Search

Your search keyword '"Dobigeon, Nicolas"' showing total 483 results
Start Over Author "Dobigeon, Nicolas"

Refine your results

more »

more »

more »

more »
483 results on '"Dobigeon, Nicolas"'

151. Reconstruction de spectres-images partiellement échantillonnés en microscopie EELS

Author

Monier, Etienne, Oberlin, Thomas, Brun, Nathalie, Dobigeon, Nicolas, Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Paris-Saclay (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université Paris-Sud 11 (FRANCE), Institut National Polytechnique de Toulouse - INPT (FRANCE), Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Laboratoire de Physique des Solides (LPS), Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11), and Institut National Polytechnique (Toulouse) (Toulouse INP)

Subjects
Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Traitement du signal et de l'image, Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, Synthèse d'image et réalité virtuelle, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience; En microscopie électronique, un problème récurent est de trouver le bon compromis entre un bon rapport signal-sur-bruit et une dose d’électrons suffisamment faible pour ne pas endommager l’échantillon. La microscopie en transmission à balayage permettant l’acquisition d’un cube de données spatiales et spectrales possède un atout non négligeable : la capacité d’acquérir des pixels isolés, ouvrant ainsi la porte à des schémas d’acquisition partiels couplés à une étape de reconstruction des données. Ainsi, une méthode de reconstruction basée sur l’hypothèse de faible rang dans le domaine spectral et de régularité spatiale est présentée, puis mise en œuvre sur des données réalistes.

Published
2017

152. Une approche distribuée asynchrone pour la factorisation en matrices non-négatives - Application au démélange hyperspectral

Author

Thouvenin, Pierre-Antoine, Dobigeon, Nicolas, Tourneret, Jean-Yves, Institut National Polytechnique de Toulouse - INPT (FRANCE), Centre National de la Recherche Scientifique - CNRS (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Institut National Polytechnique (Toulouse) (Toulouse INP), CoMputational imagINg anD viSion (IRIT-MINDS), and Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE)

Subjects
Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Traitement du signal et de l'image, Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, factorisation en matrices non-négatives (NMF), Synthèse d'image et réalité virtuelle, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience; Le démélange d’images hyperspectrales est un exemple particulier du problème de factorisation en matrices non-négatives (NMF) qui consiste à identifier les signatures spectrales d’un milieu imagé ainsi que leurs proportions dans chacun des pixels. Toutefois, le nombre important de pixels composant ces images peut s’avérer contraignant en termes de mémoire ou de temps de calcul, ce qui peut motiver le développement de techniques d’estimation distribuées (entre plusieurs processeurs et/ou plusieurs machines). Dans cette perspective, nous proposons une approche distribuée du problème de démélange, basée sur de récentes avancées en optimisation distribuée asynchrone inspirées de l’algorithme proximal alternating linearized minimization (PALM). L’intérêt d’une estimation asynchrone par rapport à une procédure synchrone est illustré dans ce contexte sur des données synthétiques

Published
2017

153. Sélection du paramètre de régularisation dans le problème l2-Potts

Author

Frécon, Jordan, Pustelnik, Nelly, Dobigeon, Nicolas, Wendt, Herwig, Abry, Patrice, Centre National de la Recherche Scientifique - CNRS (FRANCE), Ecole Normale Supérieure de Lyon - ENS de Lyon (FRANCE), Istituto Italiano di Tecnologia - IIT (ITALY), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université Claude Bernard-Lyon I - UCBL (FRANCE), Université de Lyon - UDL (FRANCE), Laboratoire de Physique (Lyon, France), ELCA Lausanne, Laboratoire de Physique de l'ENS Lyon (Phys-ENS), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), and Université de Toulouse (UT)

Subjects
Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Traitement du signal et de l'image, Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, Synthèse d'image et réalité virtuelle, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience; Le problème du choix du paramètre de régularisation dans les approches variationnelles pour la résolution de problèmes inverses reste une question ouverte. Dans cette étude nous nous intéressons au problème du choix de ce paramètre, que nous noterons λ , dans la formulation du problème `2-Potts considéré pour le débruitage de signaux constants par morceaux. Le lien avec un modèle hiérarchique bayésien est mis en avant et permet de proposer une pénalisation pour le paramètre de régularisation. Une solution algorithmique permet ensuite d’estimer efficacement λ.

Published
2017

164. Fast Single Image Super-Resolution Using a New Analytical Solution for l2–l2 Problems

Author

Zhao, Ningning, Wei, Qi, Basarab, Adrian, Dobigeon, Nicolas, Kouamé, Denis, Tourneret, Jean-Yves, Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), University of Cambridge (UNITED KINGDOM), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Institut National Polytechnique de Toulouse - INPT (FRANCE), Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Traitement et Compréhension d’Images (IRIT-TCI), University of Cambridge [UK] (CAM), Université Toulouse III - Paul Sabatier (UT3), Institut National Polytechnique (Toulouse) (Toulouse INP), and CoMputational imagINg anD viSion (IRIT-MINDS)

Subjects
Traitement des images, Variable splitting based algorithms, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Decimation, [INFO.INFO-DS]Computer Science [cs]/Data Structures and Algorithms [cs.DS], Algorithme et structure de données, Single image super-resolution, Deconvolution, Block circulant matrix
Abstract

International audience; This paper addresses the problem of single image super-resolution (SR), which consists of recovering a high- resolution image from its blurred, decimated, and noisy version. The existing algorithms for single image SR use different strate- gies to handle the decimation and blurring operators. In addition to the traditional first-order gradient methods, recent techniques investigate splitting-based methods dividing the SR problem into up-sampling and deconvolution steps that can be easily solved. Instead of following this splitting strategy, we propose to deal with the decimation and blurring operators simultaneously by taking advantage of their particular properties in the frequency domain, leading to a new fast SR approach. Specifically, an analytical solution is derived and implemented efficiently for the Gaussian prior or any other regularization that can be formulated into an l2 -regularized quadratic model, i.e., an l2 –l2 optimization problem. The flexibility of the proposed SR scheme is shown through the use of various priors/regularizations, ranging from generic image priors to learning-based approaches. In the case of non-Gaussian priors, we show how the analytical solution derived from the Gaussian case can be embedded into traditional splitting frameworks, allowing the computation cost of existing algorithms to be decreased significantly. Simulation results conducted on several images with different priors illustrate the effectiveness of our fast SR approach compared with existing techniques.

Published
2016

177. Estimation de variabilité pour le démélange non-supervisé d'images hyperspectrales

Author

Thouvenin, Pierre-Antoine, Dobigeon, Nicolas, Tourneret, Jean-Yves, Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Institut National Polytechnique (Toulouse) (Toulouse INP), CoMputational imagINg anD viSion (IRIT-MINDS), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Centre National de la Recherche Scientifique - CNRS (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), and Institut National Polytechnique de Toulouse - INPT (FRANCE)

Subjects
Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Traitement du signal et de l'image, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, Synthèse d'image et réalité virtuelle, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience; Le démélange d’images hyperspectrales vise à identifier les signatures spectrales d’un milieu imagé ainsi que leurs proportions dans chacun des pixels. Toutefois, les signatures extraites présentent en pratique une variabilité qui peut compromettre la fiabilité de cette identification. En supposant ces signatures potentiellement affectées par le phénomène de variabilité, nous proposons d’estimer les paramètres d’un modèle de mélange linéaire à l’aide d’un algorithme de minimisation alternée (Proximal alternating linearized minimization, PALM) dont la convergence a été démontrée pour une classe de problèmes non-convexes qui contient précisément le problème du démélange d’images hyperspectrales. La méthode proposée est évaluée sur des données synthétiques et réelles.

Published
2015

178. Estimation bayésienne locale du paramètre de multifractalité à l'aide d'un algorithme de Monte Carlo Hamiltonien

Author

Combrexelle, Sébastien, Wendt, Herwig, Tourneret, Jean-Yves, Dobigeon, Nicolas, Mc Laughlin, Stephen, Abry, Patrice, Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Centre National de la Recherche Scientifique (CNRS), CoMputational imagINg anD viSion (IRIT-MINDS), Institut National Polytechnique (Toulouse) (Toulouse INP), Laboratoire de Physique de l'ENS Lyon (Phys-ENS), École normale supérieure - Lyon (ENS Lyon)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Centre National de la Recherche Scientifique - CNRS (FRANCE), Ecole Normale Supérieure de Lyon - ENS de Lyon (FRANCE), Institut National Polytechnique de Toulouse - INPT (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), and Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE)

Subjects
Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Traitement du signal et de l'image, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Vision par ordinateur et reconnaissance de formes, Représentations et modèles, Intelligence artificielle, Synthèse d'image et réalité virtuelle, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience; La caractérisation de la texture d’une image peut être conduite via l’étude des fluctuations de la régularité locale de son amplitude dans le cadre théorique de l’analyse multifractale. Les images étant souvent composées de différentes textures, cette analyse doit être locale. Cet article s’attaque à ce problème en formulant un modèle bayésien par patch reposant sur un modèle semi-paramétrique récemment proposé pour la statistique du logarithme des coefficients dominants. Les estimateurs bayésiens sont obtenus via une procédure d’échantillonnage utilisant un algorithme de Monte-Carlo Hamiltonien. Les performances de ces estimateurs sont illustrées à l’aide de processus synthétiques.

Published
2015

181. Learning a fast transform with a dictionary

Author

Chabiron, Olivier, Malgouyres, François, Tourneret, Jean-Yves, Dobigeon, Nicolas, Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1)-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1)-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées, Institut de Mathématiques de Toulouse UMR5219 (IMT), Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Toulouse 1 Capitole (UT1)-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS), Télécommunications Spatiales et Aéronautiques - Telecommunications for Space ant Aeronautics (TéSA), Laboratoire de recherche coopératif dans les télécommunications spatiales et aéronautiques (TESA), Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - INPT (FRANCE), Institut National des Sciences Appliquées de Toulouse - INSA (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS), CoMputational imagINg anD viSion (IRIT-MINDS), Institut National Polytechnique (Toulouse) (Toulouse INP), ANR-11-LABX-0040,CIMI,Centre International de Mathématiques et d'Informatique (de Toulouse)(2011), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), Institut National des Sciences Appliquées (INSA)-Université de Toulouse (UT)-Institut National des Sciences Appliquées (INSA)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS), and Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE)

Subjects
Gauss-Seidel algorithm, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Computer Science::Computer Vision and Pattern Recognition, Dictionnary learning, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Traitement du signal et de l'image, [MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC], Synthèse d'image et réalité virtuelle
Abstract

International audience; — A powerful approach to sparse representation, dictionary learning consists in finding a redundant frame in which the representation of a particular class of images is sparse. In practice, all algorithms performing dictionary learning iteratively estimate the dictionary and a sparse representation of the images using this dictionary. However, the numerical complexity of dictionary learning restricts its use to atoms with a small support. A way to alleviate these issues is introduced in this paper, consisting in dictionary atoms obtained by translating the composition of K convolutions with S-sparse kernels of known support. The dictionary update step associated with this strategy is a non-convex optimization problem, which we study here. A block-coordinate descent or Gauss-Seidel algorithm is proposed to solve this problem, whose search space is of dimension KS, which is much smaller than the size of the image. Moreover, the complexity of the algorithm is linear with respect to the size of the image, allowing larger atoms to be learned (as opposed to small patches). An experiment is presented that shows the approximation of a large cosine atom with K = 7 sparse kernels, demonstrating a very good accuracy.

Published
2014

182. Démélange non-linéaire d'images hyperspectrales : mythe ou réalité ?

Author

Chen, Jie, Dobigeon, Nicolas, Halimi, Abderrahim, Honeiné, Paul, Richard, Cédric, Tourneret, Jean-Yves, East China Normal University [Shangaï] (ECNU), Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), Institut National Polytechnique (Toulouse) (Toulouse INP), Laboratoire Modélisation et Sûreté des Systèmes (LM2S), Institut Charles Delaunay (ICD), Université de Technologie de Troyes (UTT)-Centre National de la Recherche Scientifique (CNRS)-Université de Technologie de Troyes (UTT)-Centre National de la Recherche Scientifique (CNRS), CoMputational imagINg anD viSion (IRIT-MINDS), VU VAN, Jean-Baptiste, Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), and Université Fédérale Toulouse Midi-Pyrénées

Subjects
[SPI]Engineering Sciences [physics], [SPI] Engineering Sciences [physics], [INFO]Computer Science [cs], [INFO] Computer Science [cs], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2014

183. A hierarchical sparsity-smoothness Bayesian model for ℓ0 + ℓ1 + ℓ2 regularization

Author

Chaari, Lotfi, Batatia, Hadj, Dobigeon, Nicolas, Tourneret, Jean-Yves, Traitement et Compréhension d’Images (IRIT-TCI), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Institut National Polytechnique (Toulouse) (Toulouse INP), Signal et Communications (IRIT-SC), CoMputational imagINg anD viSion (IRIT-MINDS), Institut National Polytechnique de Toulouse - INPT (FRANCE), Centre National de la Recherche Scientifique - CNRS (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), and Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE)

Subjects
Hierarchical Bayesian models, MCMC, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, Smoothness, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Restoration, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Traitement du signal et de l'image, Synthèse d'image et réalité virtuelle, Sparsity
Abstract

International audience; Sparse signal/image recovery is a challenging topic that has captured a great interest during the last decades. To address the ill-posedness of the related inverse problem, regularization is often essential by using appropriate priors that promote the sparsity of the target signal/image. In this context, ℓ0 + ℓ1 regularization has been widely investigated. In this paper, we introduce a new prior accounting simultaneously for both sparsity and smoothness of restored signals. We use a Bernoulli-generalized Gauss-Laplace distribution to perform ℓ0 + ℓ1 + ℓ2 regularization in a Bayesian framework. Our results show the potential of the proposed approach especially in restoring the non-zero coefficients of the signal/image of interest.

Published
2014

184. Fusion of multispectral and hyperspectral images based on sparse representation

Author

Wei, Qi, Bioucas-Dias, José M., Dobigeon, Nicolas, Tourneret, Jean-Yves, Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Instituto de Telecomunicações - IT (PORTUGAL), Institut National Polytechnique de Toulouse - INPT (FRANCE), Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Instituto de Telecomunicações [Lisboa, Portugal], Institut National Polytechnique (Toulouse) (Toulouse INP), and CoMputational imagINg anD viSion (IRIT-MINDS)

Subjects
[INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Alternating direction method of multipliers(ADMM), [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Computer Science::Computer Vision and Pattern Recognition, Hyperspectral image, Traitement du signal et de l'image, Image fusion, Synthèse d'image et réalité virtuelle, Sparse representation, Multispectral image
Abstract

National audience; This paper presents an algorithm based on sparse representation for fusing hyperspectral and multispectral images. The observed images are assumed to be obtained by spectral or spatial degradations of the high resolution hyperspectral image to be recovered. Based on this forward model, the fusion process is formulated as an inverse problem whose solution is determined by optimizing an appropriate criterion. To incorporate additional spatial information within the objective criterion, a regularization term is carefully designed,relying on a sparse decomposition of the scene on a set of dictionaryies. The dictionaries and the corresponding supports of active coding coef�cients are learned from the observed images. Then, conditionally on these dictionaries and supports, the fusion problem is solved by iteratively optimizing with respect to the target image (using the alternating direction method of multipliers) and the coding coefcients. Simulation results demonstrate the ef�ciency of the proposed fusion method when compared with the state-of-the-art.

Published
2014

197. Estimation bayésienne du paramètre de multifractalité

Author

Wendt, Herwig, Dobigeon, Nicolas, Tourneret, Jean-Yves, Abry, Patrice, Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Centre National de la Recherche Scientifique (CNRS), Institut National Polytechnique (Toulouse) (Toulouse INP), Laboratoire de Physique de l'ENS Lyon (Phys-ENS), École normale supérieure - Lyon (ENS Lyon)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Centre National de la Recherche Scientifique - CNRS (FRANCE), Ecole Normale Supérieure de Lyon - ENS de Lyon (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), and Institut National Polytechnique de Toulouse - INPT (FRANCE)

Subjects
Analyse multifractale, Paramètre d'intermittence, Coefficients dominants, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Traitement du signal et de l'image, Synthèse d'image et réalité virtuelle, Estimation bayésienne
Abstract

National audience; L’analyse multifractale est largement utilisée pour caractériser et interpréter les propriétés d’invariance d’échelle de données expérimentales issues de multiples et diverses applications. Cependant, l'estimation du paramètre dit de multifractalité, qui permet de discriminer entre grandes classes de processus modèles pour l’invariance d’échelle, est délicate. Quand la taille des données est limitée notamment, la performance des estimateurs classiques, reposant principalement sur des régressions linéaires, est souvent trop faible, limitant ainsi la possibilité d’une véritable utilisation pratique de ce paramètre. Dans cette contribution, nous envisageons une procédure dont l’originalité est double. D’une part, nous construisons un modèle semi-paramétrique générique pour décrire la statistique du logarithme des coefficients dominants de processus multifractals, construits à partir de cascades multiplicatives (une déclinaison adaptée à l’analyse multifractale des coefficients d’ondelettes classiquement utilisés). D’autre part, nous élaborons une formulation bayésienne adaptée à ce problème ainsi qu’un algorithme MCMC pour approcher la loi a posteriori et les estimateurs bayésiens. La pertinence du modèle semi-paramétrique proposé et l’intérêt et la qualité des estimateurs bayésiens construits sont évalués au moyen de simulations numériques. Nous montrons la réelle amélioration des performances d'estimation obtenues à partir du schéma bayésien.

Published
2013

198. Adaptive Markov random fields for joint unmixing and segmentation of hyperspectral image

Author

Eches, Olivier, Benediktsson, Jon Atli, Dobigeon, Nicolas, Tourneret, Jean-Yves, Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), University of Iceland (ICELAND), Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, University of Iceland [Reykjavik], Institut National Polytechnique (Toulouse) (Toulouse INP), and Institut National Polytechnique de Toulouse - INPT (FRANCE)

Subjects
Statistics::Machine Learning, Energie électrique, Markov random field (MRF), Segmentation, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Computer Science::Computer Vision and Pattern Recognition, [SPI.NRJ]Engineering Sciences [physics]/Electric power, Hyperspectral images, Traitement du signal et de l'image, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Morphological filter, Spectral unmixing
Abstract

International audience; Linear spectral unmixing is a challenging problem in hyperspectral imaging that consists of decomposing an observed pixel into a linear combination of pure spectra (or endmembers) with their corresponding proportions (or abundances). Endmember extraction algorithms can be employed for recovering the spectral signatures while abundances are estimated using an inversion step. Recent works have shown that exploiting spatial dependencies between image pixels can improve spectral unmixing. Markov random fields (MRF) are classically used to model these spatial correlations and partition the image into multiple classes with homogeneous abundances. This paper proposes to define the MRF sites using similarity regions. These regions are built using a self-complementary area filter that stems from the morphological theory. This kind of filter divides the original image into flat zones where the underlying pixels have the same spectral values. Once the MRF has been clearly established, a hierarchical Bayesian algorithm is proposed to estimate the abundances, the class labels, the noise variance, and the corresponding hyperparameters. A hybrid Gibbs sampler is constructed to generate samples according to the corresponding posterior distribution of the unknown parameters and hyperparameters. Simulations conducted on synthetic and real AVIRIS data demonstrate the good performance of the algorithm.

Published
2013

199. Bayesian algorithm for unsupervised unmixing of hyperspectral images using a post-nonlinear model

Author

Altmann, Yoann, Dobigeon, Nicolas, Tourneret, Jean-Yves, Institut National Polytechnique de Toulouse - INPT (FRANCE), Centre National de la Recherche Scientifique - CNRS (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Signal et Communications (IRIT-SC), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, and Institut National Polytechnique (Toulouse) (Toulouse INP)

Subjects
[INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Vision par ordinateur et reconnaissance de formes, Intelligence artificielle, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Traitement des images, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Computer Science::Computer Vision and Pattern Recognition, Hyperspectral imagery, ComputingMethodologies_SYMBOLICANDALGEBRAICMANIPULATION, Traitement du signal et de l'image, Hamiltonian Monte Carlo, Synthèse d'image et réalité virtuelle, Unsupervised spectral unmixing, Post-nonlinear model
Abstract

International audience; This paper presents a nonlinear mixing model for hyperspectral image unmixing. The proposed model assumes that the pixel reflectances are post-nonlinear functions of unknown pure spectral components contaminated by an additive white Gaussian noise. The nonlinear effects are approximated by a polynomial leading to a polynomial post-nonlinear mixing model. A Bayesian algorithm is proposed to estimate the parameters involved in the model yielding an unsupervised nonlinear unmixing algorithm. Due to the large number of parameters to be estimated, an efficient constrained Hamiltonian Monte Carlo algorithm is investigated. The performance of the unmixing strategy is finally evaluated on synthetic data.

Published
2013

200. Inférence bayésienne dans des problèmes inverses, myopes et aveugles en traitement du signal et des images

Author

Dobigeon, Nicolas, Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), and Institut National Polytechnique de Toulouse - INPT (FRANCE)

Subjects
Problèmes inverses, Méthodes de Monte Carlo par chaîne de Markov, Imagerie hyperspectrale, Imagerie MRFM, Traitement du signal et de l'image, Inférence bayésienne
Abstract

Les activités de recherche présentées concernent la résolution de problèmes inverses, myopes et aveugles rencontrés en traitement du signal et des images. Les méthodes de résolution privilégiées reposent sur une démarche d'inférence bayésienne. Celle-ci offre un cadre d'étude générique pour régulariser les problèmes généralement mal posés en exploitant les contraintes inhérentes aux modèles d'observation. L'estimation des paramètres d'intérêt est menée à l'aide d'algorithmes de Monte Carlo qui permettent d'explorer l'espace des solutions admissibles. Un des domaines d'application visé par ces travaux est l'imagerie hyperspectrale et, plus spécifiquement, le démélange spectral. Le second travail présenté concerne la reconstruction d'images parcimonieuses acquises par un microscope MRFM.

Published
2012

Catalog

Books, media, physical & digital resources
See catalog results