méthodes et applications du traitement du signal et des...
TRANSCRIPT
Ronan Fablet [email protected]
Habilitation à Diriger des Recherches, UBO, mars 2012
méthodes et applications du traitement du signal et des images pour l'observation de l'océan
Des otolithes aux satellites :
Plan
! Synthèse des activités de recherche et formation
! Focus thématique et méthodologique
• Les otolithes comme marqueurs des traits de vie individuels des poissons
• La géométrie dans les signaux et les images
! Et maintenant …
1
Parcours
2
Ingénieur SUPAERO, 1997
Thèse INRIA Rennes, 1998-2001
Postdoc, Brown Univ., 2001-2002
Chercheur Ifremer, STH/LASAA, 2002-2007
Enseignant-chercheur, Telecom Bretagne (Dept SC), depuis 2008
Accueil IRD/IMARPE Lima, 2010-2011
Un fil rouge, l’observation de l’océan
3
Ingénieur SUPAERO, 1997
Thèse INRIA Rennes, 1998-2001
Postdoc, Brown Univ., 2001-2002
Chercheur Ifremer, STH/LASAA, 2002-2007
Enseignant-chercheur, Telecom Bretagne (Dept SC), depuis 2008
Accueil IRD/IMARPE Lima, 2010-2011
Oto
litho
mét
rie
Acoustique sous-marine Télédétection spatiale
L’observation de l’océan : contributions et démarche
! Objectifs scientifiques : • 1) Représentation des scènes/processus observés • 2) Inférence/reconstruction d’informations d’intérêt
! Démarche: • Approche intégrée / recherche interdisciplinaire • Questions thématiques ! Contributions méthodologiques
4
S’il vous plaît, dis-moi ton âge S’il vous plaît, dessine-moi un front
Synthèse des activités : contributions méthodologiques
Méthodes variationnelles Apprentissage et Classification
Géométrie des images & courbes, Géométrie stochastique
Méthodes de classification Segmentation basée texture Emulation statistique/super-résolution
Détection et suivi de structures Interpolation de données éparses Assimilation multi-résolution
Extraction de structures géométriques Régularité géométrique multi-échelle
Distribution de signatures locales Processus ponctuels marqués
[e.g., CVIU’2008, GRSL’2011] [e.g., IEEE GRS 2011, CVPR’2011]
[e.g., IEEE IP 2010, ECCV’2010] [e.g., IEEE IP 2010, ECCV’2006]
Synthèse des activités : programmes de recherche nationaux et européens
Problématique amont Opérationnelles
Otolithométrie -
Sclérochronologie
Acoustique sous-marine
Océanographiespatiale
ANR JC OTOCAL (05-08) STREP AFISA (07-08)
GDR ACOMAR (04-07)
AC TACADAR (02-06)
FP6 IBACS (02-06)
FUI ITIS/ACSYS (07-09)
FUI TACTIPECHE (11-13)
CREATE FI2O (09-12)
IFIG / Accueil
IRD-IMARPE (11-12)
Budget total (hors financement de thèse) : ~ 1.5m!
Synthèse des activités
7
Thèmes d’enseignement • Mathématiques • Traitement du signal • Vision par ordinateur • Sclérochronologie • Projets
Enseignement (~ 130h/an)
Public • Formation continue • Formation initiale (master, ingénieur) Responsabilités • Coordination du domaine SIT • Formation continue “Traitement avancé du signal”
Thèses : • 6 soutenues (3 Ifremer, 2 Telecom B., 1 ENIB) • 5 en cours (2 IRD, 2 Ifremer, 1 ACRI-ST) • 8 co-encadrants/directeurs différents
(Co-)Encadrement
Stages master II/ingénieur : 13
Postdocs/ingénieurs : 4
Synthèse des activités
8
Revues “méthodologiques” : IEEE PAMI, IEEE TIP, CVIU, IEEE TGRS
0
5
10
15
20
25
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Articles de revues et chapitres d’ ouvrages Actes de conférences et colloques
Autres communications
Revues thématiques : PloS One, PTRS, CJFAS, MEPS
Publications
Logiciel TNPC (Traitement Numérique des Pièces Calcifiées) Librairie Matlab SonarScope
Transfert
Nombre de citations : > 700 H-index : 12 Revues ISI : 35
[Harzing.com]
Les otolithes comme marqueurs des traits de vie individuels des poissons
ou L’histoire d’une oreille de poisson qui gardait ses secrets…..
Focus thématique
9
d’une mine d’or pour l’écologie marine • Echelle individuelle : âge et croissance, origine natale, migrations,…. • Echelle de la population, de l’écosystème
L’histoire, d’un poisson qui couvait son otolithe
10
Evolution de la signature chimique Sr/Ca de l’otolithe fonction de la salinité du milieu
Inférence bayésienne des migrations indivi-duelles
Caractérisation des tactiques migratoires des anguilles [Fablet et al., 2007]
résidents migrateurs
11
d’une mine d’or pour l’écologie marine • Echelle individuelle : âge et croissance, origine natale, migrations,…. • Echelle de la population, de l’écosystème
MAIS de chercheurs (d’or) peinant à l’exploiter
L’histoire, d’un poisson qui couvait son otolithe
12
Des fondements « empiriques » pas toujours vérifiés
Comment expliquer ces différences ? Quels sont les facteurs métaboliques et environ-nementaux qui déterminent la formation de l’otolithe ? Quels mécanismes ?
NS Cod
BS Cod
13
La formation de l’otolithe
! Objectifs [ANR JC OTOCAL, 2005-2008]: • Compréhension et modélisation de la formation de l’otolithe (interaction
otolithe/poisson/environnement) • Outils et méthodes pour la calibration des archives biocalcifiées
Environnement (T, nourriture,…)
Croissance de l’otolithe
Ca2++HCO3- !CaCO3+H+
Précipitation de CaCO3
Métabolisme du poisson
? ?
14
ANR JC OTOCAL (2005-2008) Une approche multidisciplinaire
Modèle numérique de la formation de l’otolithe
Caractérisation de la formation de l’otolithe
Outil expérimental
Eco-physiologie
Bio-minéralisation
Biologie théorique
Chimie analytique
Vision par ordinateur
15
Reconstruction de l’histoire de forme d’un otolithe [CVIU 2007, Thèse A. Chessel]
16
+ Bruit +
Composante géométrique : “histoire de forme”
Composante photométrique : Alternance de bandes opaques
et translucides
Objectifs
Reconstruction de l’histoire de forme d’un otolithe [CVIU 2007, Thèse A. Chessel]
17
! Représentation “level-set”
! Formulation variationnelle • Objectif : ajuster la représentation “level-set” à une image particulière
Formes successices = ensemble de niveaux successifs d’une surface 3D
Régularité Contrainte géométrique
Orientation locale de l’image
ANR JC OTOCAL (2005-2008) Une approche multidisciplinaire
Modèle numérique de la formation de l’otolithe
Caractérisation de la formation de l’otolithe
Outil expérimental
Eco-physiologie
Bio-minéralisation
Biologie théorique
Chimie analytique
Vision par ordinateur
18
Modélisation numérique de la formation de l’otolithe [PloS One 2011]
!!"##$%&'(!)*!+,'-'+.-/*!0!123!'$45(.62*!789:!;!123!<.(%$5+!7CaCO3:!
Flux de MO
Flux de CaCO3
Flux dérivés des flux métaboliques (DEB)
Effet de la température sur la précipitation de CaCO3
Opacité fonction des flux de MO et de CaCO3
=3-*(>.'(!?@!
Modèle DEB
Temp.
Croissance Forme Opacité
Opa
cité
sai
sonn
ière
Modélisation numérique de la formation de l’otolithe [PLoS One 2011]
Scénarios spécifiques
à chaque stock
NS Cod (-) BS Cod (-)
Tem
pera
ture
(C)
Alim
enta
tion
BS Cod NS Cod
Simulations
Images réelles « Patterns » d’opacité observés vs. simulations
Les otolithes comme archives des traits de vie individuels
! Contributions thématiques • Modèle mécaniste de formation de l’otolithe [PLoS One 2011] • Nouvelles méthodes de reconstruction et extraction des traits de vie
individuels [e.g., Fish. Res. 2005, CJFAS 2007, CVIU 2007]
! Perspectives • Potentiel d’extraction de nouveaux marqueurs [MEPS 2012] • Généricité des problématiques d’analyse et extraction de
structures géométriques (e.g., interpolation de données d’orientation [ECCV 2006], contrainte variationnelle géométrique) pour d’autres types d’images (e.g., dynamique frontale des traceurs géophysiques)
La géométrie dans les signaux et les images
Focus « méthodologique »
22
! Déformations géométriques
! Distribution spatiale de structures/signatures élémentaires
Géométrie et images naturelles
!"#$%
Tourbillons océaniques
Texture sonar
Texture naturelle
Bancs de poisson
Dynamique frontale
Déformation de la couche de surface
Données trajectométriques
Le modèle fractal
Diffusion vs. Super-diffusion
P(l)~ l - µ Invariance en échelle Caractérisation statistique de la distribution des pas / incréments
Turbulence & invariance conforme
[Bernard et al., 2007]
A.4(*>!)*!(.B*52!7CD8:! [GRSL 2012]
Géométrie du traceur
Indicateur de la turbulence
24
Mouvement & marche de Lévy
Stratégie des prédateurs supérieurs : Hypothèse “Lévy” & modèle de Pareto généralisé [soumis]
#%&%'% #%(%)%
*%&"% *%&%'%
#%!)%#%(%)+,%
*%(%-%
!"#$%&'()"*(+,--
./012%23/4% 5/6/27%23/48%
934/8:;% 9<=>6/36%?@A=676:34%B=/88=6%
.+%/01-'()"*(+,-
.CDE%F/012%
G73DE%23/4%!
P l j( ) =1"1+
1µ #1
(l j #$ )"
%
& '
(
) *
#µModèle de Pareto généralisé :
Trois questions Quel modèle testé?
Modèle de Pareto généralisé
Comment tester l’ajus-tement du modèle aux données ?
Critère robuste Cramer-Von-Mises (statistiques de rang)
Comment définir la queue de la distribution ?
Plus petite valeur pour laquelle le test d’ajustement est valide
! Application aux données “VMS” de la pêcherie d’anchois du Pérou
Des comportements “Lévy”? Oui (Bertrand et al., 2007) Que des comportements “Lévy”? Non (Edwards, 2011) Différences entre les deux flotilles ! stratégies différentes?
EFGG!63D/<7+36%A=H<%43%HI#/*$.*!.()2>-$.*++*!
?JGG! 63D/<7+36% A=H<% 43%HI#/*$.*!5$&>5(5+*!
K! LGM! )*! -*>-! ),5N2>-*<*(-!B5+.)%! 3D7;% H67% IH7H7% J7%J82</KH:=6% <7A<C8762362% 3H%$=/68%EGM!)*>!)'((%*>!
Stratégie des prédateurs supérieurs : modèle de Pareto généralisé [Bertrand et al., soumis]
! Déformations géométriques
! Distribution de structures/signatures élémentaires
Géométrie et images naturelles
!"#$%
Tourbillons océaniques
Texture sonar
Texture naturelle
Bancs de poisson
Dynamique frontale
Déformation de la couche de surface
Données trajectométriques
28
Distribution de signatures élémentaires dans les images & processus ponctuels
! Principe : • Image = ensemble de signatures/objets élémentaires vue comme
la réalisation d’une processus ponctuel
• Formellement, un ensemble de signatures {si,mi} est la réalisation d’un processus ponctuel S, où chaque position si est associée à une marque (signature) discrète Mi.
statistiques descriptives & modèles probabilistes [IEEE TGRS 2012]
29
Moment d’ordre 1 (densité)
Moment du second-ordre (corrélation)
(~ nombre d’évènements par classe = sacs de mots visuels)
!
µ ij(2) (r) = E " i (m1)" j (m2)1 s1 #s2 $r( )
s1 ;m1[ ], s2 ;m2[ ]%&
#
'(
) *
+ *
,
- *
. *
!
µ ij(2) (r){ }
statistiques descriptives
Modèles de Cox log-gaussiens
!
S1,...,SN{ }Y1,...,YN
Covariance de log(Yi)
6 classes, 180 images 256x256
Application à la reconnaissance de textures sonar [Thèse H.G. Nguyen]
! Résultats : bases de données Ifremer (Rebent)
30
! Résultats similaires pour des bases de textures visuelles
50
60
70
80
90
100
1 3 5 8 10
Gabor
Coocurrence
Sacs de Mots
Ling
Xu
Zhang
Nguyen
Nombre d’images d’apprentissage
Taux
de
clas
sific
atio
n (%
) 50
60
70
80
90
100
1 3 5 8 10
Gabor
Coocurrence
Nguyen
Nombre d’images d’apprentissage
Taux
de
clas
sific
atio
n (%
) 50
60
70
80
90
100
1 3 5 8 10
Sacs de Mots
Ling
Nguyen
Nombre d’images d’apprentissage
Taux
de
clas
sific
atio
n (%
)
Géométrie des signaux et des images
31
! Extension/perspectives : • Application à différents types d’objets/signatures élémentaires
(e.g., régions « élémentaires », déformations élémentaires, formes,…) et imagerie (e.g. SAR) [IEEE TGRS 2012, IEEE GRSL 2012, CJFAS 2012]
• Exploitation de la modélisation probabiliste (simulation, test d’ajustement, définition de distance entre modèles)
• Application comme a priori ou modèle d’observation pour des problèmes inverses: eg segmentation d’images [cf. lien avec Karoui et al. 2011], assimilation variationnelle (Ba et al. en prep)
Agrégation(attraction)
Distribution aléatoire(Poisson)
Covariance spatiale
Plan
! Synthèse des activités de recherche et formation
! Focus thématique et méthodologique
• Les otolithes comme marqueurs des traits de vie individuels des poissons
• La géométrie dans les signaux et les images
! Et maintenant …
32
De l’observation de l’océan à la modélisation de ces dynamiques ?
Enjeux
Compréhension & modélisation des cascades d’énergie à travers les échelles spatiales et les compartiments biotiques et abiotiques
Echelle globale
Echelle régionale
Méso-échelle (10-500kms)
Subméso-échelle
(10ms-kms)
?
Physique
Biogéochimie
plankton
Prédateurs supérieurs
?
Petits pélagiques
De l’observation de l’océan à la modélisation de ces dynamiques?
Les bases d’observation ?
Observations sur une large gamme d’échelles
Observation de composantes biotiques (e.g., plancton, poisson,…) et abiotiques (e.g., forçage physique)
Question Comment explorer et croiser ces bases de données pour identifier/valider des modèles/hypothèses ?
De l’observation de l’océan à la modélisation : approche proposée
Q3. Comment identifier et modéliser les dynamiques conjointes de différentes composantes?
Q1. Comment analyser et modéliser des déformations géométriques multi-échelles?
Q2. Comment accroître la résolution spatio-temporelle des traceurs géophysiques ?
Q1. Comment analyser et modéliser des déformations géométriques multi-échelles?
Comment analyser et modéliser des déformations géométriques multi-échelles?
Objectif
modélisation/représentation
probabiliste des distributions
espace-échelle de ces déformations
élémentaires
[Chainais’07, CVPR 2011]
! Au-delà du modèle fractal
36
Extension à d’autres types de signaux Signaux 1D Iso-niveaux de traceurs
géophysiques
Déformations verticales
[Thèse D. Grados, 2011-2014]
Séries temporelles (multivariées)
[Thèse B. Saulquin, 2009-2013]
De l’observation de l’océan à la modélisation : approche proposée
Q3. Comment identifier et modéliser les dynamiques conjointes de différentes composantes?
Q1. Comment analyser et modéliser des déformations géométriques multi-échelles?
Q2. Comment accroître la résolution spatio-temporelle des traceurs géophysiques ?
Reconstruction multi-résolution et multi-modale de traceurs géophysiques (FI2O)
e.g., Température de Surface REMSS: basse-résolution
AVHRR-METOP: haute-résolution
39
AMSRE ~25km
METOP ~4km
e.g., Champs de vent Sorties de modèles numériques
Observation SAR haute-résolution
Objectifs : interpolation de données manquantes, problèmes inverses & super-résolution Cadre développé et envisagé : assimilation varitionnelle multi-modale multi-résolution
40
Reconstruction multi-résolution et multi-modale de traceurs géophysiques
Identification de modèle d’observation
par apprentissage [Thèse L. He-Guelton,
2009-2013]
Interpolation et inversion conjointe
multi-résolution [RFIA 2012]
De l’observation de l’océan à la modélisation : approche proposée
Q3. Comment identifier et modéliser les dynamiques conjointes de différentes composantes?
Q1. Comment analyser et modéliser des déformations géométriques multi-échelles?
Q2. Comment accroître la résolution spatio-temporelle des traceurs géophysiques ?
Représentation des dynamiques conjointes des écosystèmes marins
Méthodologie
Fouille de donnés basée sur la définition/identification d’évènements élémentaires
Représentation probabiliste de la distribution des évènements élémentaires
Prédateurs supérieurs
Poissons pélagiques
Chantier d’étude privilégié : Système du Courant de Humboldt
Plancton Dynamiques physiques
Base de données
[Thèse D. Grados, 2011-2014] [Thèse R. Joo, 2010-2013]
Synthèse ! Méthodes et modèles pour l’observation de l’océan
“multi-échelle” et “multi-modale”
! Dynamiques et collaborations inter-disciplinaires
! Perspectives : • “Des bases de données d’observation à la représentation des
dynamiques de l’océan” • Insertion locale : LabSTICC/CID/TOMS, interactions Labex Mer/
CominLabs • Réponse à des appels à projets ANR, UE,… • Collaborations internationales : LMI DISCOH, LIAMA • Interaction formation/recherche
43
TRUGAREZ D’AN HOLL
44
………..y todos los demas