Classification de textures hyperspectrales par représentations parcimonieuses

Sujets de thèse 2014

Intitulé de la thèse
Classification de textures hyperspectrales par représentations parcimonieuses
Publication du sujet sur le site de l’ABG : OUI
Nature du financement : non connu à ce jour
Domaine de compétences principal (pour l’ABG) : Informatique, électronique
Spécialité de doctorat : Image Signal et Automatique

Lieu de travail
Xlim/SIC, SP2MI, Chasseneuil 86
Date Limite de candidature : 15/05/2014
Laboratoire d’accueil : XLIM/SIC

Présentation de l’équipe de recherche
Les activités de recherche du projet ICONES sont organisées autour du traitement, de la caractérisation et de l’analyse de signaux et images multi sources et multi composantes avec une spécificité concernant la couleur.

Définition d’outils mathématiques adaptés à la manipulation de données vectorielles, et associés à l’introduction de paramètres physiques issus, d’une part, de modèles d’aspects des surfaces analysées, d’autre part, de modèles du système visuel humain.
Mise en place d’évaluations objectives et subjectives de la qualité, à la fois des traitements développés, mais aussi des supports de reproduction des images ou vidéos couleur, selon des conditions normalisées au sein de salles dédiées.
La force et l’originalité de notre équipe repose donc sur le fait que nous travaillons sur toute la «chaîne de vie» d’une image couleur, depuis son acquisition jusqu’à l’évaluation de la qualité de son rendu, en passant par divers traitements.
Cette approche globale est unique au sein des autres laboratoires français et européens qui abordent la couleur numérique et/ou l’évaluation de la qualité des images.

Résumé de la thèse en français
Une image hyperspectrale est composée de centaines d’images représentant de une largeur du spectre électromagnétique nommée bande spectrale. Toutes ces images peuvent être interprétées comme un cube hyperspectral 3D composé de structures spatiales et spectrales contenant une très importante quantité d’information. Cependant, ces données hyperspectrales sont difficiles à interpréter et les algorithmes de classification souffrent de temps de calcul longs et d’une faible quantité de données d’entrainement.​
Le but de cette thèse est donc d’étudier la classification structurée de textures acquises avec un imageur hyperspectrale en utilisant des descripteurs de textures obtenus avec une représentation parcimonieuse.​
L’objectif de cette thèse est:​
– d’étudier les représentations parcimonieuses des textures hyperspectrales. Une base de données sera générée à partir de l’imageur.​ – d’étudier la classification des pixels par des méthodes de minimisation contrainte.

Résumé de la thèse en anglais
A hyperspectral image is composed of hundreds images representing a range of the electromagnetic spectrum called spectral band. All of these images can be interpreted as a three-dimensional hyperspectral cube composed of spatial and spectral structures containing a large quantity of information. Therefore hyperspectral data is difficult to interpret and classification algorithms suffer from long computation times and a small quantity of training data.​
The aim of this thesis is thus to study the structured classification of textures acquired by a hyperspectral imaging using texture descriptors obtained by a sparse representation.​
The objective of this thesis is:​
– to consider sparse representations of hyperspectral textures. A database will be generated from the imaging.​ – to study the classification of pixels by constrained minimization methods.

Description complète du sujet de thèse
Le but de cette thèse est donc d’étudier la classification structurée de textures acquises avec un imageur hyperspectrale en utilisant des descripteurs de textures obtenus avec une représentation parcimonieuse.​

Objectifs scientifiques de la thèse
L’objectif de cette thèse est:​
– d’étudier les représentations parcimonieuses des textures hyperspectrales. Une base de données sera générée à partir de l’imageur.​ – d’étudier la classification des pixels par des méthodes de minimisation contrainte.

Compétences à l’issue de la thèse
Imagerie hyperspectrale, Classification, traitement de l’image

Mots clés (séparés par des virgules)
imagerie hyperspectrale, classification structurée, analyse multiresolution, minimisation contrainte, SVM
Conditions restrictive de candidature (nationalité, âge, …) : NON

Directeur de thèse
Philippe Carré
Adresse mail du directeur de thèse : philippe.carre@univ-poitiers.fr
Téléphone Directeur de thèse : 0549496576

Co-directeur de thèse
David Helbert
Adresse mail du co-directeur de thèse : david.helbert@univ-poitiers.fr
Téléphone co-Directeur de thèse : 0549496580
Cofinancement LABEX SigmaLIM demandé : NON

Recherche

Menu principal

Haut de page