CRAN - Campus Sciences
BP 70239 - 54506 VANDOEUVRE Cedex
Tél : +33 (0)3 72 74 52 90 Fax : +33 (0)3 72 74 53 08
cran-secretariat@univ-lorraine.fr
 
 
Signaux Multidimensionnels (SiMul)
Animateur : David Brie
Permanents : El-Hadi Djermoune, Sebastian Miron, Charles Soussen, Marc Tomczak
Doctorants : Leila Belmerhnia, Marc-Abel Bisch, Mamadou Diop, Thi Thanh Nguyen, Yingying Song
Le projet SiMul a pour objectif général de développer une activité de recherche méthodologique et appliquée sur le traitement des signaux multidimensionnels. Les principaux aspects traités concernent la séparation de sources et de la résolution de problèmes inverses mal-posés. Différentes applications sont considérées : les spectroscopies et microscopies, la cytométrie en flux et le traitement d'antenne.

 

   
   

Modèles Candecomp/Parafac (CP) : nous nous intéresserons à l'étude de l'identifiabilité du modèle CP, en particulier à la notion d'identifiabilité partielle du modèle Parafac avec dépendances linéaires (modèle Paralind). Egalement, nous étudierons le problème de l'estimation des matrices de dépendance du modèle Paralind en imposant des contraintes de parcimonie. Les applications de ces travaux concernent les spectroscopies multidimensionnelles, la microscopie Raman polarisée, la cytométrie en flux et le traitement d'antenne.

Déconvolution et Séparation d'images hyperspectrales : les microscopies hyperspect-rales (IR, Raman, fluorescence) fournissent des images 2D+λ ou 3D + λ et un traitement classique consiste à les "démélanger" par une approche de type séparation de sources positives. Cependant, dès lors que l'on s'intéresse à des objets dont la taille est proche de la résolution du microscope, se pose le problème d'améliorer cette résolution par des techniques de déconvolution. Nous nous intéresserons à traiter les problèmes de séparation et de déconvolution d'images hyperspectrales avec différents types d'a priori, notamment la positivité et la parcimonie.

Estimation parcimonieuse pour les problèmes inverses : nous travaillerons au développement et à l'analyse de solutions algorithmiques permettant de résoudre de façon efficace le problème d'estimation parcimonieuse formulé comme un problème d'optimisation l2-l0. Egalement, nous nous intéressons au problème d'estimation parcimonieuse simultanée. Les applications visées sont la spectroscopie RMN multidimensionnelle, le traitement d'antenne, l'imagerie hyperspectrale infrarouge et le traitement d'images force volume en microscopie de force atomique (AFM).

Principales collaborations académiques :

  • LCPME : Cédric Carteret, Grégory Francius, Manuel Dossot
  • LIEC : Christian Mustin
  • IRCCYN : Jérôme Idier, Saïd Moussaoui
  • Gipsa-Lab : Jérôme Mars, Christian Jutten, Pierre Comon, Alain Kibangou
  • Polytechnic University of Hong-Kong : Kainam Thomas Wong, Yang Song.
  • Northwestern Polytechnical University, Xi'an, RPC : Xijing Guo
  • Xi'an Jiatong University, Xi'an, RPC : Junbo Duan
  • Federal University of Ceará, Brasil : André L. F. de Almeida

Principales collaborations industrielles :

  • CRITT Bois, PELLENC ST, EGGER
  • CEA, CEA-Tech
  • High Tech Communications Services

 

Projets Nationaux Financés

  • Projet ANR Blanc HAESPRI  (2009-2013): Hyperspectral Analysis and Enhanced Surface Probing of Representative bacteria-mineral Interaction
  • Projet FUI TRISPIRABOIS (2012-2016): Tri par spectroscopie infrarouge des déchets de bois
  • Projet ANR BECOSE (2016-2019): Beyond COmpressive SEnsing: sparse approximation algorithms for ill-conditioned inverse problems
  • Projet ANR OPTIFIN (2016-2020): Optimisation des finitions bois par couplage d'imagerie spectrale infrarouge et imagerie visible

Publications