessaire d'identifier dans les images des objets structurés tels que des objets linéiques, surfaciques ou volumiques. L'identification de tels objets peut parfois être perturbée par la présence de bruits ou d'artefacts d'acquisitions. Dans le cas d'objets multiples, des phénomènes d'occlusion, de jonction ou simplement de juxtaposition peuvent rendre les objets difficilement séparables ou même détectables.

Nous proposons des approches dédiées à la détection et à la reconstruction d'objets dans les images et volumes texturés. En particulier, nous nous intéressons aux structures linéiques (planes ou tridimensionnelles) et surfaciques (planes ou courbes). Les approches proposées exploitent l'anisotropie locale des textures, décrite par des outils de géométrie différentielle comme le tenseur de structure. Elles s'appuient par exemple sur le flux 2D ou 3D d'orientation pour le suivi de structures linéiques ou sur le champ de normales pour l'identification d'objets surfaciques. 

Ces travaux trouvent différentes applications dans le cadre de nos activités partenariales comme la détection de failles ou la reconstruction d'horizons dans les images sismiques, la segmentation de structures fibreuses dans des images tomographiques de matériaux composites tissés (composites Carbone-Carbone ou Carbone-Céramique) ou non tissés (composites biosourcés, bois-textile). Ils ont fait l'objet de financements dans le cadre de partenariats industriels (groupe Total, groupe SafranDirection Générale de l'Armement) ou d'appels à projets (projet EcoMatFib Ademe).

 

Membres

Permanents

Yannick Berthoumieu, PR Lionel Bombrun, MCF Guillaume Bourmaud, MCF Jean-Pierre Da Costa, MCF-HDR Jacques Daniel, IR Marc Donias, MCF
 
Christian Germain, PR Jean-François Giovannelli, PR Barna Keresztes, IR Salem Saïd, CR Flavius Turcu, CR  

Non Permanents

Florent Abdelghafour, Doct. Marco Bevilacqua, Post-doc. Salma Doghraji, Doct. Mireille El Gheche, Post-doc. Ioana Ilea, Doct. Brendan Le Bouilh, Doct.
   
Moctar Mounirou, Doct. Florian Rançon, Doct. Roxana Rosu, Doct. Paolo Zanini, Post-doc.    

Compétences

Classification, segmentation et problèmes inverses

  • Déconvolution-segmentation jointe par approche Bayésienne et simulation stochastique
  • Choix de modèles par approximation de l’évidence

Identifiabilité et problème d’équivalence l0/l1

  • Acquisition compressée, Lipschitz bounds et algorithmes gloutons
  • Critère d’identifiabilité et bornes de robustesse au bruit.

Caractérisation de champs 2D corrélés non-gaussiens

  • Adéquation modèle multivarié / structuration des données spatiales
  • Performance des estimateurs, familles elliptiques multivariées

Analyse d’images et de volumes texturés

  • Stéréologie et inférence en analyse d'images texturées
  • Classification et segmentation d'images texturées
  • Synthèse d'images et de volumes texturés
  • Détection / reconstruction d'objets strucurés dans les images et volumes texturés
Publications

Aucune publication