Image

Plus de 80 % des données transmises sur les réseaux et archivées dans nos ordinateurs, tablettes, téléphones portables ou sur les Clouds sont des données multimédia (images, vidéos, son, données 3D) pour des applications allant du jeu vidéo aux données médicales, en passant par la conception assistée par ordinateur, la vidéosurveillance et la biométrie.

Il devient urgent de sécuriser ces données multimédia, que ce soit pendant leur transmission, leur archivage, mais également lors de leur visualisation. En effet, avec le « tout numérique », il devient de plus en plus facile de les copier, de les visualiser sans droit, de se les approprier ou de les falsifier.

Sécurité multimédia 2 analyse les questions de la biométrie, de la protection, de l’intégrité et du chiffrement de données multimédia. Il traite des aspects tels que la crypto-compression d’images et de vidéos, le chiffrement homomorphe, l’insertion de données cachées dans le domaine chiffré ainsi que le partage de secrets.

Table des matièresPréfaces et Avant-propos

1. Biométrie et applications
2. Protection de documents par impression d’éléments anticopies
3. Vérification de l’intégrité des documents
4. Crypto-compression d’images
5. Crypto-compression de vidéos
6. Traiter des données multimédia chiffrées grâce au chiffrement homomorphe
7. Insertion de données cachées dans le domaine chiffré
8. Partage d’images et d’objets 3D secrets

Plus de 80 % des données transmises sur les réseaux et archivées dans nos ordinateurs, tablettes, téléphones portables ou sur les Clouds sont des données multimédia (images, vidéos, son, données 3D) pour des applications allant du jeu vidéo aux données médicales, en passant par la conception assistée par ordinateur, la vidéosurveillance et la biométrie.

Il devient urgent de sécuriser ces données multimédia, que ce soit pendant leur transmission, leur archivage, mais également lors de leur visualisation. En effet, avec le « tout numérique », il devient de plus en plus facile de les copier, de les visualiser sans droit, de se les approprier ou de les falsifier.

Sécurité multimédia 1 analyse les questions d’authentification de données multimédia, des codes et de l’insertion de données cachées, du côté défenseur comme du côté attaquant. Concernant l’insertion de données cachées, il traite également les aspects invisibilité, couleur, traçage et données 3D, tout comme la détection de message caché dans une image par stéganalyse.

Table des matièresPréfaces et Avant-propos

1. Comment reconstruire l’histoire d’une image digitale, et de ses altérations ?
2. Attaques et défenses de réseaux de neurones profonds : le cas de la classification d’images
3. Codes et tatouages
4. Invisibilité
5. Stéganographie : insertion d’informations dans des contenus multimédias
6. Traçage de traîtres
7. Tatouage 3D
8. Stéganalyse : détection d’information cachée dans des contenus multimédias

Les systèmes d’imagerie ultrasonore sont largement utilisés pour visualiser les structures et le flux sanguin dans le corps en temps réel. Les innovations en analyse du signal, en matériel et en agents de contraste étendent les capacités de cette modalité flexible.

Techniques d’imagerie ultrasonore innovantes analyse les principes de l’imagerie échographique et la façon dont le domaine évolue pour mieux sonder les systèmes vivants. Il traite des transducteurs et de la formation d’images, des ondes de cisaillement et des propriétés mécaniques, du Doppler et de la cartographie du flux sanguin, de l’échographie cardiaque, des agents de contraste, des limites de résolution et de l’imagerie à super-résolution, des sources de dégradation de l’image et de leur correction, ainsi que de la tomographie et de la spectroscopie en photoacoustique.

Chaque chapitre présente en détail les principes clés de ces domaines et expose les innovations techniques qui permettront de mieux évaluer les systèmes vivants dans un avenir proche.

1. Principes d’imagerie ultrasonore et du traitement de signal
2. Transducteurs, systèmes d’imagerie et formation d’image
3. Ondes de cisaillement et évaluation des propriétés mécaniques de tissus
4. Échographie Doppler et cartographie des flux sanguins
5. Échographie cardiaque
6. Agents de contraste ultrasonore : caractérisation microvasculaire
7. Limites de résolution et échographie super-résolue
8. Correction des sources de dégradation d’image de tissus hétérogènes en échographie pulse-écho
9. Tomographie et spectroscopie : photoacoustique

L’imagerie optique des systèmes biologiques a connu ces dernières années des développements spectaculaires, délivrant une quantité et une qualité d’informations qui, il y a une vingtaine d’années encore, relevaient du rêve pour les physiciens, les biologistes ou les médecins.

Les systèmes d’imageries non conventionnelles permettent d’accéder à des grandeurs physiques (opacité, phase, indice optique, propriété de polarisation d’une onde ou composition chimique d’un objet) non accessibles aux systèmes de mesure conventionnels. Pour cela, ces systèmes utilisent des montages optiques particuliers et des traitements numériques spécifiques des images permettant la reconstruction de grandeurs physiques. On parle également d’imagerie computationnelle.

Cet ouvrage présente diverses modalités d’imageries non conventionnelles développées pour le domaine biomédical : imagerie par analyse de front d’onde, holographie/tomographie numérique, nanoscopie optique, endoscopie et imagerie monodétecteur. Pour chaque modalité, les montages et les algorithmes de reconstruction sont présentés.

1. Microscopie quantitative de phase par analyse de front d’onde
2. Holographie
3. Les problèmes inverses pour la reconstruction d’image en holographie
4. Reconstruction d’échantillons en microscopie holographique numérique en ligne
5. Microscopie tomographique diffractive en transmission
6. Microscopie interférométrique
7. Imagerie endoscopique multimodale et multispectrale à champ de vue étendu
8. Une introduction à l’imagerie computationnelle monodétecteur

Après un rappel des notions essentielles de l’imagerie par résonance magnétique (IRM), Les enjeux de l’IRM présente les récentes techniques et méthodes de l’IRM ainsi que les applications médicales qui en découlent. Ces techniques permettent d’accéder à des informations qui vont bien au-delà de l’anatomie avec des informations de type fonctionnel, hémodynamique, de structure, biomécanique ou encore biochimique. L’IRM permet de sonder de multiples façons le vivant et garantit un potentiel de développements continuel intégrant plusieurs disciplines (physique, électronique, sciences du vivant, traitement du signal ou médecine).

Chaque chapitre de cet ouvrage collectif a été conçu par des experts de la communauté française en IRM. Ils se sont attachés à décrire les techniques en rappelant la physique sous-jacente et en détaillant également la modélisation, les méthodes et les stratégies d’acquisition ou d’extraction de l’information.

Cet ouvrage s’adresse autant aux étudiants de master et doctorat qu’aux enseignants-chercheurs en imagerie médicale et hospitalo-universitaires.

1. Principes, chaîne instrumentale et quantification en IRM
2. Antennes radiofréquences, principes théoriques et guide pratique
3. Imagerie rapide et techniques d’accélération
4. Les bases de la diffusion et l’IRM Intravoxel Incoherent Motion
5. IRM fonctionnelle
6. Imagerie vasculaire : flux et perfusion
7. Imagerie quantitative biomécanique par élastographie par résonance magnétique
8. Imagerie des interactions dipolaires dans les tissus biologiques : ihMT et UTE
9. Spectroscopie RMN in vivo et imagerie métabolique
10. IRM contraint par le modèle physique : quantification multiparamétrique rapide
11. IRM interventionnelle
12. Imagerie à ultra-haut champ

Les données de télédétection constituent désormais les sources primordiales pour l’observation de la Terre et de l’Univers. Les techniques d’inversion et d’assimilation de données représentent les outils principaux permettant l’estimation et la prédiction des paramètres géophysiques qui caractérisent l’évolution de notre planète et de l’Univers, en exploitant les données de télédétection.

Inversion et assimilation de données de télédétection traite des avancées récentes dans l’inversion et l’assimilation de données de télédétection. Il présente les méthodes traditionnelles et les méthodes actuelles de réseaux de neurones, ainsi que de nombreuses thématiques où ces méthodes ont été développées ou adaptées en fonction de la spécificité du domaine. La partie assimilation porte sur les problèmes de prédiction en surveillance de surface continentale, en modélisation des incendies de forêt, en volcanologie et en glaciologie. La partie inversion comprend l’inversion de la biomasse avec des images SAR, l’inversion bio-physio-hydrologique dans les zones côtières avec des images multi et hyperspectrales et l’inversion en astrophysique avec les données issues de télescopes.

1. Méthodes d’assimilation des observations : application aux prévisions météorologiques
2. Assimilation de données de télédétection pour le suivi des surfaces continentales
3. Assimilation de données pour les incendies de végétation
4. Assimilation de données ensembliste en volcanologie
5. Assimilation de données en glaciologie
6. Méthodes d’inversion probabiliste
7. Modéliser la rétrodiffusion radar par les forêts : une première étape pour inverser
8. Inversion de modèle de transfert radiatif et application à l’observation en zone côtière
9. Analyse d’images Cherenkov monotélescope par apprentissage profond

Cet ouvrage traite des avancées en analyse des séries chronologiques d’images de télédétection par apprentissages statistique, automatique et/ou profond. Il présente un éventail de modèles mathématiques, de méthodes d’extraction d’informations spatio-temporelles et d’applications en observation de la Terre.

Détection de changements et analyse des séries temporelles d’images 1 est structuré selon les stratégies d’apprentissage supervisé, semi-supervisé et non supervisé sur les séries temporelles d’images optiques et radar à synthèse d’ouverture. L’ouvrage met en lumières des contributions sur la détection de changements multidates dans des données mono- et multi-modales, sur les classes de transitions et d’entités dynamiques, sur l’analyse des tendances et des fluctuations spatio-temporelles, ou encore sur le suivi et l’analyse prédictive d’évolution.

De nombreuses applications illustrent les études sur l’évolution de la surface terrestre (cartographie d’exploitation des terres, analyse de l’état des glaciers, dynamique urbaine, évaluation de la neige, etc.) et sur les risques naturels (évaluation des inondations, activités volcaniques, surveillance des avalanches, etc.). Les orientations futures sont également exposées.

1. Détection non supervisée des changements dans des images multitemporelles
2. Détection de séries de changements dans des séries d’images SAR polarimétriques
3. Détection de changements basée sur les covariances de séries d’images SAR
4. Clustering fonctionnel de séries d’images par entropies relatives
5. Seuils et distances pour la détection de neige avec les séries d’images Sentinel-1
6. Analyse d’ordre fractionnaire et prédiction de trajectoire de cyclones
7. Détection de changements sur les graphes de séries SAR
8. Analyse multitemporelle d’images Sentinel-1/2 pour le suivi de l’utilisation des sols
9. Statistiques par différences pour les changements multispectraux

L’analyse faciale est essentielle pour un grand nombre d’applications telles que l’interaction homme-machine ou le multimédia (pour par exemple l’indexation et la recherche de contenu). Bien que de nombreuses approches soient explorées, les performances dans des conditions non contrôlées ne sont pas encore satisfaisantes. Les variations qui ont un impact sur l’apparence du visage, comme la pose, l’expression, l’illumination, l’occlusion ou le flou de mouvement, en font un problème difficile à résoudre.

Analyse faciale en conditions non contrôlées présente les progrès réalisés pour répondre à ce problème, depuis une tâche de base – la détection des points de repère faciaux – jusqu’à une tâche plus avancée de reconnaissance des micro et macro-expressions. L’ouvrage aborde la modélisation de l’information temporelle afin de tirer parti de la nature dynamique du visage. Il comprend également une analyse comparative des solutions récentes, ainsi que des détails sur l’acquisition d’un ensemble de données pour réaliser de telles tâches.

Partie 1. Détection des points de repère faciaux
Partie 2. Analyse d’expression faciale

Graph spectral image processing is the study of imaging data from a graph frequency perspective. Modern image sensors capture a wide range of visual data including high spatial resolution/high bit-depth 2D images and videos, hyperspectral images, light field images and 3D point clouds. The field of graph signal processing – extending traditional Fourier analysis tools such as transforms and wavelets to handle data on irregular graph kernels – provides new flexible computational tools to analyze and process these varied types of imaging data. Recent methods combine graph signal processing ideas with deep neural network architectures for enhanced performances, with robustness and smaller memory requirements.

The book is divided into two parts. The first is centered on the fundamentals of graph signal processing theories, including graph filtering, graph learning and graph neural networks. The second part details several imaging applications using graph signal processing tools, including image and video compression, 3D image compression, image restoration, point cloud processing, image segmentation and image classification, as well as the use of graph neural networks for image processing.

Part 1. Fundamentals of Graph Signal Processing
1. Graph Spectral Filtering, Yuichi Tanaka.
2. Graph Learning, Xiaowen Dong, Dorina Thanou, Michael Rabbat and Pascal Frossard.
3. Graph Neural Networks, Giulia Fracastoro and Diego Valsesia.

Part 2. Imaging Applications of Graph Signal Processing
4. Graph Spectral Image and Video Compression, Hilmi E. Egilmez, Yung-Hsuan Chao and Antonio Ortega.
5. Graph Spectral 3D Image Compression, Thomas Maugey, Mira Rizkallah, Navid Mahmoudian Bidgoli, Aline Roumy and Christine Guillemot.
6. Graph Spectral Image Restoration, Jiahao Pang and Jin Zeng.
7. Graph Spectral Point Cloud Processing, Wei Hu, Siheng Chen and Dong Tian.
8. Graph Spectral Image Segmentation, Michael Ng.
9. Graph Spectral Image Classification, Minxiang Ye, Vladimir Stankovic, Lina Stankovic and Gene Cheung.
10. Graph Neural Networks for Image Processing, Giulia Fracastoro and Diego Valsesia.

Cet ouvrage traite de l’analyse des séries temporelles d’images de télédétection par apprentissages statistique, automatique et/ou profond.

Détection de changements et analyse des séries temporelles d’images 2 présente un éventail de modèles et de méthodes supervisées d’analyse, d’extraction d’informations spatio-temporelles et de classification, à partir de séries chronologiques d’observations des états de la surface terrestre par télédétection spatiale. L’ouvrage met en lumière des contributions sur la détection de changements multidates dans des données mono- et multi-modales, sur les classes de transitions et d’entités dynamiques, sur l’analyse des tendances et des fluctuations spatio-temporellles, ou encore sur le suivi et l’analyse prédictive d’évolution.

De nombreuses applications illustrent les études sur l’évolution de la surface terrestre (cartographie d’exploitation des terres, analyse de l’état des glaciers, dynamique urbaine, évaluation de la neige, etc.) et sur les risques naturels (évaluation des inondations, activités volcaniques, surveillance des avalanches, etc.). Les orientations futures sont également exposées.

1. Champs de Markov et séries chronologiques d’images multicapteurs et multirésolution
2. Techniques de classification basées sur les pixels pour les séries chronologiques d’images satellitaires
3. Analyse sémantique de séries chronologiques d’images satellitaires
4. Analyse de séries chronologiques d’images satellitaires optiques pour des applications environnementales
5. Revue de l’évaluation multitemporelle des dommages dus aux séismes à l’aide d’images satellitaires
6. Apprentissage multiclasse multi-étiquette de changements d’état à partir de séries chronologiques d’images

Part 1. Transient Imaging and Processing
Part 2. Spectral Imaging and Processing
Part 3. Polarimetric Imaging and Processing

L’amélioration considérable de l’accès aux images satellites et des outils de traitement des données permet d’observer en temps quasi réel les déformations de la surface de la Terre. L’imagerie de télédétection est une source d’information puissante, fiable et spatialement dense qui peut être utilisée pour comprendre la Terre et ses manifestations de surface ainsi que pour atténuer les risques naturels.

Cet ouvrage offre une analyse complète des approches méthodologiques développées pour mesurer les déplacements de surface à l’aide d’images radar à synthèse d’ouverture (SAR) ou optiques, et leurs applications dans la surveillance des principaux phénomènes géophysiques. Une première partie présente les fondements de l’interférométrie radar (lnSAR) et de la corrélation d’images ainsi que les derniers développements. Une seconde partie passe en revue les applications de ces méthodes aux phénomènes géophysiques et activités anthropiques à l’origine des déformations de la surface de la Terre.

Partie 1. Théorie, principes et méthodologie
Partie 2. Applications aux déformations de surface

Omnidirectional cameras, vision sensors that can capture 360° images, have in recent years had growing success in computer vision, robotics and the entertainment industry. In fact, modern omnidirectional cameras are compact, lightweight and inexpensive, and are thus being integrated in an increasing number of robotic platforms and consumer devices. However, the special format of output data requires tools that are appropriate for camera calibration, signal analysis and image interpretation.

This book is divided into six chapters written by world-renowned scholars. In a rigorous yet accessible way, the mathematical foundation of omnidirectional vision is presented, from image geometry and camera calibration to image processing for central and non-central panoramic systems. Special emphasis is given to fisheye cameras and catadioptric systems, which combine mirrors with lenses. The main applications of omnidirectional vision, including 3D scene reconstruction and robot localization and navigation, are also surveyed. Finally, the recent trend towards AI-infused methods (deep learning architectures) and other emerging research directions are discussed.

1. Image Geometry, Peter Sturm.
2. Models and Calibration Methods, Guillaume Caron.
3. Reconstruction of Environments, Maxime Lhuillier.
4. Catadioptric Processing and Adaptations, Fatima Aziz, Ouiddad Labbani-Igbida, and Cédric Demonceaux.
5. Non-Central Sensors and Robot Vision, Sio-hoi Ieng.
6. Localization and Navigation with Omnidirectional Images, Helder Jesus Araújo, Pedro Miraldo, and Nathan Crombez.

Earth observation has witnessed a unique paradigm change in the last decade with a diverse and ever-growing number of data sources. Among them, time series of remote sensing images has proven to be invaluable for numerous environmental and climate studies.

Multitemporal Earth Observation Image Analysis provides illustrations of recent methodological advances in data processing and information extraction from imagery, with an emphasis on the temporal dimension uncovered either by recent satellite constellations (in particular the Sentinels from the European Copernicus programme) or archival aerial images available in national archives.

The book shows how complementary data sources can be efficiently used, how spatial and temporal information can be leveraged for biophysical parameter estimation, classification of land surfaces and object tracking, as well as how standard machine learning and state-of-the-art deep learning solutions can solve complex problems with real-world applications.

1. Broader Application of the Time-SIFT Method: Proof-of-Concept of 3-D-Monitoring Study Cases with Various Spatiotemporal Scales, Denis Feurer, Sean Bemis, Guillaume Coulouma, Hatem Mabrouk, Sylvain Massuel, Romina Vanessa Barbosa, Yoann Thomas, Jérôme Ammann and Fabrice Vinatier.
2. Hierarchical Crop Mapping from Satellite Image Sequences with Recurrent Neural Networks, Mehmet Ozgur Turkoglu, Stefano D’Aronco, Konrad Schindler and Jan Dirk Wegner.
3. Exploiting Multitemporal Multispectral High-resolution Satellite Data toward Annual Land Cover and Crop Type Mapping: A Case Study in Greece, Christina Karakizi, Konstantinos Karantzalos and Zacharias Kandylakis.
4. Irrigation Monitoring Using High Spatial and Temporal Resolutions Remote Sensing Time Series, Hassan Bazzi and Nicolas Baghdadi.
5. Trends in Satellite Time Series Processing for Vegetation Phenology Monitoring, Santiago Belda, Luca Pipia and Jochem Verrelst.
6. Data-Driven Spatio-Temporal Interpolation for Satellite-Derived Geophysical Tracers, Maxime Beauchamp and Ronan Fablet.
7. Recent Advances in Tropical Cyclone Forecasting Using Machine Learning on Reanalysis and Remote Sensing, Sophie Giffard-Roisin.