....... Module Image ....... Le module image vous est proposé par le projet ICAR (image et interaction)

Responsables :
Olivier Strauss, LIRMM, département robotique. 04 67 41 85 87.
Benjamin Gilles, LIRMM, département robotique. 04 67 41 85 43.
 

Réagissez sur le module image en envoyant un e-mel  (cliquez sur le penseur).

Pour s'inscrire à ce module, envoyez un e-mel précisant :

Vos prénom et nom

Votre formation doctorale de rattachement

Le titre de ce module (Module Image)

en cliquant sur le lien suivant : 
Pensez par ailleurs à vous inscrire auprès de l'ADUM !


Contenu du module :
Ce module s'adresse aux étudiants de l'école doctorale I2S et aux chercheurs interessés par les techniques de traitement d'image et de vision par ordinateur.
Les thèmes abordés dans ces conférences sont très larges. Ils portent généralement à la fois sur l'aspect fondamental du traitement d'image ainsi que sur l'aspect applicatif.
Les conférenciers présentent un thème fort de leur équipe de recherche dont leur laboratoire est spécialiste au niveau national et international.
 
Organisation du module :
Ce module de l'école doctorale est composé de 6 cours/conférences.
Les conférences, d'une durée de 2 à 3 heures, sont réparties entre décembre et juin.
Elles sont proposées le jeudi a 14H00 à raison d'une par mois.
Lieu
Les exposés du module image de l'école doctorale auront lieu dans le bâtiment 2 du campus UMII/St Priest (rue de St Priest, ancien bâtiment du CNIAM, à côte du LIRMM).
Pour obtenir le plan, cliquez ici : 

Pour accéder à la version 2012 du module doctoral, cliquez sur la vielle femme.


PROGRAMME DU MODULE IMAGE
(Ce programme est en cours d'élaboration)



Les indicateurs :
: Pour vous connecter sur la page institutionnelle de l'intervenant
: Pour récupérer une présentation (lorqu'elle nous a été transmise)


Lundi 29 avril - 14h00-17h00 : Asservissements visuels pour la robotique.
Youcef Mezouar - Institut Français de Mécanique Avancée - mezouar@univ-bpclermont.fr

On utilise communément le terme d’asservissement visuel pour désigner une classe particulière de la commande référencée capteurs, dans laquelle le capteur utilisé est composé d’un ou plusieurs capteurs visuels. Techniquement, il s’agit d’intégrer dans la commande des systèmes dynamiques des données acquises par le capteur de vision. Les premiers travaux intégrant la vision artificielle dans un tel schéma de commande remontent aux années 70. Ce n’est cependant qu’à partir des années 80 que la recherche dans ce domaine est devenue très active. Ces recherches sont depuis constamment alimentées d’une part par des aspects pratiques comme l’évolution rapide des puissances de calcul, les nouvelles technologies et concepts de capteurs, ou encore l’évolution des applications robotiques et d’autre part, par des problèmes théoriques transversaux de fond comme les analyses de robustesse, de stabilité et de couplage des lois de commande. Dans ce cours, nous décrivons les concepts à la base des techniques d’asservissement visuel et présentons quelques résultats représentatifs de ce domaine de recherche.

Robot mobile à roue équipé d’une caméra omnidirectionnelle commandé par asservissement visuel

Mardi 30 avril - 9h00-12h00 : Codage vidéo.
Frédéric Dufaux - LTCI - Telecom ParisTech - frederic.dufaux@telecom-paristech.fr

Le but de ce cours est présenter les bases de la compression vidéo et différents schémas récents. Dans un premier temps, nous aborderons les principes de la compression vidéo: le codage prédictif et le codage par transformée. Nous décrions ensuite les normes de codage vidéo conçues par MPEG et ITU-T, et en particulier H.264/AVC. Toutes ces techniques sont basées sur un schéma hybride combinant une compensation de mouvement et une transformée en cosinus discrète (DCT).

Schéma de l'encodeur H.264/AVC

Prédiction compensée en mouvement, ainsi que l'erreur de prédiction associée.

Dans un deuxième temps, nous aborderons le codage vidéo distribué. Il s'agit d'une approche diamétralement différente des normes de MPEG/ITU-T, qui s'appuie sur deux théorèmes de la théorie de l'information: Slepian-Wolf et Wyner-Ziv. Nous discuterons de résultats récents de codage vidéo distribué.

Mardi 30 avril - 14h00-17h00 : Imagerie par résonance magnétique du muscle : acquisition, filtrage d'image et segmentation.
Noura Azzabou - Institut de Myologie - Laboratoire RMN - n.azzabou@institut-myologie.org

Le but du cours est de présenter l’imagerie par résonance magnétique et nucléaire en tant qu’outil quantitatif pour l’étude des maladies neuromusculaires.  Dans un premier temps, on présentera le principe de l’imagerie par RMN ainsi que les paramètres qui entrent en jeux pour la caractérisation du tissu. La deuxième partie sera dédiée aux techniques de traitement des images utilisées pour caractériser les tissus musculaire d’une manière quantitative. Ainsi, on va s’intéresser au recalage, à la segmentation des groupes de muscles ainsi qu’aux techniques de corrections d’inhomogénéités dans les images.

Image représentant une coupe axiale des cuisses d’un patient.

Image représentant une segmentation manuelle des différents muscles à partir d’une coupe axiale des cuisses d’un sujet sain.

Jeudi 2 mai - 9h00-12h00 : Images super-résolues.
Ali Mohammad-Djafari - L2S - Supelec - djafari@lss.supelec.fr

La super résolution est une technique permettant de produire une image de haute résolution à partir d'une série d'images basse résolution. Dans ce cours, nous présenterons un panorama des différents domaines dans lesquels la super-résolution est utilisée. Nous aborderons ensuite sur un plan plus mathématique la modélisation du problème en 1D et 2D. Nous nous intéresserons aux modélisations de systèmes ayant plusieurs entrées et une sortie comme à ceux ayant une seule entrée et plusieurs sorties. La super-résolution, quant à elle, sera présentée comme une résolution de problème inverse. Nous utiliserons cet éclairage pour expliquer les différentes techniques employées pour résoudre ce problème inverse. Nous présenterons ensuite certaines techniques qui ont été développées par notre équipe de recherche.

Jeudi 2 mai - 14h00-17h00 : Imagerie hyperspectrale: enjeux et opportunites.
Jocelyn Chanussot - GIPSA-Lab, DIS / ENSE3 - jocelyn.chanussot@gipsa-lab.grenoble-inp.fr

L'imagerie hyperspectrale consiste à acquérir une même scène en utilisant plusieurs centaines de longueurs d'onde. De même que l'imagerie couleur, en utilisant typiquement trois bandes de longueur d'onde dans le visible, permet de discriminer des matériaux qui seraient différents tout en ayant la même intensité lumineuse, l'imagerie hyperspectrale, grâce à la diversité spectrale accrue, permet de différencier finement des matériaux qui pourraient avoir la même "couleur". Les applications sont de plus en plus nombreuses, en télédétection aéroportée ou satellitaire, dans le domaine biomédical ou celui des matériaux, en écologie, en astrophysique, en planétologie etc. Néanmoins, l'exploitation optimale de cette diversité d'information pose de nombreuses questions. Comment traiter des données dont chaque échantillon (chaque pixel) correspond à un vecteur de plusieurs centaines de dimension ? La plupart des outils statistiques ou de traitement d'images doivent être repensés. L'objectif de ce cours est présenter ce type d'imagerie en pleine expansion, de souligner son importance et son potentiel dans différentes applications, puis de présenter quelques enjeux associés: problème de démélange spectral, de classification et d'analyse hiérarchique des images.

Vendredi 3 mai - 9h00-12h00 : Explorer l'inconnu et présenter la connaissance.
Nancy Rodriguez - LIRMM - nancy.rodriguez@lirmm.fr

Avec l'évolution rapide des moyens de calcul et des instruments scientifiques, avec la généralisation de la simulation numérique à de très nombreuses disciplines, le volume des données scientifiques disponibles à traiter a cru de manière exponentielle : l'exploitation (même primaire) des résultats nécessite désormais beaucoup plus de temps que leur acquisition. Sur ces jeux de données, des analyses et des recherches doivent être effectuées, afin de répondre à des questions scientifiques. Et même si l'information est bien présente dans les données brutes, la trouver et l'exploiter devient une tâche ardue lorsque les données sont très nombreuses et complexes. La visualisation scientifique a pour objectif d'apporter une compréhension approfondie des données et des phénomènes physiques sous-jacents.

La visualisation 3D par sa dimension supplémentaire permet de multiplier les possibilités de support à l'utilisateur dans le but d’améliorer le travail d’exploitation, d’analyse et de communication des données. L'objectif de ce cours est de réaliser un rapide tour d'horizon des méthodes et des techniques utilisées en visualisation, tout en abordant ses divers champs d'application.