Archive of the list of Events (from previous sharepoint web site)

Le projet ÉTAGÈRE.

We present a recent work on the issue of image zoom completion: given a low-resolution image y_1 and a high resolution zoom y_2 on a subset of y_1, how to completely super-resolve y_1?

After an introductory discussion allowing to motivate the context and possible applications, we propose to tackle this problem under the framework of ill-posed inverse problems. To this end, we start by modeling the direct problem (the acquisition) and propose to construct pointwise estimates of the underlying high resolution image by adopting a variational strategy.

We discuss three models involving the total variation, in local and nonlocal forms, as a penalty. In the local case, we derive efficient algorithms with strong convergence guarantees and low iteration-complexity, by deploying the Douglas-Rachford algorithm in a product-space.  In the nonlocal case, we propose a graph construction targeted towards our problem and show how a recent proximal primal-dual splitting scheme can be used to perform the minimization.

Research at the Faculty of Engineering and Information Technology University of Technology Sydney

In this presentation some preliminary works on Pattern Recognition Techniques for Video Analysis will be presented. In particular two main topics will be discussed: a graph-based approach for object tracking ; a probabilistic approach for emotion detection in videos.

– Présentation Zeina (Anytine and distributed Graph matching)

– Présentation Fréderic (Visual mining in image databases)

Présentation de l equipe RFAI (par JY)

Discussion dossier HCERES

Nous détaillons ici une méthode de segmentation basée sur un modèle combinant des atlas probabilistes définis localement à l’aide d’un graphe topologique. Les informations spatiales existantes entre tous les atlas locaux sont apprises et stockées dans un graphe permettant de les repositionner les uns par rapport aux autres. Cette modélisation permet de mieux séparer la variabilité de forme de celle de taille et de position, ainsi que de rendre possible l’interaction avec l’utilisateur en permettant un ajustement manuel de la position des atlas. La segmentation des régions se déroule de manière incrémentale à l’aide d’une classification par champs de Markov cachés. L’évaluation de cette méthode est réalisée sur les images utilisées lors du concours MICCAI’12 portant sur la segmentation multi-atlas de cerveaux humains.

Presentation site web RFAI LI (Julien Mille)

Préparation dossier HCERES

Titre : Anytime et distributed Graph matching

Anytime and distributed Graph Matching

Présentation de l’équipe (JY Ramel)

Discussions

Point projets

Visualisation de similarité entre images a l’aide de treemaps

Preparation dossier HCERES et Conseil LI

Galette RFAI

Discussion équipe : Preparation evaluation HCERES

– Generation of realistic synthetic document images with GT for performance evaluation http://doc-creator.labri.fr/

 – Interactive Document clustering and vizualisation http://acid.labri.fr/

GED is one of the most powerful method for the computation of similarity or matching between two graphs.

The main problem of thi method is its computationalcost.

Different optimization techniques like distributed versions will be presented as well of new metrics for the performance evaluation of graph matching methods.

Présentation d’une approche originale de segmentation d’images 3D guidée à la fois par des connaissances a priori stockées dans un “graphe atlas parcellisé” et par l’utilisateur lorsque les informations apportées par ce graphe ne sont pas suffisantes ou trop imprécises.

La segmentation est réalisée à l’aide de champs de Markov pouvant exploiter différentes modalités selon les régions à localiser.

La méthode est principalement dédiée à la segmentation de structures cérébrales dans des images IRM 3D de cerveaux de brebis (projet NeuroGeo).