* Analyse hiérarchique d’images multimodales (Guillaume Tochon, Grenoble-INP) - MAP5-UMR 8145

Analyse hiérarchique d’images multimodales (Guillaume Tochon, Grenoble-INP)

Carte non disponible

Analyse hiérarchique d’images multimodales

vendredi 25 mars 2016, 14h00 - 15h00

Amphithéâtre Lavoisier


Il y a un intérêt grandissant pour le développement d’outils de traitements adaptés aux images multimodales (plusieurs images de la même scène acquises avec différentes caractéristiques). Permettant une représentation plus complète de la scène en question, ces images multimodales ont de l’intérêt dans plusieurs domaines du traitement d’images. Les exploiter et les manipuler de manière optimale soulève cependant plusieurs questions. Dans cet exposé, nous étendrons les représentations hiérarchiques, outil puissant pour le traitement et l’analyse d’images classiques, aux images multimodales afin de mieux exploiter l’information additionnelle apportée par la multimodalité et améliorer les techniques classiques de traitement d’images. En particulier, nous nous concentrerons principalement sur deux modalités différentes, fréquemment rencontrées dans le domaine de la télédétection :
 La modalité spectrale-spatiale, propre aux images hyperspectrales (images à très haute résolution spectrale – plusieurs centaines de canaux). Une intégration adaptée de cette information spectrale-spatiale lors de l’étape de construction de la représentation hiérarchique (en l’occurrence, un arbre de partition binaire) nous permettra par la suite, via un processus de minimisation énergétique, de proposer une carte de segmentation de l’image optimale vis-à-vis de l’opération de démélange spectral.
 La modalité sensorielle, c’est-à-dire les images acquises par des capteurs de différentes natures. Ces images « multisources », porteuses d’informations à la fois redondantes et complémentaires, sont particulièrement intéressantes pour des applications de segmentation. Nous proposerons une méthode se basant sur le très récent concept de tresses de partitions (extensions des hiérarchies de partitions classiques) afin de réaliser l’analyse hiérarchique de ces images multisources, et en obtiendrons une segmentation (là encore) via un processus de minimisation énergétique.
 Enfin, nous décrirons très brièvement une méthode d’analyse d’images multitemporelles permettant d’effectuer du suivi d’objet, en se basant également sur les représentations hiérarchiques des différentes images de la séquence.