Contractualisation vague D 2010 - 2013

Bilan scientifique : équipe VI

Laboratoire d’Automatique, Génie Informatique et Signal

LAGIS UMR CNRS 8146

Octobre 2008

i

Table des matièresTable des matières i

1 Vision & Images 11.1 Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Composition de l’équipe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.3 Les thèmes de recherche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.4 Collaborations, contrats et transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.5 Animation, gestion et vulgarisation de la recherche . . . . . . . . . . . . . . . . . . . . . . 51.6 Auto - évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Bibliographie 72.1 Bibliographie de l’équipe Vision et Images . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

ii Table des matières

1

1 Vision & ImagesResponsable : Professeur Jack-Gérard Postaire (→2006), François Cabestaing (2007-→).

1.1 Abstract

The "Vision & Images" team gathers LAGIS researchers working on images, as well as multidimen-sional signals and data. In the "vision" aspect, we are developing non conventional image acquisitiondevices, such as stereoscopic or polarimetric sensors. In the "images" aspect, we propose original ap-proaches to digital image processing, aiming at enhancing their content and/or extracting pertinentinformation through segmentation. We also endeavor to generalize image processing techniques in orderto adapt them to multidimensional data. Three research lines are followed :

Perception and physics based vision : in this topic, "vision" and "image" aspects are tightly fittedtogether, since we aim at developing chains going from perception to image processing. We designed apolarimetric imager that allows the estimation of objects surface roughness at the pixel level. Diffuseand specular components of light rays are separated, and a specular model inversion yields the finalinformation. A catadioptric stereo setup has also been designed, including a small mobile prism forchanging the sensor gaze while keeping the system perfectly calibrated.

Color image analysis : in which the problem of processing color images acquired under non controlledconditions is addressed through numerical color representation, segmentation and texture-based patternrecognition. Techniques for selecting the most appropriate color space in a given situation have beenproposed, as well as segmentation tools based on clustering (mode detection by fuzzy morphology), pixellabeling (credibilist relaxation based on the transferable belief model), or using a model of uncertaintycaused by noise (type-2 fuzzy sets).

Data classification and clustering : we have adapted standard image processing techniques to solvesupervised or unsupervised multidimensional data classification problems. Underlying probability densityfunctions are analyzed by thresholding techniques, edge detectors and morphological filters. Textureanalysis and Markov-based segmentation tools have also been tested on multidimensional data for clusterdetection. Motion analysis techniques have been generalized for extracting features from spatio-temporalsignals (application to Brain-Computer Interfaces).

1.2 Composition de l’équipe

Les permanents de l’équipe

Philippe Biela-Enberg (Enseignant Chercheur − HEI), Pierre Bonnet (MdC − Lille 1), ClaudineBotte-Lecocq (MdC − Lille 1), François Cabestaing (Pr − Lille 1), Olivier Colot (50% avec ID, Pr −

Lille 1), Vincent Devlaminck ( Pr − Lille 1), Luc Duvieubourg (MdC − ULCO), Philippe Loosfelt (MdCHDR − Lille 1), Olivier Losson (MdC − Lille 1), Ludovic Macaire (MdC HDR − Lille 1), Jack-GérardPostaire (Pr émérite − Lille 1), Patrick Terrier (MdC − Lille 1), Nicolas Vandenbroucke (EnseignantChercheur − EIPC), Christophe Vieren (MdC − Lille 1), François Wauquier (MdC − Lille 1).

Les thèses en cours

– Doctorants 1ère année (2007) : Yann Ducrocq, Mariam Kalakech, Nasr Makni, Aurélien Van

Langhenhove.– Doctorants 2

ème année (2006) : Tarik Boujiha, Hachem Halawana, Alice Porebski, HalimaRemmach.

2 1. Vision & Images

– Doctorants 3ème année (2005) : Yara Bachalany, Ahmed Chaari, Yanqin Yang.

– Doctorant 4ème année (2004) : Saïd Lakroum.

Les thèses soutenues

– Soutenances en 2005 : Farid Boudjemai, Damien Muselet, Madaín Pérez-Patricio.– Soutenance en 2006 : Laurent Busin.

1.3 Les thèmes de recherche

Comme son nom l’indique, l’équipe "Vision & Images" regroupe les membres du LAGIS dont lesrecherches portent sur l’image, mais également sur les signaux et données multidimensionnelles. Dansl’aspect "vision", nous développons des dispositifs non conventionnels d’acquisition d’images, notammentpolarimétriques et stéréoscopiques. Dans l’aspect "images", nous proposons des approches originales detraitement des images numériques, destinées à en améliorer le contenu et/ou à en extraire des informationspertinentes par segmentation. Ce volet englobe également les travaux visant à généraliser les méthodes detraitement d’images pour les adapter à d’autres types de données multidimensionnelles. En pratique, lesfrontières entre vision, images et analyse de données sont assez floues et plusieurs chercheurs de l’équipeabordent simultanément ces différentes problématiques.

Thématique 1 : Perception et modèles physiques pour la vision

Dans ce thème, les aspects "vision" et "images" sont étroitement imbriqués, du fait que son objectifest le développement de chaînes allant de la perception au traitement des images, notamment un imageurpolarimétrique et un stéréoscope catadioptrique. La mise au point de ces dispositifs spécifiques a permisà l’équipe d’acquérir des compétences reconnues sur les capteurs d’images et les méthodes de mesureassociées.

Imagerie polarimétrique : Concernant l’imagerie polarimétrique, notre effort a porté plus particu-lièrement sur la mise au point d’un dispositif permettant d’estimer, au niveau pixel, un paramètre lié à larugosité de surface des objets observés (objets manufacturés, feuilles d’un couvert végétal en collaborationavec l’INRA de Dijon). Les difficultés abordées sont d’une part la séparation des composantes diffuse etspéculaire de la lumière, d’autre part le problème de l’inversion de modèles spéculaires (thèse Lakroum,[39]), et ce à partir de mesures polarimétriques et de données physiques caractéristiques des matériauxquand ces dernières sont disponibles [3].

Perception stéréoscopique : Concernant la perception stéréoscopique, nous avons développé unstéréoscope catadioptrique intégrant un miroir orientable. Il permet de suivre des objets d’intérêt, enmodifiant l’orientation d’un seul élément de petite taille, tout en maintenant un parfait calibrage. Cesystème a été conçu pour détecter des obstacles potentiels situés à longue distance à l’avant d’un véhicule.Les objets sont détectés par une technique originale de stéréovision dense (thèse Pérez, [85]) ou par leurmouvement [8], puis suivis par recherche de correspondances entre un modèle 3D réaliste (géométriqueet photométrique) et les images successives de la scène (thèse Bachalany).

Les mesures polarimétriques, qui sont caractéristiques de la géométrie locale de l’objet observé, serontassociées à une mesure globale de sa géométrie 3D obtenue par stéréovision (partenariat envisagé dans lecadre d’un projet ANR). Différents modèles spéculaires seront implantés et leurs performances évaluéesau regard du dispositif mis en place. Des aspects liés au calibrage seront également abordés.

Le stéréoscope catadioptrique et l’imageur polarimétrique seront utilisés pour améliorer la sécuritédans les systèmes de transport, en observant la scène située à l’avant d’un métro automatique (projetANR et I-Trans, avec Siemens Transportation Systems) et à l’avant d’un véhicule automobile en casde brouillard (projet CISIT, CPER 2007-2013). Dans ce cas, les techniques de modélisation 3D seront

1.3. Les thèmes de recherche 3

exploitées pour suivre les objets d’intérêt dans la scène et ainsi définir une stratégie d’observation similaireà celle utilisée par un conducteur (thèse Ducrocq).

Thématique 2 : Analyse d’images couleur

Les problématiques abordées s’inscrivent dans une chaîne de traitements des images acquises selon desconditions d’observation non contrôlées, à savoir la représentation numérique de la couleur, la segmen-tation des images et la reconnaissance des objets. Une fois l’image couleur acquise, se pose le problèmede la sélection de l’espace de représentation de la couleur qui est le mieux adapté aux traitements àeffectuer sur cette image. Nous apportons des éléments de réponse par une analyse bas-niveau de l’imagequi étudie les liens entre les systèmes de représentation de la couleur et les performances d’algorithmesde segmentation (thèse Busin, [83]).

Segmentation d’images : Les solutions développées pour la segmentation d’images s’appuient surdifférents outils de classification de données multi-dimensionnelles, tels que des opérateurs morphologiquesflous dédiés à la détection des modes [13], la théorie des fonctions de croyance pour l’étiquetage des pixelspar relaxation crédibiliste et les sous-ensembles flous de type 2 pour la modélisation de l’incertitude liéenotamment au bruit présent dans les images [65]. Afin de construire des classes de pixels qui correspondentau mieux aux régions présentes dans les images, ces différentes approches prennent simultanément encompte les propriétés colorimétriques et spatiales des pixels [7]. Les objets ainsi extraits des images sontreconnus par l’analyse d’attributs qui doivent être les moins sensibles possible aux conditions d’éclairage(thèse Muselet, [84]). L’utilisation de nouveaux invariants basés sur des mesures de rang combinant desinformations couleur et spatiales, permettent d’améliorer les performances en termes de reconnaissanced’objets observés dans des conditions non contrôlées [5].

Les travaux futurs porteront principalement sur les systèmes de perception de la couleur dédiés auxtraitements automatiques, sur la caractérisation des textures couleur et la reconnaissance d’objets 3D.

La majorité des caméras couleur étant équipées d’un seul capteur CCD associé à une mosaïque defiltres couleur de type Bayer, l’image finale est reconstruite par une étape dite de démosaïçage ou déma-triçage. Cette étape, qui estime les deux composantes couleur manquantes de chaque pixel en optimisantdes critères psycho-visuels, n’est pas toujours adaptée à l’analyse automatique. Nous travaillons donc surle développement de méthodes de démosaïçage dédiées aux traitements automatiques (thèse Yang), touten exploitant directement les données issues des "capteurs Bayer CCD" pour la mise en correspondancestéréoscopique (thèse Halawana).

La segmentation et la classification d’images présentant des textures couleur (thèses Boujiha et Rem-mach appliquées à la quantification d’algues par analyse d’images sous-marines), la sélection d’attributsde textures couleur (thèse Porebski dédiée au contrôle qualité de décors sérigraphiés) ainsi que la segmen-tation par classification spectrale (thèse Kalakech), prolongent les travaux entrepris par l’équipe "Vision& Images" dans le domaine de l’analyse des images couleur. Les méthodes basées sur les fonctions decroyance seront également adaptées à la segmentation d’images médicales multimodalités pour l’aide audiagnostic de tumeur de la prostate (thèse Makni).

Enfin, un projet de recherche commun à l’équipe "Vision & Images" et l’équipe FOX-MIRE du LIFL- UMR CNRS 8022 - a démarré fin 2007. Ce projet, soutenu par Lille 1 (BQR de 40 Ke pour l’achat d’unscanner 3D) et le GET (maintenant Institut Télécom), vise à développer des outils pour la reconnaissanceet l’indexation d’objets 3D par la combinaison forme - couleur en utilisant des techniques de fusiond’informations. Deux sujets de thèses ont été définis dans ce cadre et donneront lieu au recrutement dedeux doctorants à partir de septembre 2008.

4 1. Vision & Images

Thématique 3 : Techniques d’analyse d’images pour la classification

Les procédures de traitement des images numériques peuvent être adaptées pour résoudre des pro-blèmes de classification non supervisée en analyse de données multidimensionnelles. Les fonctions dedensité de probabilité sous-jacentes aux distributions d’observations multidimensionnelles ont d’abordété analysées par des procédures résultant de l’extension des techniques de segmentation par seuillage,par détection de contours et par filtrage morphologique. Au cours des trois dernières années, ce sont destechniques d’analyse de textures et de segmentation par approche markovienne qui ont conduit à desprocédures de détection des modes robustes et efficaces [5].

Les techniques d’analyse d’images peuvent également être utilisées pour extraire des propriétés designaux [12], notamment spatio-temporels comme les électro-encéphalogrammes. Depuis 2004, nous tra-vaillons sur les interfaces cerveau-ordinateur (BCI : Brain-Computer Interface), qui permettent à unindividu handicapé de communiquer avec une machine sans avoir à effectuer de mouvement. Les signauxmesurant l’activité cérébrale sont traités et classés pour générer directement les commandes destinées àl’ordinateur. Nous avons appliqué aux signaux EEG des traitements spatio-temporels similaires à ceuxutilisés sur les séquences d’images pour extraire et caractériser le mouvement. Une technique d’apprentis-sage originale, qui permet d’adapter les paramètres d’un classifieur à chaque utilisateur en utilisant trèspeu de réponses étiquetées, a également été proposée [9].

Sur le plan de la classification de données multidimensionnelles, les travaux en cours visent à adapterles techniques de segmentation par histogrammes des sommes et différences. Cette approche permet decaractériser efficacement les textures multidimensionnelles présentes dans de grands ensembles de donnéestout en limitant les exigences en termes de temps de traitement et les besoins d’espace mémoire.

Sur le plan de l’analyse de signaux EEG dans les BCI, afin que les techniques développées dansl’équipe puissent bénéficier au plus vite à des patients handicapés, nous poursuivrons le développementd’une plate-forme expérimentale financée par la région Nord-Pas de Calais (CPER 2000-2006). Notreobjectif est de permettre le test de multiples approches sur un même patient dans un temps très limité,équivalent à la durée d’une visite à l’hôpital (thèse Van Langhenhove et projet FRM+CHRU-Lille). Lesinterfaces invasives feront également l’objet de recherches, notamment dans le cadre d’une collaborationavec le service de neurochirurgie du CHU de Nantes (Hôpital Laënnec).

1.4 Collaborations, contrats et transfert

Nous entretenons des relations scientifiques privilégiées avec les laboratoires étrangers suivants : l’IITiSPaN (Gliwice, Pologne) via une collaboration CNRS-KBN - projet 20456 ; le LBBE (Laboratoire deBiochimie, Biotechnologies et Environnement) de l’Université Ibn Tofaïl de Kenitra, Maroc, via deuxthèses en co-tutelle (Boujiha, Remmach) financées par le programme Volubilis d’EGIDE ; le laboratoireICOS de l’ENIS (Ecole Nationale d’Ingénieurs de Sfax), via une thèse en co-tutelle (Chaari) financée parl’ambassade de France en Tunisie ; l’équipe BCI du Wadsworth Center, Albany, NY, USA, via des séjoursde chercheurs.

Nous disposons d’une compétence reconnue dans l’inspection des produits verriers, et collaborons avecle service Recherche et Développement du groupe Arc International dans le cadre du pôle de compétitivitéMaUD (Matériaux à Usage Domestique). Les techniques d’analyse des images couleur, notamment destextures, (voir page 3) ont été utilisées pour développer un système de détection de défauts dédié aucontrôle de verres sérigraphiés.

Dans le domaine des transports terrestres, autre thématique soutenue fortement par la région Nord-Pas de Calais (pôle de compétitivité I-Trans, CISIT du CPER 2007-2013), nous entretenons depuis trèslongtemps des relations privilégiées avec le LEOST de l’INRETS-Villeneuve d’Ascq. Sur la période deréférence, cette collaboration s’est concrétisée par le co-encadrement de trois thèses de Doctorat (Leclercq,

1.5. Animation, gestion et vulgarisation de la recherche 5

Lefebvre, Yahiaoui) et la participation conjointe au projet RaViOLi (financé via le CPER 2000-2006,coordination assurée par notre équipe).

1.5 Animation, gestion et vulgarisation de la recherche

Les membres de l’équipe sont impliqués dans le fonctionnement du GDR ISIS, thèmes A (TraitementStatistique de l’Information) et B (Signaux et Images). Ils ont contribué à la vie de ce GDR en organisanttrois réunions thématiques durant cette période de référence. Par ailleurs, en janvier 2005, l’équipe aorganisé la tenue de l’École d’Hiver sur l’Image Numérique Couleur, qui a regroupé plus de 80 participants.Cette manifestation a été soutenue par le Groupe Français de l’Image Numérique Couleur, le GDR ISISet le Club EEA.

La partie de l’équipe spécialisée en imagerie polarimétrique est très impliquée dans l’organisationdes "Journées Imagerie Optique non Conventionnelle" qui se sont déroulées en 2005, 2006 et 2008. Cesjournées sont parrainées par la SFO avec le soutien des GDR ISIS et Ondes et du Club EEA. Dans cettemême thématique, les 12, 13 et 14 septembre 2007, nous avons organisé à Lille le Congrès : "3rd EOSTopical Meeting on Advanced Imaging Techniques", Un membre de l’équipe a assuré la co-présidence ducomité dŠorganisation et participe au comité scientifique de ce meeting.

L’équipe commence à disposer d’une bonne visibilité au niveau national dans le domaine des interfacescerveau-ordinateur. Depuis 2005, nous avons œuvré à la mise en place d’un groupe national de recherchesur cette thématique, par le biais de l’organisation de réunions périodiques, principalement dans le cadredu GDR STIC-Santé et de l’IFRATH. Nous devrions bientôt assurer la coordination d’une action spéci-fique du GDR STIC-Santé visant à poursuivre cette structuration, objectif déjà validé par le comité depilotage. D’autre part, nous gérons les listes de diffusion d’informations et le site web de la communauté(http://bci.univ-lille1.fr).

1.6 Auto - évaluation

La spécialité "Imagerie Polarimétrique", qui a émergé au début du quadriennal précédent, est main-tenant assise par le fait qu’elle a acquis une bonne reconnaissance auprès de la communauté nationaletravaillant dans le domaine. Il faudra conforter cette position, à la fois par le biais de l’augmentation del’activité de publication et en développant les aspects applicatifs de cette nouvelle modalité d’imagerie,au travers notamment de projets collaboratifs financés par l’ANR. Cela renforcera l’attractivité de cethème auprès des candidats à la préparation d’une thèse de Doctorat.

La spécialité "Analyse d’images couleur" a confirmé son originalité au niveau national et internationalpar sa forte activité de publication dans des revues reconnues et par ses nombreuses participations à desconférences très cotées par la communauté image. Les deux docteurs formés dans l’équipe sur cettethématique pendant la période de référence ont ainsi été recrutés, d’abord à l’étranger pour des séjourspost-doctoraux, puis sur des postes d’enseignants-chercheurs. Toutefois, un effort d’implication dans desprojets collaboratifs nationaux mériterait d’être mené.

L’équipe a une forte activité contractuelle dans le domaine de l’amélioration de la sécurité dans lestransports terrestres. Elle a coordonné des projets d’envergure soutenus par la région Nord-Pas de Calaiset l’UE (via des fonds FEDER), qui lui ont permis de se doter de matériels très performants et definancer des doctorants sur fonds propres. Cette forte implication a cependant eu comme effet d’entraînerune baisse du taux de publication des membres directement impliqués dans la gestion de ces projets. Lesnombreux résultats scientifiques issus de ces travaux originaux devront donc être rapidement publiés afinde pallier cette lacune.

Durant le prochain contrat quadriennal, l’équipe comptera moins de membres permanents, puisque

6 1. Vision & Images

certains collègues migreront vers l’équipe "Signal" et que d’autres seront dorénavant membres associésdu fait qu’ils ont choisi de privilégier momentanément d’autres activités liées à l’enseignement ou àl’administration. De ce fait, nous comptons recentrer toutes nos activités relevant de la valorisation surles deux thématiques évoquées dans la section décrivant les prospectives de V&I.

7

2 BibliographieLa gestion de la bibliographie est réalisée en considérant qu’une publication est attachée à uneéquipe ou plusieurs si le travail est réalisé en commun ou par des personnes appartenant à plu-sieurs équipes. De ce fait une même publication peut apparaître plusieurs fois dans la productionscientifique des équipes, alors que dans le chapitre présentation générale du laboratoire elle ne seracomptée qu’une seule fois.

Synthése quantitative de la production scientifique

Equipe VIAnnée ACL ACLN ASCL INV ACT COM AFF OS OV DO AP TH Total

2005 3 1 0 0 11 1 2 4 2 0 3 2 29

2006 4 0 0 0 8 2 0 0 0 0 1 3 18

2007 1 1 0 2 11 6 4 2 0 0 2 1 30

2008 4 1 0 0 0 0 0 2 0 0 1 0 8

Total 12 3 0 2 30 9 6 8 2 0 7 6 85

8 2. Bibliographie

9

2.1 Bibliographie de l’équipe Vision et Images

ACL : Articles dans des revues internationales ou nationalesavec comité de lecture répertoriées dans les bases de donnéesinternationales (ISI Web of Knowledge, PubMed)

[1] Moussa A., Sbihi A., and Postaire J.G. A markov random field model for mode detection in clusteranalysis. Pattern Recognition Letters, 29 (9) :1197 – 1207, 2008. Accepté sous presse. Base de donnéesISI Web of Knowledge, 2006 JCR Science Edition, Impact Factor 0.952.

[2] Devlaminck V., and Terrier P. Definition of a parametric form of nonsingular Mueller matrices.Journal of the Optical Society of America A (JOSA A), 2008. Accepté sous presse. Base de donnéesISI Web of Knowledge, 2006 JCR Science Edition, Impact Factor 2.002.

[3] Terrier P., Devlaminck V., and Charbois J.M. Segmentation of rough surfaces using a polarizationimaging system. Journal of the Optical Society of America A (JOSA A), 25 (2) :423 – 430, 2008.Base de données ISI Web of Knowledge, 2006 JCR Science Edition, Impact Factor 2.002.

[4] L. Busin, N. Vandenbroucke, and L. Macaire. Color spaces and image segmentation, volume 151of Advances in Imaging and Electron Physics, pages 65–168, 2008. (ISSN : 1076 – 5670). Base dedonnées ISI Web of Knowledge, 2006 JCR Science Edition, Impact Factor 0.426.

[5] Muselet D. and Macaire L. Combining color and spatial information for object recognition acrossillumination changes. Pattern Recognition Letters, 28 (12) :1176 – 1185, 2007. Base de données ISIWeb of Knowledge, 2006 JCR Science Edition, Impact Factor 0.952.

[6] Hammouche K., Diaf M., and Postaire J.G. A clustering method based on multidimensional textureanalysis. Pattern Recognition, 39 (9-10) :1265 – 1277, 2006. Base de données ISI Web of Knowledge,2006 JCR Science Edition, Impact Factor 1.822.

[7] Macaire L., Vandenbroucke N., and Postaire J.G. Color image segmentation by analysis of subsetconnectedness and color homogeneity properties. Computer Vision and Image Understanding, 102(1) :105 – 116, 2006. Base de données ISI Web of Knowledge, 2006 JCR Science Edition, ImpactFactor 1.548.

[8] Ambellouis S., Cabestaing F., and Postaire J.G. Velocity selective filters recursively implementedin the spatiotemporal domain. IEEE Transactions on Image Processing, 15 (6) :1601 – 1609, 2006.Base de données ISI Web of Knowledge, 2006 JCR Science Edition, Impact Factor 2.715.

[9] Krusienski D.J., Sellers E.W., Cabestaing F., Bayoudh S., McFarland D.J., Vaughan T.M., andWolpaw J.R. A comparison of classification techniques for the P300 speller. Journal of NeuralEngineering, 3 :299 – 305, 2006. Base de données PubMed, mais sans impact factor.

[10] Muselet D., Macaire L., and Postaire J.G. Color histograms adapted to query-target images for objectrecognition across illumination changes. Eurasip Journal on Applied Signal Processing, 14 :2164 –2172, 2005. Base de données ISI Web of Knowledge, 2006 JCR Science Edition, Impact Factor 0.463.

[11] Busin L., Vandenbroucke N., Macaire L., and Postaire J.G. Color space selection for unsupervisedcolour image segmentation by analysis of connectedness properties. International Journal of Roboticsand Automation, 20 (2) :70 – 77, 2005. Base de données ISI Web of Knowledge, 2006 JCR ScienceEdition, Impact Factor 0.404.

[12] He B., Cabestaing F., Postaire J.G., and Zhang R.D. Narrow band frequency analysis for laser-basedglass thickness measurement. IEEE Transactions on Instrumentation and Measurement, 54 (1) :222– 227, 2005. Base de données ISI Web of Knowledge, 2006 JCR Science Edition, Impact Factor0.572.

ACLN : Articles dans des revues avec comité de lecture nonrépertoriées dans des bases de données internationales

[13] Losson O., Botte-Lecocq C., and Macaire L. Fuzzy mode enhancement and detection for color imagesegmentation. EURASIP, Journal on Image and Video Processing, pages 1 – 19, 2008.

10 Bibliographie

[14] Cabestaing F., Vaughan T.M., McFarland D.J., and Wolpaw J.R. Classification of evoked potentialsby Pearson’s correlation in a brain-computer interface. AMSE Journal, Modelling C, 67 :156 – 166,2007.

[15] Sbihi M., Moussa A., Postaire J.G., and Sbihi A. Une approche markovienne pour la classifica-tion automatique non supervisée de données multidimensionnelles. Journal européen des systèmesautomatisés (RS-JESA), 39 (9-10) :1133 – 1154, 2005.

ASCL : Articles dans des revues sans comité de lecture

INV : Conférences données à l’invitation du Comité d’organi-sation dans un congrès national ou international

[16] Cabestaing F. EEG-based brain computer interfaces for enhanced communication. In HuMaN’07 -First International Conference on Human Machine iNteraction, Timimoun, Sahara Algérien, 2007.HuMaN’07 - First International Conference on Human Machine iNteraction.

[17] Cabestaing F. and Rakotomamojy A. Introduction aux BCI. In GRETSI’07, pages 617 – 620,Troyes, 2007. 21ème Colloque sur le Traitement du Signal et des Images, GRETSI’07.

ACT : Communications avec actes dans un congrès internatio-nal ou national

[18] C. Botte-Lecocq, O. Losson, and L. Macaire. Color image segmentation by compacigram analysis.In Proceedings of the 14th International Conference on Image Analysis and Processing (ICIAP’07)Workshops (VMDL’07 and CCIW’07), pages 212–215, Modena, Italy, September 2007. Group ofItalian Researchers on Pattern Recognition (GIRPR), IEEE Computer Society Press.

[19] L. Busin, N. Vandenbroucke, L. Macaire, J-G. Postaire, and P. Tahon. Flaw detection on decoratedglasses by color image processing. In David Fofi and Fabrice Meriaudeau, editors, Proceedings of the8th International Conference on Quality Control by Artificial Vision (QCAV’07), volume 6356, page63560F, Le Creusot, May 2007. SPIE.

[20] Sébastien Lefebvre, Sébastien Ambellouis, and François Cabestaing. A colour correlation-based stereomatching using 1D windows. In Proceedings of the 3rd International Conference on Signal-ImageTechnology & Internet-based Systems (SITIS’07), Shanghai Jiaotong University, China, December2007.

[21] D. Muselet, B. Funt, and L. Macaire. Eigen local color histograms for object recognition and orien-tation estimation. In Proceedings of the SPIE Conf. on Human Vision and Electronic Imaging XII(HVEI’07), volume 6492, pages 64921–62925, San Jose, USA, January 2007.

[22] Y. Yang, O. Losson, and L. Duvieubourg. Quality evaluation of color demosaicing according toimage resolution. In Proceedings of the 3rd International Conference on Signal-Image Technology &Internet-based Systems (SITIS’07), pages 640–646, Shanghai Jiaotong University, China, December2007.

[23] Luc Duvieubourg, Sébastien Ambellouis, Sébastien Lefebvre, and François Cabestaing. Obstacledetection using a single camera stereo sensor. In Proceedings of the 3rd International Conferenceon Signal-Image Technology & Internet-based Systems (SITIS’07), Shanghai Jiaotong University,China, December 2007.

[24] Assemat L., Terrier P., Charbois J.M., Darmency H., and Devlaminck V. Effect of radiative climateon polarized reflectance by weed seedlings. In 14th Symposium of the European Week ResearchSociety, Hamar, Norvège, 2007. 14th Symposium of the European Week Research Society.

[25] Duvieubourg L., Cabestaing F., Ambellouis S., and Bonnet P. Long distance vision sensor for driverassistance. In IAV’07, Toulouse, 2007. IAV’07 6th IFAC Symposium on Intelligent AutonomousVehicles.

[26] Devlaminck V. and Terrier P. Orthogonal group, a framework for non singular Mueller matrices.In EOS Topical Meeting on Advanced Imaging techniques, Lille, 2007. EOS Topical Meeting onAdvanced Imaging techniques.

2.1. Bibliographie de l’équipe Vision et Images 11

[27] Lefebvre S., Ambellouis S., and Cabestaing F. Approche monodimensionnelle de la mise en corres-pondance stéréoscopique par corrélation. In Actes du 21eme Colloque sur le Traitement du Signalet des Images (GRETSI’07), Université de Technologie de Troyes (UTT), Troyes, (France).

[28] Van Langhenhove A., Bekaert M.H., and Cabestaing F. Vers une BCI utilisable en dehors du milieuclinique. In proceedings de la Conférence ASSISTH sur le handicap et les nouvelles technologies(CEPADUES-EDITIONS, ed.), (Toulouse), pages 369 – 375, Novembre 2007.

[29] Clairet J., Bigand A., and Colot O. Color image segmentation using type-2 fuzzy sets. In InProceedings of the IEEE International Conference ICELIE’06, pages 52 – 57, Hammamet, Tunisie,2006. In Proceedings of the IEEE International Conference ICELIE’06.

[30] Muselet D. and Macaire L. Fuzzy spatial ranks for object recognition across illumination changes.In IEEE International Conference on Multimedia and Expo. ICME’06, pages 985 – 988, Toronto,Canada, 2006. IEEE International Conference on Multimedia and Expo. ICME’06.

[31] Muselet D. and Macaire L. Histogram of fuzzy ranks for object recognition across illuminationchanges. In Histogram of Fuzzy Ranks for Object Recognition Across Illumination Changes, pages220 – 225, Leeds, UK, 2006. CGIV’06 3rd European Conference on Colour in Graphics, Imaging andVision.

[32] Lefebvre S., Ambellouis S., and Cabestaing F. Obstacles detection on a road by dense stereovisonwith 1d correlation windows and fuzzy filtering. In ITSC’06 Intelligent Transportation SystemsConference, pages 739 – 744, Toronto, Canada, 2006. ITSC’06 Intelligent Transportation SystemsConference.

[33] Busin L., Vandenbroucke N., Macaire L., and Postaire J.G. Scale space filter based on homogeneitydegree for color image segmentation. In Scale Space Filter Based on Homogeneity Degree for ColorImage Segmentation, pages 12 – 17, United Kingdom, 2006. CGIV’06 3rd European Conference onColour in Graphics, Image and Vision.

[34] Capelle A.S., Colot O., and Fernandez-Maloigne C. TBM for color image processing : a quantizationalgorithm. In Proc. of the 9th International Conference on Information Fusion - FUSION 2006,Florence, Italie, 2006. In Proceedings of the 9th International Conference on Information Fusion -FUSION 2006.

[35] Cabestaing F., Vaughan T.M., McFarland D.J., and Wolpaw J.R. Classification des potentiels évo-qués par corrélation de Pearson dans une interface cerveau-ordinateur. In HANDICAP 2006 - 4èmeConférence Nouvelles Technologies au service de l’homme - IFRATH, pages 184 – 189, Paris, 2006.HANDICAP 2006 - 4ème Conférence Nouvelles Technologies au service de l’homme - IFRATH.

[36] Lefebvre S., Ambellouis S., and Cabestaing F. Mise en correspondance stéréoscopique de fenêtresmonodimensionnelles par logique floue - appllication à la détection d’obstacles routiers. In Rencontreavec les doctorants, Villeneuve d’Ascq, 2006. Rencontre avec les doctorants.

[37] Boudjemaï F., Biela Enberg P., and Postaire J.G. 3d self organizing convex neural network archi-tectures. in springer. In Proceedings of the 7th International Conference on Adaptive and NaturalComputing Algorithms (ICANNGA’2005), pages 164 – 167, Coimbra, Portugal, 2005. Proceedings ofthe 7th International Conference on Adaptive and Natural Computing Algorithms (ICANNGA’2005).

[38] Hammouche K., Diaf M., and Postaire J.G. A multilevel thresholding method based on a genetic algo-rithm. In 1st International Computer Systems and Information Technology Conference (ICSIT’05),pages 574 – 578, Algiers, Algérie, 2005. 1st International Computer Systems and Information Tech-nology Conference (ICSIT’05).

[39] Lakroum S., Devlaminck V., Terrier P., Biela Enberg P., and Postaire J.G. Clustering of the Poincarévectors. In Proc. IEEE-ICIP 2005 International Conference on Image Processing, pages 1190 – 1193,Gênes, Italie, 2005. Proc. IEEE-ICIP 2005 International Conference on Image Processing.

[40] Megherbi N., Ambellouis S., Colot O., and Cabestaing F. Data association in multi-target trackingusing belief theory : Handling target emergence and disappearance issue. In In Proceedings of theIEEE International Conference on Advanced Video and Signal-Based Surveillance, AVSS’2005, pages517 – 521, Como, Italie, 2005. In Proceedings of the IEEE International Conference on AdvancedVideo and Signal-Based Surveillance, AVSS’2005.

12 Bibliographie

[41] Boudjemaï F., Biela Enberg P., and Postaire J.G. Dynamic adaptation and subdivision in 3D-SOM : application to surface reconstruction. In 17th IEEE International Conference on Tools withArtificial Intelligence (ICTAI’05), pages 425 – 430, Hong-Kong, Chine, 2005. 17th IEEE InternationalConference on Tools with Artificial Intelligence (ICTAI’05).

[42] Fernandez-Maloigne C., Capelle A.S., and Colot O. Evidential clustering algorithm for color quan-tization. In International Conference on Imaging, Beijing, Chine, 2005. International Conference onImaging.

[43] Megherbi N., Ambellouis S., Colot O., and Cabestaing F. Joint audio-video people tracking usingbelief theory. In In Proceedings of the IEEE International Conference on Advanced Video and Signal-Based Surveillance, AVSS’2005, pages 135 – 140, Como, Italie, 2005. In Proceedings of the IEEEInternational Conference on Advanced Video and Signal-Based Surveillance, AVSS’2005.

[44] Megherbi N., Ambellouis S., Colot O., and Cabestaing F. Multimodal data association based onthe use of belief functions for multiple target tracking. In In Proceedings of the 8th InternationalConference on Information Fusion, FUSION’2005, Philadelphia, USA, 2005. In Proceedings of the8th International Conference on Information Fusion, FUSION’2005.

[45] Capelle A.S., Colot O., and Fernandez-Maloigne C. Quantification des images couleur par un al-gorithme de classification crédibiliste. In Actes du XXème Colloque GRETSI, pages 703 – 706,Louvain-la-Neuve, Belgique, 2005. Actes du XXème Colloque GRETSI.

[46] Lefebvre S., Ambellouis S., and Cabestaing F. Légitimité de l’utilisation d’un voisinage 2D pourla corrélation en stéréovision dense. In Rencontre avec les doctorants des laboratoires ESTAS,LEOST, LIVIC, LTN, Villeneuve d’Ascq, 2005. Rencontre avec les doctorants des laboratoires ES-TAS, LEOST, LIVIC, LTN.

[47] Terrier P., Wauquier F., and Devlaminck V. Mesures d’orientations par capteur polarimétrique.In Colloque CMOI’2005, SFO (Société Française d’Optique), Marseille, 2005. Colloque CMOI’2005,SFO (Société Française d’Optique).

COM : Communications orales sans actes dans un congrès in-ternational ou national

[48] H. Remmach, L. Macaire, A. Sbihi, O. Losson, T. Boujiha, R. Touahni, T. Givernaud, J.-C. Burie,J.-G. Postaire, and A. Mouradi. Monitoring of gelidium sesquipedale natural resources : use ofautomatic picture analysis for the discrimination of different species of seaweeds on underwaterphotos. In XIXth International Seaweed Symposium (ISS’07), pages 154–155, Kobe, Japan, March2007.

[49] François Cabestaing and Philippe Derambure. Controverse : croyez vous en l’avenir des interfacescerveau-machine ? Les 20 ans de la journée Traitement du Signal EEG, March 2007.

[50] François Cabestaing. Le point sur la recherche BCI (interfaces cerveau-ordinateur). Congrès ALIS(Association du Locked-In Syndrome), March 2007.

[51] Porebski A., Vandenbroucke N., and Macaire L. Sélection automatique d’attributs pour la classifi-cation de textures couleur. In Proceedings du onzième congrès francophone des jeunes chercheurs envision par ordinateur (ORASIS’07), Obernai (France), LSIIT (Laboratoire des Sciences de l’Image,de l’Informatique et de la Télédétection), Juin 2007.

[52] Boujiha T., Sbihi A., Postaire J.G., and Mouradi A. Analyse dynamique des textures caractérisantdes objets déformables en mouvement. Application à l’identification d’algues par analyse d’imagessous-marines. In Actes du Workshop sur les Technologies de l’Information et de la Communication(WOTIC’07), pages 194 – 196, Rabat, (Maroc), ENSIAS, Laboratoire SI2M, Juin 2007.

[53] Remmach H., Sbihi a., Mouradi A., Macaire L., Losson O., Boujiha T., Touahni R., Burie J.C.,and Postaire J.G. Nouvelle technique d’implémentation de la ligne de partage des eaux sur l’histo-gramme d’une image couleur. In Actes du Workshop sur les Technologies de l’Information et de laCommunication (WOTIC’07), pages 148 – 150, Rabat, (Maroc), ENSIAS, Laboratoire SI2M, Juin2007.

2.1. Bibliographie de l’équipe Vision et Images 13

[54] Cabestaing F. Introduction aux BCI (brain computer interfaces). Lille, 2006. Journée Scientifiquede la Société Française de Neuromodulation.

[55] François Cabestaing. Communication homme-machine, interaction, cerveau et sciences cognitives.Les 50 ans de l’Intelligence Artificielle, journée AFIA, Paris, November 2006.

[56] Cabestaing F. Classifier training : always an optimization scheme ? In BCI’05, Rensselaerville, USA,2005. Brain Computer Interface Technology : Third International Meeting, BCI’05 Workshop onSignal Processing and Classification.

AFF : Communications par affiche dans un congrès internatio-nal ou national

[57] D. Muselet, B. Funt, and L. Macaire. Object recognition and pose estimation across illuminationchange. In Proceeding of the 2nd International Conference on Computer Vision Theory and Appli-cations (VISAPP’2007), volume 2, pages 264–267, Barcelona (Spain), March 2007.

[58] A. Porebski, N. Vandenbroucke, and L. Macaire. Iterative feature selection for color texture classi-fication. In Procs. 14th IEEE International Conference on Image Processing (ICIP’07), volume 3,pages 509–512, San Antonio, Texas, USA, September 2007.

[59] Terrier P., Devlaminck V., and Charbois J.M. Design of rough surfaces imaging system based onpolarization measurement. In 5th Workshop on Physics in Signal and Image Processing, Mulhouse,2007. 5th Workshop on Physics in Signal and Image Processing.

[60] A. Van Langhenhove, M.H. Bekaert, and F. Cabestaing. Leaving the lab : a portable and quicklytunable BCI. In BCI Meets Robotics : Challenging Issues in Brain-Computer Interaction and SharedControl, Leuven, Belgium, November 2007.

[61] Lakroum S., Devlaminck V., and Terrier P. Clustering of the Poincaré vectors based on modifiedspherical k-means approach. In Topical Meeting on Advanced Imaging Techniques, Londres, 2005.Topical Meeting on Advanced Imaging Techniques.

[62] Bayoudh S., Vannoorenberghe P., and Cabestaing F. Classification of P300 with SVMs. In BCI’05,Rensselaerville, USA, 2005. Brain Computer Interface Technology : Third International Meeting,BCI’05 Workshop on Signal Processing and Classification.

OS : Ouvrages scientifiques (ou chapitres de ces ouvrages)[63] P. Vannoorenberghe, L. Macaire, and O. Colot. Evidence-based pixel labeling for color image segmen-

tation, chapter 11, pages 279–296. Computer Vision Research Progress. Nova Science Publishers,2008.

[64] P. Vannoorenberghe, L. Macaire, and O. Colot. Computer Vision Research Focus, chapter Evidence-based pixel labeling for color image segmentation, page (sous presse). Nova Science, 2008.

[65] Tehami S., Bigand A., and Colot O. Color Image Segmentation Based on Type-2 Fuzzy Sets andRegion Merging. Lecture Notes in Computer Science. Springer Berlin / Heidelberg, 2007.

[66] Botte-Lecocq C., Hammouche K., Moussa A., Postaire J.-G., Sbihi A., and Touzani A. Scene Recons-truction, Pose Estimation and Tracking, chapter 25 : Image Processing Techniques for UnsupervisedPattern Classification, pages 467–488. I-Tech Education and Publishing, Vienna, Austria, June 2007.

[67] Perez patricio M., Colot O., and Cabestaing F. A SBAN Stereovision algorithm using hue as pixelsimilarity criterion. Springer, 2005.

[68] Leclercq T., Khoudour L., Macaire L., and Postaire J.G. Compact color video signature by principalcomponent analysis., volume 32 of Computational Imaging and Vision. 2005.

[69] Muselet D., Macaire L., and Postaire J.G. Co-occurrences of adapted features for object recognitionacross illumination changes.

[70] Duvieubourg L., Ambellouis S., and Cabestaing C. Single-camera stereovision setup with orientableoptical axes, volume 32 of Computational Imaging and Vision. 2005.

14 Bibliographie

OV : Ouvrages de vulgarisation (ou chapitres de ces ouvrages)[71] Taleb-Ahmed A. and Duvieubourg L. Cours de vision industrielle - contrôle qualité par camera

linéaire. Journal sur l’enseignement des sciences et technologies de l’information et des systèmes(J3eA), 4, 2005.

[72] Vandenbroucke N. and Macaire L. Représentation de la couleur en analyse d’images. Techniques del’Ingénieur, Vol. S2 - Dossier S7602 :1 – 22, 2005.

DO : Directions d’ouvrages

AP : Autres publications[73] Luc Duvieubourg. Rapport FEDER RAVIOLI. Rapport de fin de feder, Université des Sciences et

Technologie de Lille, Laboratoire LAGIS, January 2008.

[74] Luc Duvieubourg. Rapport région RAVIOLI. Technical report, Université des Sciences et Technologiede Lille, Laboratoire LAGIS, 2007.

[75] François Cabestaing. Les interfaces cerveau-ordinateur invasives. Réunion IFRATH, journée orga-nisée par le LAGIS, May 2007.

[76] Luc Duvieubourg. Rapport GRRT RAVIOLI. Technical report, Université des Sciences et Techno-logie de Lille, Laboratoire LAGIS, 2006.

[77] Vandenbroucke N. and Macaire L. Invariants couleur - méthodes et applications. pages 1 – 22, 2005.

[78] Vandenbroucke N. and Macaire L. Les espaces couleur. In EHINC’05 - Ecole d’Hiver sur l’ImagerieNumérique Couleur, Villeneuve d’Ascq, 2005. EHINC’05 - Ecole d’Hiver sur l’Imagerie NumériqueCouleur.

[79] Philipp-Foliguet S. and Macaire L. Segmentation d’images couleur. In EHINC’05 - Ecole d’Hiver surl’Imagerie Numérique, Villeneuve d’Ascq, 2005. EHINC’05 - Ecole d’Hiver sur l’Image Numérique.

TH : Thèses soutenues[80] Yahiaoui T. Une approche de stéréovision dense intégrant des contraintes de similarité. Application

au comptage de passagers entrant et sortant d’un autobus. Thèse de Doctorat, 20-06-2007. Rap-porteurs : M. Milgram, A. Benshrair, Examinateur : M. Berbineau , Encadrants : F. Cabestaing, L.Khoudour.

[81] Leclercq T. Contribution à la comparaison de séquences d’images couleur par outils statistiques etpar outils issus de la théorie algorithmique de l’information. Application à la vidéo surveillance etl’aide à l’exploitation des sites de transports public. Thèse de Doctorat, 15-12-2006. Président :J-G. Postaire, Rapporteurs : S. Grigorieff, G. Rabatel , Examinateur : D. Muselet, Encadrants : L.Macaire, J-P. Delahaye.

[82] Boudjemaï F. Reconstruction de surfaces d’objets 3D à partir de nuages de points par réseaux deneurones 3D-SOM. Thèse de Doctorat, 08-02-2006. Président : O. Colot, Rapporteurs : D. Hamad,F. Merienne, Examinateur : L. Luchowski, Encadrants : J-G. Postaire, P. Biela.

[83] Busin L. Sélection automatique d’espaces couleur pour la segmentation d’images - Applications aucontrôle qualité de motifs de verres sérigraphiés. Thèse de Doctorat, 08-12-2006. Président : J-G. Postaire, Rapporteurs : L. Brun, F. Meriaudeau, Examinateur : A. Trémeau, Encadrants : L.Macaire, N. Vandenbourcke, Invité : P. Tahon.

[84] Muselet D. Reconnaissance automatique d’objets sous éclairage non contrôlé par analyse d’imagescouleur. Thèse de Doctorat, 04-07-2005. Président : O. Colot, Rapporteurs : F. Heitz, P. Lambert,Examinateurs : P. Bonnet, C. Motamed, Encadrents : J-G. Postaire, L. Macaire.

[85] Perez patricio M. Stéréovision dense par traitement adaptatif temps réel : Algorithmes et implan-tation. Thèse de Doctorat, 25-02-2005. Président : J-G. Postaire, Rapporteurs : P. Gorria, E.Pissaloux, Examinateurs : S. Ambellouis, M. Arias-Estrada, A. Bensrhair, Encadrants : O. Colot, F.Cabestaing.