L'équipe Signal-Images-Physique (SigmaPhy) mène des recherches sur les thèmes de l’observation et la surveillance de l’environnement, du Multi-X et de l’apprentissage automatique pour les signaux naturels. Notre équipe est associée à l’Observatoire des Sciences de l’Univers de Grenoble (OSUG).
Télédétection
Cet axe porte sur 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.
Acoustique
L'extraction et l'utilisation de ces informations acoustiques apportent de nombreux points forts comparativement aux méthodes d'observation classiques. Devant ces points forts et les questions abordées par l'acoustique, nous entendons développer une recherche en traitement du signal de tout premier plan, en établissant les liens avec les disciplines des sciences de l'environnement via l'activité d'observation (appartenance à l’OSUG) et en insistant sur la pertinence de mettre de la physique au centre des algorithmes notamment en apprentissage statistique, ce qui nous différenciera des autres.
Multimodalité, multi-échelle et 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.
Apprentissage automatique
Les thèmes que nous proposons de développer s'articulent autour des sciences de l'information appliquée et répondent aux verrous de l'extraction des informations pertinentes via des méthodes numériques ou l’apprentissage statistique peut jouer un rôle essentiel (par exemple la caractérisation de la mesure, la détection, la classification, la localisation, le dénombrement à partir des représentations temps-fréquence en prenant en compte la physique et la propagation).
