Proposition de thèse : Modélisation et apprentissage de la texture d’images basés sur des graphes


L’ED SISMI propose le sujet de thèse suivant :

Intitulé du sujet : Modélisation et apprentissage de la texture d’images basés sur des graphes

Ce projet serait sous la direction de Philippe Carré de XLIM à l’Université de Poitiers

Co-directeurs renseignés : David Helbert /

Les financements sont : académique

Le début de la thèse est prévu pour : Octobre 2019

Mots clés du sujet : Traitement de l’image, graphe, apprentissage profond

Présentation du sujet : La texture de l’image se caractérise par la relation structurelle des
pixels dans une région, ce travail s’inscrira donc dans le cadre de
la théorie du signal sur graphes. En effet, les signaux de graphe
peuvent avoir des propriétés définies de manière appropriée. Ils
peuvent notamment être représentés via des atomes de base et
peuvent avoir une représentation spectrale. L’échantillonnage et
leur modélisation reste un problème ouvert mais nous pouvons
apprendre leur structure à partir des données extraites de l’image.
Dans cette thèse, un apprentissage profond du graphe est
envisagé afin de caractériser les textures pour la génération de
représentations discriminantes. L’extraction des descripteurs
utilisera un réseau de convolution de graphe multicouche avec
des règles de propagation, des filtres convolutifs et des
opérateurs de pooling adaptés.

Objectifs : Un travail théorique est envisagé sur la modélisation des textures
par graphes et des applications permettront de l’illustrer. Nous
développerons notamment des solutions numériques de recalage
et de reconstruction 3D d’objets texturés et de nuages de points.
Nous travaillerons notamment sur des bases d’images
biomédicales dont la présence de bruit lors de l’acquisition est
important.

Description du sujet : La texture de l’image se caractérise par la relation structurelle des
pixels dans une région, ce travail s’inscrira donc dans le cadre de
la théorie du signal sur graphes. En effet, les signaux de graphe
peuvent avoir des propriétés définies de manière appropriée. Ils
peuvent notamment être représentés via des atomes de base et
peuvent avoir une représentation spectrale. L’échantillonnage et
leur modélisation reste un problème ouvert mais nous pouvons
apprendre leur structure à partir des données extraites de l’image.
Dans cette thèse, un apprentissage profond du graphe est
envisagé afin de caractériser les textures pour la génération de
représentations discriminantes. L’extraction des descripteurs
utilisera un réseau de convolution de graphe multicouche avec
des règles de propagation, des filtres convolutifs et des
opérateurs de pooling adaptés.
Un travail théorique est envisagé sur la modélisation des textures
par graphes et des applications permettront de l’illustrer. Nous
développerons notamment des solutions numériques de recalage
et de reconstruction 3D d’objets texturés et de nuages de points.
Nous travaillerons notamment sur des bases d’images
biomédicales dont la présence de bruit lors de l’acquisition est
important.

Compétences acquises à l’issue de la thèse : Analyse de données, traitement de l’image.

Présentation de l’équipe d’accueil : Le doctorant sera accueilli dans l’équipe ICONES dans Xlim/Asali
dont son activités de recherches sont organisées autour de la
modélisation et le traitement des informations couleurs et
spectrales des images et des vidéos.

Compétences souhaitées pour les candidats : Autonome, curiosité scientifique, informatique

Pour plus d’informations et pour candidater, merci de contacter :

Date de dépôt : 02/14/2019 à 10 h 18 min




ED SISMI