Christophe COLLET, Professeur des Universités (Classe Except.)

Laboratoire des Sciences de l'Ingénieur, de l'Informatique et de l'Imagerie (iCube)

Equipe Recherche Modèles Images Vision (MIV)

Intranet Equipe MIV

Mes Publications récentes :

Liste complète de mes publications

 

Espace Etudiants - Dual Degree ATLANTIS

Dernière mise à jour : 26-Aoû-2017 9:55

Laboratoire des Sciences de l'Ingénieur, de l'Informatique et de l'Imagerie (iCube) 

iCube - UMR CNRS 7357

Instituts du CNRS : INS2I - INSIS

Adresse postale : UDS - Télécom Physique Strasbourg - iCube
300 Bd Sébastien Brant  - Pôle d'Innovation API, CS 10413
F-67412 ILLKIRCH

Tél     : (+33) (0)3 68 85 44 90
Fax    : (+33) (0)3 68 85 43 42 
Email :  c.collet@unistra.fr

Imagerie Médicale - Imagerie Astronomique

 

TELECOM PHYSIQUE STRASBOURG

Mobilité Internationale

Tramway - Plan d'accès - Hébergement - Intranet

Recherche

 

ICube, Laboratoire des Sciences de l'Ingénieur, de l'Informatique et de l'Imagerieest le résultat de la fusion des unités mixtes de recherche STIC-SPI de Strasbourg (LSIIT, InESS, IMFS, IPB-LINC).

Avec plus de 500 membres permanents et non permanents, il est une force de recherche majeure du site de Strasbourg. ICube est fédéré par l'imagerie et a comme champs d'application privilégiés l'ingénierie pour la santé et l'environnement. Son interface avec le monde médical est exceptionnel grâce à l'implantation de plusieurs de ses équipes sur le site des Hôpitaux Universitaires de Strasbourg au sein de l'IHU Mix-Surg et de l'IRCAD dont il est le principal partenaire scientifique, au sein également de l'Institut de Physique Biologique de l'IFR des neurosciences, grâce aussi à la présence au sein d'ICube d'une quinzaine d'enseignants-chercheurs praticiens hospitaliers principalement en radiologie et médecine nucléaire, ainsi que des plateformes expérimentales de premier plan (Imageurs IRM corps entiers 1,5T et 3T, plateformes robotiques, biomécaniques et de prototypage mécatronique).

ICube est organisé en 14 équipes au sein de 4 départements suivant les disciplines fondamentales du laboratoire (informatique, SIAR, électronique et photonique, mécanique) avec 5 axes ou programmes de recherche transversaux à la frontière du monde numérique et du monde physique (imagerie et robotique médicale et chirurgicale, calcul scientifique, imagerie physique et systèmes, ingénierie des matériaux, environnement et développement durable) pour développer au mieux l'interdisciplinarité qui sera un des points clés de sa réussite.

Par sa composition, ses domaines de recherche fondamentaux et ses domaines d'applications privilégiés, ICube est un laboratoire à l'interface des Instituts INSIS et INS2I auxquels il est bi-rattaché, mais également avec l'INSB et l'INSU.

ICube est le laboratoire de recherche principal de 3 écoles d'ingénieurs du site (Télécom Physique Strasbourg, INSA de Strasbourg, ENGEES), ainsi que trois fédérations de recherche (fédération de recherche translationnelle de la Faculté de Médecine, IFR des neurosciences et Pôle matériaux Alsace). ICube héberge une Equipe Projet INRIA (CAMUS), est associé à l'Institut Télécom et fait partie du Carnot "Télécom, Société Numérique". Il est le principal acteur de la recherche partenariale du site de Strasbourg gérée par la SATT Connectus Alsace et est fortement impliqué dans les pôles de compétitivité Alsace Biovalley, Energivie et Hydreos.

ICube a eu une réussite importante aux appels investissements d'avenir. Il héberge 2 équipex du site de Strasbourg (Robotex et FIT) sur la robotique et les réseaux mobiles, participe à l'équipex EquipMeso sur le calcul scientifique, à 3 labex (IRMIA, CAMI et Geothermie) en informatique théorique, robotique médicale et géothermie profonde, et est le partenaire scientifique principal de l'IHU Mix-Surg sur la chirurgie guidée par l'image.

Mes activités de recherche au sein de l'Equipe Modèles, Images, Vision (MIV) :

Thématique : Analyse statistique des images, segmentation markovienne hiérarchique, estimation, techniques d'optimisation (multigrille, multiéchelle, multirésolution, algorithmes génétiques…), inférence bayésienne sur les graphes, processus de points marqués, mise en place de solutions avancées pour la visualisation, le débruitage, le rééchantillonnage et la fusion de données multivariées, ainsi que pour les tâches de segmentation, de caractérisation et de classification en imagerie multi- (radio) et hyper/ultra- spectrale (optique).

Champs d'applications : images SONAR, images tri-bandes SPOT, séquence d'images infrarouges, images superspectrales et hyperspectrales astronomiques, imagerie multimodale médicale et biologique, imagerie polarimétrique…

Partenariats Recherche - Thèses soutenues - Thèses en cours - Quelques projets de recherche

Habilitation à diriger des recherches (HdR), « Contribution à l'analyse statistique des images en imagerie sonar et en océanographie  », Université de Bretagne Occidentale, Brest, 11 mai 2000

 

Responsabilités et engagements

  • Responsable du thème PASEO depuis 2005

    Le groupe PASEO de l'équipe Modèles, Images, Vision d'iCube collabore de longue date avec des astronomes.( projet IDHA de l'ACI GRID 2001-2004, projet MDA de l'ACI MD 2003-2006, ANR SpaceFusion (2006-2009), ANR Dahlia (2009-2013)) avec comme objectif le développement de méthodes originales en analyse d'images pouvant répondre aux besoins particuliers du secteur Sciences De l'Univers ( télédétection, imagerie planétaire, astrophysique ). Le domaine d'excellence du groupe est la modélisation de données complexes ( hyperspectrales, multimodales ) par des approches probabilistes ( inférence bayesienne, modèles a priori régularisant) et la résolution du problème inverse lié à leur analyse. Le champ d'activité couvre des aspects méthodologiques ( modèles graphiques, densités de probabilité multidimensionnelles, modèles markoviens, ondelettes, processus de points marqués) et la mise en place de solutions avancées pour : la visualisation, le débruitage, le rééchantillonnage et la fusion de données multivariées, ainsi que pour les tâches de segmentation, de caractérisation et de classification en imagerie multi- (radio) et hyperspectrale (optique).

    Le CDS de l'Observatoire de Strasbourg joue quant à lui un rôle clef au plus haut niveau international dans le développement de l'Observatoire Virtuel Astronomique (OVA). Par leurs expertises et savoir-faire historiques sur la mise en ligne de l'information astronomique, ses divers personnels font plus que participer à la définition des protocoles d'accès aux données, à la construction de modèles les décrivant, à la standardisation de la sémantique, à la mise en place d'outils génériques efficaces. Leur réputation sur ces axes n'est plus à faire. iCube et le CDS travaillent en collaboration depuis plus de dix ans.

Séminaires internes - Conférences Nationales et Internationales - Revues en Vision et Images


Stages encadrés (DEA, MSc, Ing.)

Thèses en préparation 

Ecole doctorale MSII

Clément BESNIER (2016-2019) : Segmentation robuste d'itinéraires à partir de séquences d'images en fonction de la vitesse maximale autorisée, co-encadrant Philippe Foucher (Chargé de Recherche au Groupe Méthodes Physiques, CEREMA, Strasbourg)

Hugo GANGLOFF (2017-2020) : Traitement d'images pour l'analyse des dégradations d'explants en chirurgie vasculaire, co-direction avec le Pr Nabil Chakfe (NHC Strasbourg, Pôle chirurgie vasculaire)

Hassan MORTADA (2015-2018) : Décomposition conjointe par approximation parcimonieuse en imagerie multispectrale astronomique, co-encadrement scientifique avec V.Mazet (ICube MIV/PASEO) et co-direction avec Charles Soussen (CRAN, Univ. de Lorraine)

Jean-Baptiste COURBOT (2014-2017) : Détection de signaux diffus à très faible SNR : application aux données hyperspectrales astronomiques (co-direction R. Bacon (CRAL Lyon, PI ERC Sénior Musicos), co-encadrement scientifique avec V.Mazet (ICube MIV/PASEO) et E. Monfrini (Télécom Sud Paris))

Thèses soutenues 

Thèse co-encadrée avec A. Al Falou (ISEN Brest)

Thèses co-encadrées avec Patrick Bouthemy ( IRISA , Rennes)

Thèse co-encadrée avec Gilles Burel ( UBO, Brest) et K. Yao (Ecole navale):


Partenariats Recherche

IMAGERIE MEDICALE
ASTROPHYSIQUE


Dernière mise à jour : 10 janvier 2017 | webmaster : Ch Collet | Contact | ©2017 Université de Strasbourg, FRANCE |
  1. .iCube video (anglais)
  2. .Chinese student testimony

.

.

Imagerie astronomique

2015- ...

VIDEO : MUSE data and observation

2014 : Premières lumières du spectro-imageur MUSE

Détection de changement en imagerie de télédétection

2014-2019 : ANR DSIM : Décomposition spectroscopique en imagerie multispectrale

2014-2018 : Participation à l'ERC Sénior Musicos portée à Lyon par Roland Bacon

 

 

2008-2014
2005-2008
2003-2006
2001-2004

 

Observatoire Virtuel et European VO

Projet IDHA  : Images Distribuées Hétérogènes pour l'Astronomie, ACI GRID


Imagerie et Robotique Médicale et Chirurgicale

2010-2016

- 4th Annual International Conference in Computational Surgery and Dual Training, Joseph B. Martin Conference Center at Harvard Medical School, Boston, MA, USA, December 9th - 11t hHouston, TX, 2012

2010-2013
2008-2012
Institut de Recherche contre les cancers de l'appareil digestif, IRCAD
2005-2009
2005-...
Institut de Physique Biologique, IPB , UMR CNRS 7004
2001-2004
Programme mobilisateur multi-laboratoires soutenu par le CNRS
     


Recherche
 

PAGES PERSONNELLES

INFORMATIQUE


Quelques projets ...

Projet MUSE : ANR DAHLIA (Projets Blancs 2008)

MUSE (Multi Unit Spectroscopic Explorer) est un spectro-imageur 3D opérant dans le visible, destiné à équiper un des foyers du Very Large Telescope (VLT). L'instrument est construit par un consortium de sept laboratoires européens dont le Laboratoire d'Astrophysique de Toulouse-Tarbes (LATT) et le Centre de Recherche Astronomique de Lyon
(CRAL, institut pilote). Le projet est actuellement dans sa phase de conception finale et sa livraison à Paranal (Chili) est prévue en 2011. Le thème PASEO de l'équipe MIV du laboratoire iCube est impliquée dans ce projet dans lequel elle apporte son expertise en traitement des données hyperspectrale sous ses aspects fusion bayésienne, segmentation basée sur des modèles probabilistes, visualisation de données massives..

ANR Jeune Chercheur SPACE FUSION

L'affluence des données en observation de la Terre et de l'Univers et le nombre de bandes spectrales sont en constante augmentation, provoquant une redondance des données et une dimensionnalité très élevées, qui sont habituellement peu ou mal prises en compte en traitement d'images. La multiplicité des données, leur complexité et leur hétérogénéité rendent leur interprétation particulièrement difficile. L'un des premiers objectifs de ce projet est donc d'extraire l'information utile à partir de ces masses de données, afin de faciliter leur présentation pour permettre une analyse plus aisée, mais aussi plus précise.

A cet effet, pour pallier la redondance d'information, nous proposons de développer et d'appliquer de nouvelles méthodes de fusion et reconstruction de données. L'originalité du projet consiste à traiter la fusion de données comme l'estimation d'un seul modèle, de résolutions spatiale et spectrale arbitraires, à partir d'un certain nombre d'observations hétérogènes issues éventuellement de plusieurs capteurs. Il s'agit donc de construire un objet géométrique et radiométrique qui coïncide au mieux avec les observations effectuées, tout en intégrant l'information utile présente dans les données initiales.

En imagerie astronomique, on cherchera à obtenir une image à la fois nette, bien échantillonnée, exempte de bruit et éventuellement super-résolue. Dans le cadre de l'Observatoire virtuel, on souhaitera par exemple fusionner des informations multispectrales hétérogènes. En imagerie planétaire ou terrestre, pour combiner plusieurs images satellitaires il faudra prendre en compte la topographie du terrain et les paramètres d'observation.

Nous commencerons par définir un modèle génératif multidimensionnel permettant de décrire la formation d'images à partir d'un seul modèle multibandes, pouvant être une image 2D ou bien une surface 3D. L'estimation des paramètres du modèle et des incertitudes associées sera effectuée par une méthode d'inférence bayésienne hiérarchique, qui constitue l'une des innovations de ce projet. Ceci permettra d'intégrer la physique des objets étudiés en traduisant les connaissances a priori, et des modèles d'observation décrivant la chaîne d'acquisition de données (formation et dégradation des images). L'approche restera ouverte puisqu'elle permettra aussi d'incorporer de nouvelles données au modèle au fur et à mesure de leur disponibilité, pour la mise à jour du modèle..