Reconstruction de séquences d’images spectrales à partir de points d’intérêts multi-échelles

Sujets de thèse 2014

Intitulé de la thèse
Reconstruction de séquences d’images spectrales à partir de points d’intérêts multi-échelles
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
Domaine de compétences secondaire (pour l’ABG) : Mathématiques
Spécialité de doctorat : Image Signal et Automatique

Lieu de travail
Département XLIM-SIC UMR CNRS 7252 Bât. SP2MI, Téléport 2, 11 Bd Marie et Pierre Curie, BP 30179 86962 Futuroscope Chasseneuil Cedex France
Laboratoire d’accueil : XLIM/SIC

Date Limite de candidature : 15/05/2014

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
Cette thèse vise d’une part, à définir des outils mathématiques pour la détection de points d’intérêts multi-échelles dans des séquences d’images spectrales et d’autre part, à proposer des méthodes de reconstruction de séquences d’images à partir de ces points.

Résumé de la thèse en anglais
The PHD thesis aim first at defining mathematical tools to detect multi-scale interest points in multispectral image sequences. Then several reconstruction method will be investigated in order to reconstruct image sequences from the detected interest points.

Description complète du sujet de thèse
One way to analyze the whole structure of an image, i.e. all the objects of various sizes within the image, is to add a scale parameter to the spatial coordinates of the image. Like this n-dimensional images can be modeled by (n+1)-dimensional (Gaussian) scale space 7][8]. It has been shown that scale space interest points (singular points, top points…) capture important photometric and deep structure information of an image. Indeed, as the scale changes, the singular points move along singular curves. The behavior of the singular points across scale can be described by Thom catastrophe theory [9]. Very shortly, one can say that the singularities form the (topological) structure of the image scale space, the structure is stable to perturbations and between singularities the structure is regular. Scale space interest points have found several highly successful applications like image-based matching, recognition, visual tracking… Moreover Kanters et al. [2] have recently shown that the information content of such points can be used to reconstruct images. In their experiments, a few hundred points are sufficient to reconstruct a grayscale image. As it was the case for images a few years ago, the need to analyze efficiently videos is nowadays more and more pressing. Since a few years, some authors start to use spatio temporal interest points in order to have compact descriptive representations of videos. The main used spatio temporal interest points are those of Laptev [6] and Dollar et al. [1]. They can be considered as extensions of the Harris corner detector. Besides various bi-dimensional color features detectors have been defined: hue-SIFT, RGB-SIFT, Opponent-SIFT… and have been evaluated [3]. Most of them are vector descriptors but do not correspond to singularities of a multivalued scale space. To our knowledge no scale space interest points dedicated to both multivalued images and videos have been yet defined and used. Such a work should be of great interest for color video based matching, action recognition and compression. The PHD thesis has two main objectives. The first one, is to define spatio temporal multivalued scale space interest points forming the topological structure of multivalued image sequence. The second one is to use this compact set of points for reconstructing multivalued image sequences. We conjecture that the significant redundancies present in image sequences should even ameliorate the quality of the results of Kanters et al. on grayscale images. For both objectives we could lean on the previous works of the XLIM -SIC laboratory on orthogonal polynomials based model. They have been successfully used for analyzing vector fields sequences [10] and for classifying singularities [5]. Moreover they have shown promising ability to compress and reconstruct multivalued data. Some earlier work on multivalued image processing [4] should also be of interest. [1] P. Dollar, V. Rabaud, G. Cottrell, et S. Belongie, «Behavior recognition via sparse spatio-temporal features», in 2nd Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance, 2005, 2005, p. 65‑72. [2] F. Kanters, T. Denton, A. Shokoufandeh, L. Florack, et B. ter H. Romeny, «Combining Different Types of Scale Space Interest Points Using Canonical Sets», in Scale Space and Variational Methods in Computer Vision, F. Sgallari, A. Murli, et N. Paragios, Éd. Springer Berlin Heidelberg, 2007, p. 374‑385. [3] K. E. A. Van de Sande, T. Gevers, et C. G. M.Snoek, «Evaluating Color Descriptors for Object and Scene Recognition», IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 32, no 9, p. 1582‑1596, 2010. [4] B. Tremblais, B. Augereau, et M.Leard, «Multivalue image curvatures: application to color image denoising and feature detecting», p. 375‑382, mai 2003. [5] O. Kihl, B. Tremblais, et B. Augereau, «Multivariate orthogonal polynomials to extract singular points», in 15th IEEE International Conference on Image Processing, 2008. ICIP 2008, 2008, p. 857‑860. [6] I. Laptev, «On Space-Time Interest Points», Int J Comput Vision, vol. 64, no 2‑3, p. 107‑123, sept. 2005.[7] A. P. Witkin, «Scale-space filtering», in Proceedings of the Eighth international joint conference on Artificial intelligence – Volume 2, San Francisco, CA, USA, 1983, p. 1019–1022. [8] J. J. Koenderink, «The structure of images», Biol. Cybern., vol. 50, no 5, p. 363‑370, août 1984. [9] L. Florack et A. Kuijper, «The Topological Structure of Scale-Space Images», Journal of Mathematical Imaging and Vision, vol. 12, no 1, p. 65‑79, févr. 2000. [10] M.Druon, B. Tremblais, et B. Augereau, «Vector Fields Modelization Using Basis of Polynomials: Application to the Analysis of Simple Face Movements», in 2006 IEEE International Conference on Acoustics, Speech and Signal Processing, 2006. ICASSP 2006 Proceedings, 2006, vol. 2, p. II‑II.

Objectifs scientifiques de la thèse
Adapter des méthodes mathématiques de reconstruction d’images en niveau de gris à partir de points d’intérêt multi-échelles à l’étude 1) d’images spectrales; 2) de séquences d’images spectrales.

Compétences à l’issue de la thèse
– expertise des méthodes d’analyse multi-échelles: génération d’espace-échelle, détection de caractéristiques à différentes échelles – expertise des techniques de détections de point d’intérêts (SIFT, SURF…) – expertise des méthodes de reconstruction à partir de données éparses – expertise dans le traitement et l’analyse d’images spectrales

Mots clés (séparés par des virgules)
analyse multi-échelles; detection de singularités; Théorie des catastrophes; polynômes orthogonaux;
Conditions restrictive de candidature (nationalité, âge, …) : NON

Expérience/profil souhaité(e)
Master 2 en traitement d’images et du signal Master 2 en mathématiques appliquées

Directeur de thèse
Christine FERNANDEZ-MALOIGNE

Adresse mail du directeur de thèse : [christine.fernandez@univ-poitiers.fr
Téléphone Directeur de thèse : 06 48 00 57 26

Co-directeur de thèse
Benoit TREMBLAIS
Adresse mail du co-directeur de thèse : benoit.tremblais@univ-poitiers.fr
Téléphone co-Directeur de thèse : 05 49 49 65 90
Cofinancement LABEX SigmaLIM demandé : NON
Thèse pour Action transverse : NON

Recherche

Menu principal

Haut de page