SigmaPhy

Les thématiques de recherche de SigmaPhy visent l'observation et la surveillance de l’environnement mais aussi le multi-X et de l’apprentissage automatique pour les signaux naturels.

Les études réalisées par l'équipe concernent :

•  la télédétection avec le développement de méthodes avancées en traitement du signal et des images pour les données de télédétection, optiques et/ou radar, aéroportées ou satellitaires. En particulier, le traitement et l'analyse des données à très haute résolution (spatiale ou spectrale) apparues récemment concentrent nos activités. Un thème fédérateur concerne le caractère multivarié des données et sa prise en compte adéquate.
•  l'acoustique : l'extraction et l'utilisation des informations acoustiques apportent de nombreux points forts comparativement aux méthodes d'observation classiques. Forte de son expertise en traitement du signal, l'équipe établit les liens avec les disciplines des sciences de l'environnement via l'activité d'observation (avec l’OSUG), en s'efforçant de mettre de la physique au centre des algorithmes notamment en apprentissage statistique.
•  la multimodalité, le multi-échelle et les séries multi-temporelles : certaines applications demandent l’utilisation de différentes typologies de données pour une caractérisation précise de l’objet d’étude. Dans le cas de l’observation de l’environnement par télédétection, la fusion de données acquises par différents capteurs est souvent nécessaire (par exemple couplage sensing actif et passif, résolution spatiales/spectrales variable...). La plupart des approches de fusion de ces données se base sur des modèles, qui permettent d’établir des liens physiques entre les différentes modalités. Ces modèles peuvent être issus du phénomène physique d’intérêt ou liés aux systèmes d’acquisition (modèles capteurs). L’existence de ces modèles est basée sur la résolution de problèmes inverses, par exemple avec des méthodes variationnelles.
•  l'apprentissage automatique articulé autour des sciences de l'information appliquée : pour répondre aux verrous de l'extraction des informations pertinentes, des méthodes numériques sont proposées dans lesquelles l’apprentissage statistique joue un rôle essentiel : elles s'appliquent par exemple à la caractérisation de la mesure, à la détection, à la classification, à la localisation ou au dénombrement à partir des représentations temps-fréquence en prenant en compte la physique et la propagation.