Stage de Recherche (mars-septembre 2014)
Titre : Caractérisation géométrique, morphologique et texturale d’images couleurs par méthodes adaptatives.
Application à l’analyse des mélanomes.
Lieu d’accueil : Ecole Nationale Supérieure des Mines de Saint-Étienne (ENSM-SE) LGF, UMR CNRS 5307 - IFRESIS, SFR INSERM 143
Contact : Dr. Johan DEBAYLE ([email protected]) / Mathematical Imaging and Pattern Analysis Group Financement : ANR DIAMELA
Partenaires : UMR CNRS LSIS / Marseille, Service de dermatologie de l’Hôpital de la Timone / Marseille
Profil du candidat : Elève ingénieur ou étudiant en master recherche avec une spécialisation en traitement d’image, et une base solide en mathématique et également en physique.
Description du stage :
Contexte général :
Le GANIP (General Adaptive Neighborhood Image Processing) [1] est un modèle mathématique pour le traitement et l’analyse des images à ton de gris. Une image est représentée par un ensemble de voisinages adaptatifs généraux définis en chaque point de l’image étudiée (Figure 1). Des mesures géométriques, morphologiques et texturales de ces voisinages peuvent alors être définies [2] permettant une caractérisation d’image à niveaux de gris, sans étape préalable de segmentation.
L’objectif de ce stage est d’étendre cette approche adaptative de caractérisation aux images couleurs. Les méthodes mises en place dans ce stage seront appliquées à des images de naevus acquises par dermoscopie. Ce stage rentre dans le cadre plus général du projet ANR DIAMELA sur l’analyse comparative pour le diagnostic du mélanome (cancer de la peau se développant sur un naevus (grain de beauté) qui se modifie ou survenant sans naevus préexistant).
Objectifs :
Le candidat devra proposer une extension du GANIP permettant d’analyser de manière adaptative des images couleurs.
Cette étape nécessite la définition de voisinages adaptatifs couleur. Plusieurs espaces couleurs tels que RGB, CIELAB, HSV, HSL … seront étudiés. Par la suite, ces voisinages seront quantifiés par des mesures géométriques, morphométriques et texturales via, par exemple, la géometrie intégrale [3] et les diagrammes de forme [4]. Ces descripteurs seront appliqués sur une base d’images de naevus (fournie par le partenaire clinique) et alimenteront par la suite des classifieurs (via le laboratoire partenaire LSIS) qui permettront d’identifier les naevus suspects ou mélanomes.
Références bibliographiques :
[1] J. Debayle and J. C. Pinoli. Advances in Imaging and Electron Physics, volume 167, chapter Theory and Applications of General Adaptive Neighborhood Image Processing, pages 121-183. Elsevier, 2011.
[2] S. Rivollier, J. Debayle, and J. C. Pinoli. Integral Geometry and General Adaptive Neighborhood for Multiscale Image Analysis. International Journal of Signal and Image Processing, 1(3):141-150, 2010.
[3] K. Michielsen and H. De Raedt. Integral geometry morphological image analysis. Physical Reports, 347:461-538 (2001).
[4] S. Rivollier, J. Debayle, and J. C. Pinoli. Shape diagrams for 2D compact sets - Part III: convexity discrimination for analytic and discretized simply connected sets. Australian Journal of Mathematical Analysis and Applications, 7(2-5):1- 18, 2010.
Figure 1 : Voisinages adaptatifs généraux (image de droite) de deux points (image de gauche) d’une image de rétine humaine.
Figure 2 : Différents types de naevus.
Stage de Master Recherche (mars-septembre 2014) Titre : Dissimilarité entre images (tons de gris et couleur) Thématique : Traitement d'images, Morphologie Mathématique
Lieu d’accueil : Ecole Nationale Supérieure des Mines de Saint-Étienne (ENSM-SE) LGF, UMR CNRS 5307 et Centre Ingénierie et Santé.
Contact : Dr Yann GAVET [email protected] Financement : Bourse de stage
Profil du candidat : Elève ingénieur ou étudiant en master recherche avec une spécialisation en traitement d’image et/ou en mathématiques appliquées, avec de bonnes connaissances en informatique scientifique (matlab, etc.).
Description du stage :
• Objectifs :
L'objectif du stage est de mettre en place un critère de dissimilarité entre images à niveaux de gris, ou entre images en couleurs [2]. Ce critère sera adapté au système visuel humain et sera tolérant en espace et en intensité. Un critère utilisé sur des images binaires a déjà été proposé [1] et une étude est en cours de réalisation sur les images à niveaux de gris.
• Application :
Parmi les nombreuses applications, nous ciblons plus particulièrement la comparaison d'images de microscopie optique classique et spéculaire de l'endothélium cornéen humain (images à niveaux de gris), ainsi que l'évaluation du recalage d'images de rétines (images couleur).
Références bibliographiques :
[1] Y. Gavet, J.C. Pinoli. A geometric dissimilarity criterion between Jordan spatial mosaics.
Theoretical aspects and application to segmentation evaluation. JMIV, 42(1), 25-49.
[2] Z. Wang, Q, Li. Information content weighting for perceptual image quality assessment. IEEE Tr.
on image processing, 20(5), 1185-1198.
Stage de Master Recherche (mars-septembre 2014)
Titre : Champs aléatoires, nombre d'Euler et diagrammes de Voronoi
Thématique : Géométrie algorithmique, Modèles aléatoires, Traitement d'images, Morphologie Mathématique
Lieu d’accueil : Ecole Nationale Supérieure des Mines de Saint-Étienne (ENSM-SE) LGF, UMR CNRS 5307
Contact : Dr Yann GAVET [email protected] Financement : CNRS – Projet ANR CorImMo 3D
Profil du candidat : Elève ingénieur ou étudiant en master recherche avec une spécialisation en traitement d’image et/ou en mathématiques appliquées, avec de bonnes connaissances en informatique scientifique (matlab, etc.),
Description du stage :
• Objectifs :
L'objectif du stage est d'étudier différents champs aléatoires (gaussien, t-student, chi-2...). Les espérances mathématiques du nombre d'Euler-Poincaré calculés sur leurs ensembles de niveaux seront tout particulièrement concernés, ainsi que les diagrammes de Voronoï qui leurs seront associés.
Plusieurs fonctions de covariance seront utilisées (Cauchy, exponentielle, Bessel, Matérn...).
• Application :
Les cellules de l'endothélium cornéen sont particulièrement importante pour maintenir la transparence de la cornée, et donc assurer une bonne vision. Certaines pathologies affectent ces cellules et leur assemblage géométrique. Nous avons démarré des travaux concernant la modélisation de ces assemblages cellulaires, notamment pour prédire leur évolution (en terme de santé).
Références bibliographiques :
[1] P. Gain, G. Thuret, C. Chiquet et al. Automated analyser of organ cultured corneal endothelial mosaic. Journal Français d’Ophtalmologie, 25(5) : 462-472, 2002
[2] Y. Gavet, J.C. Pinoli. Visual perception based automatic recognition of cell mosaics in human corneal endothelium microscopy images. Image Analysis and Stereology, 27: 53-61, 2008.
[3] Y. Gavet, J.C. Pinoli. A geometric dissimilarity criterion between Jordan spatial mosaics.
Theoretical aspects and application to segmentation evaluation. JMIV, 42(1), 25-49.
[4] Y. Gavet, O. S. Ahmad, J.C. Pinoli. Integral Geometry of Linearly Combined Gaussian and Student-t, and Skew Student’st Random Fields. International Conference on Geometric Science of Information, 2013.
Illustration 3: Champs aléatoire gaussien
Illustration 2: Ensemble de niveau
Illustration 1: Diagramme de Voronoï
MOCASUR 04 Novembre 2013 J.C. PINOLI
Stage de Recherche (mars-septembre 2014)
Titre : Modélisation par champs aléatoires irréguliers et caractérisation par mesures de courbures généralisées des surfaces rugueuses.
Lieu d’accueil : Ecole Nationale Supérieure des Mines de Saint-Étienne (ENSM-SE) LGF, UMR CNRS 5307 - Institut Carnot MINES
Contact : Prof. Jean-Charles PINOLI ([email protected])
Profil du candidat : Titulaire du grade de master (master recherche, ingénieur diplômé avec un parcours recherche) avec une spécialisation en mathématiques, mathématiques appliquées, ayant de bonnes connaissances en programmation informatique (Matlab, voire C++), ainsi qu’une bonne pratique de la langue anglaise.
Contexte général :
La modélisation mathématique et la caractérisation géométrique de la topographie de surfaces en statique et surtout en dynamique (par exemple, surfaces en évolution temporelle par usure) et leurs simulations visent à répondre à des enjeux à la fois scientifiques et industriels. D’un côté, les méthodes multi-échelles (ondelettes, scales-spaces, fractales) ont depuis une vingtaine d’années pris leur essor et sont utilisées dans de nombreux domaines applicatifs. D’un autre côté, les méthodes probabilistes (champs aléatoires, modèles Booléens) se sont aussi développées, mais elles restent nettement moins divulguées du fait de leur plus grande difficulté mathématique. La combinaison des champs aléatoires et de la géométrie intégrale n’est abordée que par seulement quelques équipes de recherche au niveau international [1-3], dont celle de l’ENSMSE [4-5].
L’association de ces approches présente un fort potentiel pour l’étude des surfaces, en apportant des concepts et outils dépassant largement ceux existants, permettant la modélisation topographique des surfaces par des fonctions aléatoires non-Gaussiennes (avec différentes covariances, et les quatre premiers moments probabilistes relatifs à la distribution : moyenne, écart-type, skewness et kurtosis) et leur caractérisation en géométrie intégrale par les fonctions de Minkowski associés aux ensembles de niveaux des champs aléatoires.
Sujet et objectifs :
L’objet de ce stage est d’étudier les mesures de Minkowski généralisées (aussi appelées mesures de Lipschitz- Killing généralisées) adaptées aux surfaces rugueuses sur des champs aléatoires irréguliers.
Le doctorant devra définir ces mesures analytiquement ou par approximation, et en étudier les propriétés en fonction du type de champs aléatoires considérés. Il mettre ensuite en place les simulations informatiques des modèles développés, et comparera avec des surfaces réelles mesurées. Ainsi, il conduire les étapes suivantes : . Bibliographie sur le croisement des approches probabilistes et géométriques appliquées aux surfaces rugueuses.
. Identification des modèles les mieux appropriés. Choix de quelques modèles.
. Détermination des fonctionnelles de Minkowski généralisées.
. Simulation numérique des modèles.
. Application sur des surfaces réelles mesurées.
Références bibliographiques :
1. Adler, R.J. and Taylor, J., Random Fields and Geometry, 2007.
2. Worsley K. J., Local Maxima and the expected Euler Characteristic of Excursion Sets of chi-squared F and t Fields.
Adv. Appl. Prob., 26: 13-42 (1994).
3. Schmähling, J. and Hamprecht, F.A., Generalizing the Abbott–Firestone curve by two new surface descriptors.
Wear, 262(11–12), 1360-1371, 2007.
4. Ahmad O. and Pinoli J.C., On the linear combination of the Gaussian and student's t random field and the integral geometry of its excursion sets. Statistics & Probability Letters, 83(2):559-567, 2013.
5. Suleiman-Ahmad O. and Pinoli J.C., Lipschitz-Killing curvatures of the excursion sets of skew student' s t random fields. Stochastic Models, 29(2):273-289, 2013.
Stage de Recherche (mars-septembre 2014)
Titre : Modélisation, caractérisation et segmentation d’images couleurs texturées.
Application à la biodétérioration de matériaux cimentaires.
Lieu d’accueil : Ecole Nationale Supérieure des Mines de Saint-Étienne (ENSM-SE) LGF/UMR CNRS 5307 – SPIN/PROPICE
Contacts : Dr. Johan DEBAYLE ([email protected]) / Dr. Alexandre GOVIN ([email protected]) Financement : ~430€/mois
Profil du candidat : Elève ingénieur ou étudiant en master recherche avec une spécialisation en traitement d’image et/ou en mathématique appliquées.
Description du stage :
Contexte général :
L'encrassement des façades d'immeuble est causé par un phénomène d'altération biologique essentiellement esthétique.
Le vieillissement naturel des façades favorise le développement de micro-organismes et leur cinétique de développement dépend de plusieurs paramètres. Parmi eux, l'exposition géographique de la façade (ou substrat), les conditions environnementales (humidité, vent, chaleur) ainsi que l'état de surface du substrat (rugosité, porosité, pH et composition chimique). Afin d’étudier la cinétique de biodétérioration, il est nécessaire d’accéder aux taux de recouvrement de ces micro-organismes qui peut être obtenu par acquisition et traitement d’images de matériaux cimentaires biodétériorés.
L’objectif de ce stage est donc de modéliser, caractériser et segmenter ces textures d’images couleurs.
Objectifs :
L’objectif de ce stage est mettre en place un modèle à la fois probabiliste, topologique et colorimétrique permettant de décrire des textures d’images couleurs. L’étudiant devra définir et étudier des descripteurs quantitatifs discriminants et des mesures comparatives (distance, dissimilarité, divergence) de ces textures. Par la suite des classifieurs pourront être mis en place pour la segmentation de ces textures en couleur. L’adéquation de ces modèles sera finalement testée sur des images de matériaux cimentaires dégradés par des micro-organismes.
Références bibliographiques :
[1] C. Palm. Color texture classification by integrative co-occurrence matrices, Pattern Recognition, 37 (5): 965–976, 2004.
[2] H. Permuter, J. Francos. I. Jermyn. A study of Gaussian mixture models of color and texture features for image classifica tion and segmentation, Pattern Recognition, 39 (4): 695–706, 2006.
[3] Z. Kato, T.C. Pong. A Markov random field image segmentation model for color textured images. Image and Vision Computing, 24 (10): 1103–1114, 2006.
[4] E. Aptoula, S. Lefèvre. Chapter 1 - Morphological Texture Description of Grey-Scale and Color Images, Advances in Imaging and Electron Physics, 169: 1-74, 2011.
[5] I.U.H. Qazi, O. Alata, J.C. Burie, A. Moussa, C. Fernandez-Maloigne. Choice of a pertinent color space for color texture characterization using parametric spectral analysis, Pattern Recognition, 44 (1): 16-31, 2011.
Figure 1 : Biodétérioration de matériaux cimentaires au cours du temps
