6ème Édition de l'École d'Été en Traitement du Signal et des Images
Le thème 2011
Crédit : arthead - stock.adobe.com
L'édition 2011 qui a eu lieu du 24 au 30 juillet 2011 avait pour thématique principale :
Séparation de sources
Résumé
Motivations scientifiques
La séparation de sources est devenue indéniablement un des thèmes majeurs et difficiles du traitement du signal et des images. De plus, le développement de systèmes d'acquisition munis de capteurs multi-canaux ces dernières années, a renforcé l'intérêt dans les méthodes qui en découlent. Au sens large, le problème de la séparation de sources peut être interprété comme celui consistant à trouver un bon espace de représentation pour des données multivariées, qui est de longue date un thème récurrent en statistiques. Par bonne représentation, il est entendu que les données sont transformées de manière à les scruter sous un autre angle afin de rendre leur structure essentielle plus facilement lisible, ou tout du moins accessible. Ce problème est typiquement rencontré en théorie de l'apprentissage, en analyse exploratoire des données et en traitement du signal.
De manière générale, en séparation de sources, on considère une famille de signaux émis par des objets physiques, appelés sources, et une collection de capteurs (canaux) distincts chacun mesurant un mélange des sources originales. Ce mélange peut être linéaire instantané, convolutif, voire non-linéaire. Le nombre de capteurs peut être supérieur ou inférieur au nombre de canaux auquel cas on parle de mélange respectivement sur- et sous-déterminé. Par ailleurs, les mesures sont en général contaminées par du bruit. Le problème de la séparation de sources est celui qui consiste à recouvrer les sources originales à partir des mélanges observés bruités, qui est un problème inverse mal posé. Lorsque les poids du mélange sont inconnus et doivent être estimés conjointement aux sources, la séparation de sources est dite aveugle. Dans l'exemple classique du "cocktail party", les sources sont les voix des différents invités, que l'on veut séparer à partir des mélanges enregistrés par des microphones disposés à différents endroits. Au-delà du traitement des signaux acoustiques, la séparation de sources a des retombées importantes dans de très nombreux champs d'application où des données multi-canaux sont à traiter, comme l'ingénierie biomédicale, l'imagerie médicale, l'imagerie astronomique, l'imagerie radar, les systèmes de communication, la sismologie, la géophysique, l'économétrie, pour ne citer que ceux-ci.
La séparation de sources a connu un essor considérable depuis les années 1990 et continue à être un thème de recherche extrêmement actif, en témoigne la littérature très abondante sur le sujet. Comme tout problème inverse, l'une des clés de la séparation est de pouvoir disposer d'un a priori sur les sources (et éventuellement sur le processus de mélange) à estimer pour pouvoir les distinguer, et ainsi espérer assurer leur identifiabilité à partir des mélanges. En effet, il est fondamental que les sources originales présentent une mesure quantitative de diversité/contraste. Parmi les mesures de contraste proposées dans la littérature, on retrouve la décorrélation, l'indépendance ou encore la diversité parcimonieuse, etc.. Le problème de la séparation de sources a aussi été traité dans un cadre bayésien avec différents types d'a priori aussi bien dans l'espace original que dans des espaces transformés.
Objectif
L'objectif de cette école est triple. Il consiste à donner une couverture de l'état de l'art dans le domaine de la séparation de sources, partant des fondements théoriques jusqu'aux applications en passant par les grandes familles de méthodes de résolution et des algorithmes qui en découlent. Plus précisément, ces cours veilleront à:
- Donner les fondements formels du problème de séparation de sources pour différents modèles de mélanges, avec et sans bruit, dans le cas sur- et sous-déterminé. Présenter les grandes familles de mesures de contraste, les algorithmes associés et les garanties théoriques.
- Décliner les différentes facettes d'application en particulier en imagerie médicale, astronomique et en audio.
Ces cours seront donnés par d'éminents experts du domaine, et l'école a aussi pour ambition d'attirer un large public pluri-disciplinaire pour le faire profiter de l'expertises de ces orateurs, et lui permettre de se former à ses avancées méthodologiques à la pointe en traitement du signal et des images.
Informations
L'essentiel
L'affiche
Le comité d'organisation
Présidence
- Laure Blanc-Féraud, Directrice de Recherche CNRS, I3S, Université Nice Sophia Antipolis
- Patrick Flandrin, Directeur de recherche CNRS, Laboratoire de Physique, ENS de Lyon
Direction scientifique
- Jalal Fadili, Professeur, GREYC, ENSICAEN
Le programme détaillé
- Séparation aveugle de sources et Analyse en Composantes Indépendantes (10 h)
Pierre Comon, Directeur de recherche CNRS, Gipsa-lab
Christian Jutten, Professeur des Universités, Gipsa-lab - Approche bayésienne avec a priori renforçant la parcimonie pour les problèmes inverses et la séparation de sources (5 h)
Ali Mohammad-Djafari, Directeur de Recherche, CNRS - Séparation de sources en audio (2 h)
Laurent Daudet, Professeur des Universités, Paris Cité University - Séparation de sources en ingénierie biomédicale (2 h)
Laurent Albera, Professeur des Universités, Univ. Rennes - Séparation de sources en astrophysique (2 h)
Jerôme Bobin, Directeur de Recherche, CEA