Les méthodes statistiques sont devenues de plus en plus populaires au cours des dernières années en traitement du signal et de l’image. Ces méthodes ont permis de traiter de nombreuses applications telles que la reconnaissance de parole, le suivi de cibles ou la segmentation d’images.
L’objectif de ce projet de recherche, lancé en février 2014 et financé par l’Agence Nationale de la Recherche, est d’étudier l’utilisation de méthodes bayésiennes non paramétriques en traitement statistique du signal et de l’image. Comme pour les méthodes paramétriques bayésiennes, cet ensemble de méthodes concerne le choix de lois a priori et le calcul de distributions a posteriori, mais sur des espaces de dimension infinie. Bien que ces méthodes soient devenues très populaires en statistiques et apprentissage au cours des 15 dernières années, leur potentiel est largement sous-exploité en traitement statistique du signal et de l’image. L’objectif de ce projet, qui rassemble des chercheurs en probabilités appliquées, statistiques, apprentissage et traitement du signal et de l’image, est de développer un nouveau cadre pour le traitement statistique du signal et de l’image. En se basant sur des résultats issus des statistiques et de l’apprentissage, nous allons développer de nouveaux modèles, méthodes et algorithmes. Des applications à l’imagerie hyperspectrale, imagerie médicale, segmentation d’images, localisation GPS, restauration d’images ou reconstruction tomographique spatio-temporelle permettront d’obtenir diverses illustrations concrètes des avancées théoriques et la validation sur des données réelles dans des contextes réalistes.
Projet financé par l’Agence Nationale de la Recherche
