New unsupervised Bayesian and energy-based models dedicated to image processing and computer vision applications

一个程序从L的角度研究新的概率统计方法，分析和处理图像修复、多维数据分析和多模式分析。S的现代科学和技术在大范围的应用中得到了广泛的应用，不受干扰的图像修复和视觉系统也得到了广泛的应用，多模图像的侦察和重建也得到了很好的解决，L对分类图像的分析和对L图像的保护以及对监控系统的多模式侦察/重建进行了深入的研究。干部采用的是，不同的是不同的，统计的主要原因是统计和观察的变量缓存和观察之间的互动关系。作为一名新的现代管理干部，L使用了大量的像素点，而S则不能有效地利用这些像素点，以保护L的安全和保护的安全。四个基本实体和联合国干部的数学基础是：1]L的探索和新的现代科学和技术，以及最重要的探索者L的最重要的组织形式是什么，他们的互动是如何进行的。2]在合作与初创企业Eiffel Medtech(Qui Proposed des méthodes de vision for amélier la chirurgie du genou)，nous nous集中器sur les méthodes de recalage bayésiennes non Supervisées Composants d‘plants de genou 3Da artir d’Implants de genou 3Da Partir d‘Image X光片，ce qui最关键的倒灌助手le chirurgienáAnalyser ou aligner un植入物应用于S的关节成形术故事u genou。3.在探索者L利用非监督的现代技术的情况下，我们与蒙特雷亚尔的信息研究所进行了合作，并对多式联运和L的运输进行了检测。4]这是一项非常重要的工作，也是一项非常重要的工作。[参考译文][参考译文]S解释说，这是一项非常重要的工作。

Mon programme de recherche étudie l'utilité de nouveaux modèles probabilistes (bayésiens) ou à base d'énergies non supervisées pour comprendre, analyser et manipuler des images fixes, en mouvement et multidimensionnelles ou multimodales (hétérogènes). Ces modèles sont utilisés dans un large éventail d'application, non seulement dans le traitement d'images fixes et la vision par ordinateur, mais aussi dans les systèmes d'images médicales multimodales, l'analyse ou la classification dans des images de télédétection hétérogènes et plus généralement dans tous les systèmes de caméras ou de détection multimodale, de reconnaissance / reconstruction de la prochaine génération. Le cadre adopté, pour ces différents modèles de recherche, repose principalement sur la théorie statistique bayésienne qui permet de prendre en compte certaines connaissances préalables disponibles sur les informations à trouver et de combiner ce modèle a priori avec un modèle (statistique) décrivant les interactions entre et les variables cachées et observées (vraisemblance). Dans ce cadre, nous avons récemment proposé et étudié un nouveau modèle de vraisemblance prometteur pour les données d'image, basé sur l'utilisation d'une modélisation par paires de pixels qui s'est avérée particulièrement efficace pour détecter les changements à partir d'images de télédétection hétérogènes et également étudié l'utilisation de critères multiples ou la théorie de la prise de décision multiobjectifs dans ce contexte bayésien. Cela fournit une base solide et un cadre mathématique rigoureux pour l'exploration de nouveaux modèles bayésiens ou modèles à base d'énergie avec un a priori spécifique au contexte et basé sur une vraisemblance appropriée (basé sur une modélisation par pair de pixels), et éventuellement sous plusieurs critères, à savoir: 1] L'étude de la segmentation Bayésienne du cerveau humain à partir de données IRMf, ce qui est important pour explorer l'organisation fonctionnelle du cerveau et pour comprendre les interactions longues entre les sous-réseaux cérébraux dans le contexte d'une maladie. 2] En collaboration avec la start-up Eiffel Medtech (qui propose des méthodes de vision pour améliorer la chirurgie du genou), nous nous concentrerons sur les méthodes de recalage bayésiennes non supervisées des composants d'implants de genou 3D à partir d'images radiographiques, ce qui est crucial pour aider le chirurgien à analyser ou aligner un implant après une arthroplastie totale du genou. 3] Nous poursuivrons notre collaboration avec le CRIM (Institut de recherche informatique de Montréal) afin d'explorer l'utilisation de nouveaux modèles non supervisés pour le problème de détection de changement multimodal en télédétection. 4] Au DIRO, sous ma seule supervision, des projets de recherche plus théoriques seront explorés tels que le déroulement de phase ou la détection d'anomalies difficilement perceptibles dans les images naturelles.