14/11/2025 - 14H00 - FST Amphithéâtre 7

" 'Décompositions tensorielles pour l'imagerie de covariance' "

(Thèse Saulo CARDOSO BARRETO)

Résumé :
L'imagerie repose classiquement sur le codage d'un pixel par un seul nombre (niveaux de gris) ou par trois nombres (RGB). Mais dans des domaines avancés comme l'imagerie par tenseur de diffusion (DTI) ou l'imagerie polarimétrique, chaque pixel est représenté par une matrice de covariance, une source d'information statistique bien plus riche. Ce type de données structurées pose un défi pour les méthodes de traitement actuelles. Cette thèse propose un cadre général basé sur les décompositions tensorielles. En considérant les images de covariance comme des tenseurs d'ordre quatre, nos modèles les décomposent en cartes spatiales associées à des matrices de covariance caractéristiques. Cette décomposition non supervisée fournit une représentation interprétable et adaptable à divers contextes, nécessitant très peu d'ajustements. Différents algorithmes efficaces sont proposés et validés sur des cas pratiques. Un package Python, PyBBTD, met ces outils à la disposition de la communauté.

Jury :
- Rapporteurs :	Mme Audrey GIREMUS (Université de Bordeaux)
	M. André L. F. DE ALMEIDA (Universidade Federal do Ceará, Brésil)
- Autres membres :	M. Freddy ODILLE (INSERM, Université de Lorraine) - Examinateur M. Julien FADE (Aix-Marseille Université) - Examinateur M. David BRIE (Université de Lorraine, CNRS) - Invité M. Sebastian MIRON (Université de Lorraine, CNRS) - Directeur de thèse M. Julien FLAMANT (Université de Lorraine, CNRS) - Co-encadrant de thèse