Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique

Séminaire du 13/11/2018, 11h00

De Équipe IMAGeS : Images, Modélisation, Apprentissage, Géométrie et Statistique
Révision datée du 9 novembre 2018 à 11:38 par Mazet (discussion | contributions) (Page créée avec « mardi 13 novembre 2018, 11h00 ==== Du squelette au graphe spatio-temporel ==== Conférencier : '''Aurélie Leborgne''' Les travaux effectués durant ma thèse portent s... »)
(diff) ← Version précédente | Voir la version actuelle (diff) | Version suivante → (diff)
Aller à la navigation Aller à la recherche

mardi 13 novembre 2018, 11h00

Du squelette au graphe spatio-temporel

Conférencier : Aurélie Leborgne

Les travaux effectués durant ma thèse portent sur l’appariement de formes planes basé sur une squelettisation hiérarchique. Dans un premier temps, nous avons abordé la création d’un squelette de forme grâce à un algorithme associant des outils de la géométrie discrète et des filtres. Cette association permet d’acquérir un squelette regroupant les propriétés désirées dans le cadre de l’appariement. Néanmoins, le squelette obtenu reste une représentation de la forme ne différenciant pas les branches représentant l’allure générale de celles représentant un détail de la forme. Or, lors de l’appariement, il semble plus intéressant d’associer des branches ayant le même ordre d’importance, mais aussi de donner plus de poids aux associations décrivant un aspect global des formes. Notre deuxième contribution porte sur la résolution de ce problème. Elle concerne donc la hiérarchisation des branches du squelette, précédemment créé, en leur attribuant une pondération reflétant leur importance dans la forme. À cet effet, nous lissons progressivement une forme et étudions la persistance des branches pour leur attribuer un poids. L’ultime étape consiste donc à apparier les formes grâce à leur squelette hiérarchique modélisé par un hypergraphe. En d’autres termes, nous associons les branches deux à deux pour déterminer une mesure de dissimilarité entre deux formes. Pour ce faire, nous prenons en compte la géométrie des formes, la position relative des différentes parties des formes ainsi que de leur importance.

Cette modélisation grâce à des hyper-graphes m’amène aujourd’hui à travailler sur les graphes spatio-temporels. Dans un contexte où de grandes quantités de données spatio-temporelles peuvent être accumulées, le besoin de valoriser ces données est grandissant. Ainsi, la nécessité de nouvelles approches innovantes d’analyse de ces données multi-sources se fait cruellement sentir. Les graphes étant des outils puissants à la fois théoriquement et méthodologiquement, nous nous proposons d’une part, de les utiliser pour formaliser et structurer ces informations et d’autre part, de construire des méthodes originales de fouille par exploration des graphes ainsi obtenus. Les méthodes proposées seront le plus génériques possible. Néanmoins, dans le cadre de mon intégration au laboratoire dans les équipes SDC et IMAGeS, nous nous investirons plus spécifiquement sur la fouille de graphes appliquée à la télédétection et aux IRM fonctionnels.

Ces travaux pourraient s’appliquer à diverses problématiques : évolution du couvert végétal, urbanisation, imagerie médicale, démographie, mouvements de foules lors de manifestations, etc.