Spatial machine learning applied to multivariate and multimodal images

Résumé : Cette thèse porte sur la statistique spatiale multivariée et l’apprentissage appliqués aux images hyperspectrales et multimodales. Les thèmes suivants sont abordés : Fusion d'images : Le microscope électronique à balayage (MEB) permet d'acquérir des images à partir d'un échantillon donné en utilisant différentes modalités. Le but de ces études est d'analyser l’intérêt de la fusion de l'information pour améliorer les images acquises par MEB. Nous avons mis en œuvre différentes techniques de fusion de l'information des images, basées en particulier sur la théorie de la régression spatiale. Ces solutions ont été testées sur quelques jeux de données réelles et simulées. Classification spatiale des pixels d’images multivariées : Nous avons proposé une nouvelle approche pour la classification de pixels d’images multi/hyper-spectrales. Le but de cette technique est de représenter et de décrire de façon efficace les caractéristiques spatiales / spectrales de ces images. Ces descripteurs multi-échelle profond visent à représenter le contenu de l'image tout en tenant compte des invariances liées à la texture et à ses transformations géométriques. Réduction spatiale de dimensionnalité : Nous proposons une technique pour extraire l'espace des fonctions en utilisant l'analyse en composante morphologiques. Ainsi, pour ajouter de l'information spatiale et structurelle, nous avons utilisé les opérateurs de morphologie mathématique.
Type de document :
Thèse
Signal and Image Processing. PSL research University, 2016. English
Liste complète des métadonnées

Littérature citée [128 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01483980
Contributeur : Gianni Franchi <>
Soumis le : lundi 6 mars 2017 - 16:36:09
Dernière modification le : vendredi 27 octobre 2017 - 17:36:02
Document(s) archivé(s) le : mercredi 7 juin 2017 - 15:04:57

Identifiants

  • HAL Id : tel-01483980, version 1

Collections

Citation

Gianni Franchi. Spatial machine learning applied to multivariate and multimodal images. Signal and Image Processing. PSL research University, 2016. English. 〈tel-01483980〉

Partager

Métriques

Consultations de la notice

251

Téléchargements de fichiers

115