Thèmes

Thèmes généraux 

1 - Représentations et modèles

• 1.1 - Représentation des signaux et des images
• 1.2 - Modèles mono- et multidimensionnels, identification
• 1.3 - Signaux non stationnaires
• 1.4 - Signaux non gaussiens et ordres supérieurs
• 1.5 - Systèmes non linéaires et chaos
• 1.6 - Fractales en signal et image
• 1.7 - Modèles déformables, géométriques
• 1.8 - Modèles cognitifs et de perception

2 - Communication et codage

• 2.1 - Théorie de l'information
• 2.2 - Codage et compression de sources multimedia, tatouage
• 2.3 - Codage canal, turbo-traitements
• 2.4 - Etalement de spectre, accès multiple, détection multi-utilisateurs
• 2.5 - Transmissions multi-porteuses
• 2.6 - Synchronisation, estimation
• 2.7 - Coopération, Diversité, Réseaux de capteurs
• 2.8 - Systèmes de communications

3 - Traitement et analyse

• 3.1 - Filtrage et filtrage adaptatif
• 3.2 - Analyse spectrale, temps-fréquence
• 3.3 - Ondelettes, multirésolution
• 3.4 - Traitement d'antenne
• 3.5 - Problèmes inverses, déconvolution
• 3.6 - Séparation de sources
• 3.7 - Restauration, reconstruction, débruitage
• 3.8 - Analyse de séquences
• 3.9 - Analyse multicomposantes

4 - Décision et Interprétation

• 4.1 - Détection et estimation statistiques
• 4.2 - Segmentation et détection de ruptures
• 4.3 - Méthodes bayésiennes
• 4.4 - Reconnaissance des formes / Apprentissage
• 4.5 - Fusion en signal et image
• 4.6 - Indexation
• 4.7 - Réseaux de neurones, techniques floues, théories non probabilistes

5 - Architectures matérielles et logicielles

• 5.1 - Adéquation algorithmes et architectures
• 5.2 - Langages et outils de développement
• 5.3 - Nouvelles technologies des circuits
• 5.4 - Systèmes temps réel embarqués

6 - Applications

• 6.1 - Radar et Sonar
• 6.2 - Son, parole, musique
• 6.3 - Bio-ingéniérie et sciences de la vie
• 6.4 - Physique et géophysique
• 6.5 - Télédétection et spatial
• 6.6 - Multimedia
• 6.7 - Contrôle non destructif, surveillance

Sessions Spéciales

SS1 - Analyse d'images hyperspectrales

(J. Chanussot, J.-Y. Tourneret et G. Mercier)

L'imagerie hyperspectrale consiste à observer un objet ou une scène à un grand nombre de longueurs d'ondes différentes (typiquement plusieurs centaines), chaque observation se faisant sur une bande fine du spectre optique ou infra-rouge. Ainsi chaque mesure résulte en un vecteur de grande dimension représentant la signature spectrale du matériau imagé. Ce type de données est de plus en plus utilisé pour leur capacité à discriminer finement les matériaux et leurs propriétés physico-chimiques. Les principaux domaines d'applications sont :

• la télédétection aéroportée ou satellitaire pour la surveillance et la gestion de l'environnement, la défense et la sécurité,
• l'imagerie biomédicale pour le suivi des pathologies de la peau, l'ophtalmologie,
• la planétologie et l'astrophysique pour l'étude des gaz et minéraux sur différentes planètes ou l'observation des galaxies,
• l'inspection et le contrôle qualité dans l'industrie.

La disponibilité accrue de ces données ouvre donc la voie à de nombreuses applications tirant profit de la grande richesse spectrale de l'information fournie. Néanmoins, l'extraction et l'exploitation optimales et (semi-)automatiques de l'information fournie reste un enjeu scientifique majeur du traitement de l'information. En effet, de par la complexité et la dimension accrue des données, la plupart des méthodes classiques échouent. Du point de vue méthodologique, les axes principaux suivants pourront être discutés dans la session (liste non exhaustive) :

• segmentation et classification,
• séparation de sources et démélange spectral dans un cadre linéaire ou non,
• réduction de dimension et sélection d'attributs,
• méthodes par apprentissage, classification supervisée dans des espaces à grande dimension,
• méthodes à noyaux.

La session spéciale sera constituée pour partie de contributions invitées par les organisateurs et pour partie de contributions spontanées suite à l'appel ouvert à communications.

SS2 - Science géométrique de l'information

(F. Barbaresco)

Cette session traite de la théorie géométrique de l'information d'une part mais aussi des applications de la "géométrie de l'information" à des problèmes de traitement des signaux et des images. Initiée en 1945 par Rao et axiomatisée en parallèle par Chentsov, la "géométrie de l'information" est l'objet récent de nombreux développements mathématiques à travers différentes branches de la géométrie (géométrie Riemannienne classique, géométrie sur les groupes de Lie, géométrie symplectique, géométrie des domaines bornés symétriques homogènes, géométrie de Kähler,...) . Cette approche permet traiter de la géométrie des espaces de matrices structurées ou des signaux tensoriels, comme à travers par exemple la géométrie des espaces métriques. De façon plus générale, cette discipline permet de formaliser les problèmes initiés par Maurice Fréchet de statistiques sur des variétés ou des espaces abstraits et les notions de "variété de formes". L'approche de Fréchet permet d'étendre les outils statistiques classiques, en remplaçant l'espérance mathématique classique par les notions de "barycentre exponentiel d'Emery", de "barycentre de Fréchet-Karcher" ou de "centre de masse de Cartan". Les statistiques robustes peuvent également s'étendre dans ce contexte en introduisant la définition de la "médiane" ou "valeur probable" ou "point de Fermat-Weber" dans ces espaces en remplaçant un critère moindre carré par un critère de moindre valeur absolue. Evidemment, ce thème possède également des ramifications étendues dans le domaine de la physique statistique et de la thermodynamique (Ruppeiner, Souriau,...).

L'objet de cette session, est de fédérer la communauté GRETSI autour de ce thème en structurant un socle de connaissances communes et partagées, initié en cela par le lancement en 2010 du séminaire interdisciplinaire Léon Brillouin sur les "Sciences géométriques de l'information".

La session spéciale sera constituée exclusivement de contributions invitées par l'organisateur.

SS3 - Modélisation mathématique des textures

(J.-F. Aujol, Y. Berthoumieu et Y. Gousseau)

La notion de texture est centrale aussi bien en analyse qu'en traitement d'images. Sa modélisation reste après de nombreuses années de recherche un problème ouvert, passionnant et essentiel à de nombreux domaines applicatifs (images naturelles, imagerie médicale, images cosmologiques, imagerie aérienne, etc.). La plupart des tentatives de définition de la notion de texture reposent sur la répétition d'entités élémentaires, formant un tout homogène en un certain sens. Dans le but de préciser cette définition consensuelle mais imprécise, de très nombreux modèles mathématiques ont été confrontés à la notion de texture. L'objectif de cette session spéciale est de rassembler des orateurs couvrant un large spectre de la modélisation mathématique des textures, qui a connu un fort développement ces dernières années dans des directions très variées : méthodes variationnelles, analyse harmonique, modélisation stochastique, représentations parcimonieuses, etc.

La session spéciale sera constituée pour partie de contributions invitées par les organisateurs et pour partie de contributions spontanées suite à l'appel ouvert à communications.