ConférencierSoheil Ghadami, étudiant au doctorat en imagerie et média numérique à l'UdeS RésuméPrésentation des travaux de maîtrise de Soheil Ghadami réalisé au Blekinge Institute of Technology, Karlskrona, Suède. In this thesis, the performance of the Gaussian Mixture Probability Hypothesis Density (GM-PHD) filter using a pair of stereo vision system to overcome label discontinuity and robust tracking in an Intelligent Vision Agent System (IVAS) is evaluated. This filter is widely used in multiple-target tracking applications such as surveillance, human tracking, radar, and etc. A pair of cameras is used to get the left and right image sequences in order to extract 3-D coordinates of targets’ positions in the real world scene. The 3-D trajectories of targets are tracked by GM-PHD filter. Many tracking algorithms fail to simultaneously maintain stability of tracking and label continuity of targets, when one or more targets are hidden for a while to camera’s view. The GM-PHD filter performs well in tracking multiple targets; however, the label continuity is not maintained satisfactorily in some situations such as full occlusion and crossing targets. In this project, the label continuity of targets is guaranteed by a new method of labeling, and the simulation results show satisfactory results. A random walk motion is used to validate the ability of the algorithm in tracking and maintaining targets’ labels. In order to evaluate the performance of the GM-PHD filter, a 3-D spatial test motion model is introduced. Here, the two target trajectories are generated in a way that either occlusion or crossing occurs in some time intervals. Then, the two key parameters, angular velocity and motion speed, are used to evaluate the performance of algorithm. The simulation results for two moving targets in occlusion and crossing show that the proposed system not only robustly tracks them, but also maintains the label continuity of two targets. Date de l'événement:
Mercredi, Janvier 25, 2012 - 12:30
Lieu:
D4-2011
|
|||
CandidatArnaud Bore, étudiant au Moivre RésuméCe mémoire présente l'ensemble des étapes de prétraitement appliquées aux images provenant de l'imagerie par résonance magnétique de diffusion afin de conseiller les meilleurs paramètres dans une étude de tractographie. L'imagerie de diffusion nous donne l'information locale des déplacements moyens des molécules d'eau dans le cerveau. Cette information nous permet d'inférer l'architecture de la matière blanche. La reconstruction du signal de diffusion fait appel à différentes méthodes plus ou moins aptes à restituer la complexité des configurations de fibres. Dans ce mémoire, nous proposons une nouvelle méthode de reconstruction du phénomène de diffusion basée sur la décomposition en ondelettes sphériques. Ensuite, en combinant ces informations à tous les points du cerveau nous reconstruisons le réseau de fibres de la matière blanche par un algorithme de tractographie déterministe. Afin d'initier cet algorithme, nous proposons une nouvelle méthode d'initialisation dans le but de mieux gérer la complexité des configurations de fibres au sein d'un seul voxel. Les fibres reconstruites sont très difficiles à évaluer dans le cerveau car nous ne connaissons pas la configuration réelle des fibres. Pour être en mesure d'évaluer nos méthodes de reconstruction, nous utilisons un fantôme calquant la complexité des configurations de fibres trouvées dans le cerveau. Dans ce mémoire, nous proposons un ensemble de métriques et un système de notations permettant d'évaluer automatiquement la qualité des résultats d'une tractographie. Nous concluons l'étude concernant les données synthétiques par un ensemble de conseils sur les paramètres à utiliser afin d'obtenir des résultats de tractographie optimaux. Finalement, nous évaluons qualitativement les résultats de tractographie issus de données réelles afin de confirmer nos choix sur les données fantômes.
Toutes les personnes intéressées sont cordialement invitées. Date de l'événement:
Jeudi, Janvier 26, 2012 - 16:00
Lieu:
D4-2011
|
|||
Ne manquez pas le reportage au sujet de Maxime Descoteaux, professeur au Département d’informatique, à la l’émission Découverte ce dimanche 23 octobre entre 18 h 30 et 19 h 30 à Radio-Canada, alors qu’il sera question de ses travaux sur l’IRM de diffusion pour étudier le cerveau humain.
|
|||
Le centre de recherche MOIVRE (MOdélisation en Imagerie, Vision et RÉseaux de neurones) a été créé grâce au regroupement de chercheurs dans le domaine. À ce jour, le centre MOIVRE compte onze professeures et professeurs dont neuf de l'Université de Sherbrooke et deux de l'Université Bishop's. Font également parti du centre de recherche 45 étudiants de niveaux maîtrise et doctorat. Nos activités de recherche sont variées et couvrent des domaines tels que :
Nous disposons de nombreuses technologies qui peuvent répondre aux besoins dans plusieurs secteurs d'activités. En effet, le MOIVRE est doté d'équipements à la fine pointe pour la réalisation de projets de recherche intégrant des supports numériques d'information liés aux activités de recherche mentionnées ci-haut. Les étudiants de 2e et 3e cycles réalisent des projets de recherche pouvant être exploités dans plusieurs domaines :
Vous pouvez visiter virtuellement nos locaux. |
|||
