Institut multidisciplinaire d'intelligence artificielle

DESCRIPTION

LA TÉLÉDÉTECTION DE L'ENVIRONNEMENT :
TÉLÉDÉTECTION MULTI-ÉCHELLE, MULTIMODALE ET MULTITEMPORELLE

Le changement climatique, la préservation de la biodiversité, la détection et la surveillance de la pollution, l'atténuation des catastrophes naturelles (évaluation de la vulnérabilité, détection des alertes précoces, gestion des situations de crise...) sont des questions clés ayant un impact sociétal très important. Pour relever ces défis, de nouvelles ressources sont de plus en plus disponibles. La télédétection par satellite connaît actuellement une révolution technique avec l'apparition et l'essor de capteurs à très haute résolution. Elle permet d'observer la planète avec une large couverture et une très haute résolution spatiale, à un coût réduit et avec un temps de revisite très court. Les multiples modalités disponibles (données optiques, radar...) permettent d'accéder à diverses caractéristiques physiques au sol. Parallèlement à la disponibilité croissante des données de télédétection par satellite, les plateformes aéroportées et les drones légers constituent une formidable opportunité de fournir des informations complémentaires, avec une grande flexibilité. En conséquence, des quantités sans précédent de données numériques sont disponibles, à des échelles et selon des modalités hétérogènes. Afin d'exploiter pleinement le Big Data décrit ci-dessus, de réaliser le potentiel offert par les nouvelles générations de capteurs de télédétection, et de répondre réellement aux besoins cruciaux, certains défis scientifiques et techniques essentiels induits doivent être relevés. C'est l'objectif principal de cette chaire : des méthodes avancées de traitement de l'information seront développées pour traiter des sources d'information hétérogènes et massives. Cela inclut des techniques d'apprentissage profond de pointe, des représentations basées sur les manifolds et les graphes et la fusion de données.
Au carrefour de la télédétection, des géosciences, des mathématiques, de l'apprentissage automatique et du traitement des signaux et des images, ce projet vise à combler le fossé entre des besoins de plus en plus pressants et le formidable potentiel offert par les technologies de télédétection, au sens le plus large.

ACTIVITÉS

Modélisation et surveillance de la biodiversité végétale dans l'écosystème alpin,
 

• Conception d'un cubesat avec IA embarquée pour surveiller l'environnement, avec le soutien de Teledyne e2V (lancement en mars 2020 et Mission Definition Review passé en nov 2020) (PI : Mathieu Barthélémy, CSUG)
• Organisation d'un défi scientifique international en partenariat avec SolarAid, HPE, les agences spatiales européenne et italienne, et l'IEEE Geoscience and Remote Sensing Society (défi à organiser en 2021).
• Développements méthodologiques en matière d'IA et de données de télédétection dans un certain nombre de contextes

ÉVÉNEMENTS DE LA PRÉSIDENCE

Un défi scientifique international (détection des établissements humains privés d'accès à l'électricité à l'aide de l'IA et de la télédétection multimodale) a connu un énorme succès (74 équipes du monde entier ont participé, soumettant 3452). Organisé en collaboration avec l'IEEE Geoscience and Remote Senisng Society, HPE et SolarAid (ONG basée au Royaume-Uni). Une publication scientifique paraîtra en 2022, associée à un communiqué de presse.

Organisation d'une session spéciale sur "Incorporating Physics into Deep Learning" lors de l'IGARSS 2020 de l'IEEE (qui devrait se tenir à Hawaï en juillet 2020 et éventuellement en ligne en septembre 2020).

Table ronde " les technologies au service de la planète ", Festival Transfo (Grenoble, sept 2020)

 

THÈMES DE RECHERCHE

Extraction de variables latentes par l'apprentissage de sous-espaces communs, l'apprentissage et l'alignement de manifolds multimodaux, les graphes à très haute dimension.

• Cela devrait permettre de diviser l'information en une partie commune (partagée) et une partie spécifique à la modalité (et/ou à l'échelle, et/ou à la date).
• Ces composants (respectivement partagés et spécifiques) devraient être fusionnés pour une représentation et une compréhension complètes.
• Cela permettra d'effectuer des transferts de connaissances (d'une date à l'autre, d'une modalité à l'autre...) ou de reconstituer des données manquantes à partir d'un ensemble d'acquisitions incomplètes.
• Une attention particulière sera accordée au traitement et à l'analyse des données hyperspectrales.
• Autoencodeurs multimodaux, Correspondance de graphes (très grands), Modèles de collecteurs (locaux) de faible dimension...

LISTE SÉLECTIVE DE PUBLICATIONS

• Antoine Roueff, Maryvonne Gerin, Pierre Gratier, François Levrier, Jérôme Pety et al. C18O, 13CO, and 12CO abundances and excitation temperatures in the Orion B molecular cloud. Astronomie et Astrophysique - A&A, EDP Sciences, 2021, 645 (A26), pp.1-27.
• Pierre Gratier, Jérôme Pety, Emeric Bron, Antoine Roueff, Jan H. Orkisz et al. Quantitative inference of the H2 column densities from 3 mm molecular emission : case study towards Orion B★ Astronomy and Astrophysics - A&A, EDP Sciences, 2021, 645 (janvier 2021), pp.A27.
• Le Guillarme, N. & Thuiller, W. (2021) TaxoNERD : deep neural models for the recognition of taxonomic entities in the ecological and evolutionary literature. Methods in Ecology and Evolution.
• M. Behmanesh, P. Adibi, J. Chanussot, C. Jutten et S. M. S. Ehsani, "Geometric Multimodal Learning Based on Local Signal Expansion for Joint Diagonalization," in IEEE Transactions on Signal Processing, vol. 69, pp. 1271-1286, 2021.
• K. Zheng et al, "Coupled Convolutional Neural Network With Adaptive Response Function Learning for Unsupervised Hyperspectral Super Resolution," in IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 3, pp. 2487-2502, mars 2021.
• Z. Wu, J. Sun, Y. Zhang, Z. Wei et J. Chanussot, "Recent Developments in Parallel and Distributed Computing for Remotely Sensed Big Data Processing," in Proceedings of the IEEE, vol. 109, no. 8, pp. 1282-1305, Aug. 2021.
• M. Wang, Q. Wang, J. Chanussot et D. Li, "Hyperspectral Image Mixed Noise Removal Based on Multidirectional Low-Rank Modeling and Spatial-Spectral Total Variation," in IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 1, pp. 488-507, Jan. 2021.
• N. Liu, L. Li, W. Li, R. Tao, J. E. Fowler et J. Chanussot, "Hyperspectral Restoration and Fusion With Multispectral Imagery via Low-Rank Tensor-Approximation," in IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 9, pp. 7817-7830, Sept. 2021.
• B. Ren, Y. Zhao, B. Hou, J. Chanussot et L. Jiao, "A Mutual Information-Based Self-Supervised Learning Model for PolSAR Land Cover Classification," in IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 11, pp. 9224-9237, Nov. 2021.
• R. Restaino, G. Vivone, P. Addesso et J. Chanussot, "Hyperspectral Sharpening Approaches Using Satellite Multiplatform Data," in IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 1, pp. 578-596, Jan. 2021.
• L. -J. Deng, G. Vivone, C. Jin et J. Chanussot, "Detail Injection-Based Deep Convolutional Neural Networks for Pansharpening," in IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 8, pp. 6995-7010, Aug. 2021.
• S. Chlaily, M. D. Mura, J. Chanussot, C. Jutten, P. Gamba et A. Marinoni, "Capacity and Limits of Multimodal Remote Sensing : Theoretical Aspects and Automatic Information Theory-Based Image Selection," in IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 7, pp. 5598-5618, July 2021.
• M. Wang, Q. Wang, J. Chanussot et D. Hong, "l₀-l₁ Hybrid Total Variation Regularization and its Applications on Hyperspectral Image Mixed Noise Removal and Compressed Sensing," in IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 9, pp. 7695-7710, Sept. 2021.
• Z. Han, D. Hong, L. Gao, B. Zhang et J. Chanussot, "Deep Half-Siamese Networks for Hyperspectral Unmixing," in IEEE Geoscience and Remote Sensing Letters, vol. 18, no. 11, pp. 1996-2000, Nov. 2021.
• D. Hong, L. Gao, J. Yao, B. Zhang, A. Plaza et J. Chanussot, "Graph Convolutional Networks for Hyperspectral Image Classification", dans IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 7, pp. 5966-5978, juillet 2021.
• D. Hong, J. Yao, D. Meng, Z. Xu et J. Chanussot, "Multimodal GANs : Toward Crossmodal Hyperspectral-Multispectral Image Segmentation," in IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 6, pp. 5103-5113, June 2021.
• Spectral unmixing for exoplanet direct detection in hyperspectral data, J. Rameau, J. Chanussot, A. Carlotti, M. Bonnefoy and P. Delorme, Astronomy & Astrophysics, 649 (2021) A143.
• Le Guillarme, N., Hedde, M. et Thuiller, W. (2021). STWO : une ontologie pour la reconstruction du réseau alimentaire du sol. S4BioDiv 2021 : 3rd International Workshop on Semantics for Biodiversity.
• Le Guillarme, N., Hedde, M. et Thuiller, W. (2021). Building a Trophic Knowledge Graph to Support Soil Food Web Reconstruction (Construction d'un graphe de connaissances trophiques pour soutenir la reconstruction du réseau alimentaire du sol). S4BioDiv 2021 : 3rd International Workshop on Semantics for Biodiversity.
• Organisation d'une session spéciale sur "Incorporating Physics into Deep Learning" à l'IGARSS 2020 de l'IEEE. (prévu à Hawaï en juillet 2020 et éventuellement en ligne en septembre 2020).
• Jing YaoDanfeng HongEmail authorJocelyn ChanussotDeyu MengXiaoxiang ZhuZongben Xu. Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution ; European Conference on Computer Vision, ECCV 2020 : Computer Vision - ECCV 2020 pp 208-224
• Analyse conjointe et progressive du sous-espace (JPSA) avec alignement du plateau spatial-spectral pour la réduction de la dimensionnalité hyperspectrale semi-supervisée. Danfeng Hong , membre, IEEE, Naoto Yokoya , membre, IEEE, Jocelyn Chanussot , Fellow, IEEE, Jian Xu , membre, IEEE, et Xiao Xiang Zhu , Senior Member, IEEE
• Eduardo Tusa, Jean-Matthieu Monnet, Jean-Baptiste Barré, Mauro Dalla Mura, Michele Dalponte et al. Individual Tree Segmentation Based on Mean Shift and Crown Shape Model for Temperate Forest. IEEE Geoscience and Remote Sensing Letters, IEEE - Institute of Electrical and Electronics Engineers, 2020, pp.1-5.
• Eduardo Tusa, Jean-Matthieu Monnet, Jean-Baptiste Barré, Mauro Dalla Mura, Jocelyn Chanussot. Fusion de données lidar et hyperspectrales pour la segmentation sémantique des essences forestières. Archives internationales des sciences de la photogrammétrie, de la télédétection et de l'information spatiale, Copernicus GmbH (Copernicus Publications), 2020, XLIII-B3-2020, pp.487-494. 
• Yang Xu, Zebin Wu, Jocelyn Chanussot, Pierre Comon, Zhihui Wei. Nonlocal Coupled Tensor CP Decomposition for Hyperspectral and Multispectral Image Fusion. IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2020, 58 (1), pp.348-362. 
• Jing Qin, Harlin Lee, Jocelyn Chi, Lucas Drumetz, Jocelyn Chanussot et al. Blind Hyperspectral Unmixing Based on Graph Total Variation Regularization Afficher la ressource. IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2020, 
• Lucas Drumetz, Jocelyn Chanussot, Christian Jutten, Wing-Kin Ma, Akira Iwasaki. Spectral Variability Aware Blind Hyperspectral Image Unmixing Based on Convex Geometry. IEEE Transactions on Image Processing, Institute of Electrical and Electronics Engineers, 2020, 
• Lucas Drumetz, Jocelyn Chanussot, Christian Jutten. Unmixing spectral : A Derivation of the Extended Linear Mixing Model from the Hapke Model. IEEE Geoscience and Remote Sensing Letters, IEEE - Institute of Electrical and Electronics Engineers, 
• Pierre Gratier, Jérôme Pety, Emeric Bron, Antoine Roueff, Jan H. Orkisz et al. Inférence quantitative des densités de colonne H2 à partir de l'émission moléculaire à 3 mm : A case study towards Orion B. Astronomy and Astrophysics - A&A, EDP Sciences, 2020,
• Antoine Roueff, Maryvonne Gerin, Pierre Gratier, François Levrier, Jérôme Pety et al. C18O, 13CO, and 12CO abundances and excitation temperatures in the Orion B molecular cloud : Une analyse de la précision atteignable lors de la modélisation de la ligne spectrale dans l'approximation de l'équilibre thermodynamique local. Astronomie et Astrophysique - A&A, EDP Sciences, 2020, 645, pp.A26. 
• Antoine Roueff, Maryvonne Gerin, Pierre Gratier, François Levrier, Jérôme Pety et al. C18O, 13CO, and 12CO abundances and excitation temperatures in the Orion B molecular cloud. Astronomie et Astrophysique - A&A, EDP Sciences, 2021, 645 (A26), pp.1-27. 
• Pierre Gratier, Jérôme Pety, Emeric Bron, Antoine Roueff, Jan H. Orkisz et al. Quantitative inference of the H2 column densities from 3 mm molecular emission : case study towards Orion B★ Astronomy and Astrophysics - A&A, EDP Sciences, 2021, 645 (janvier 2021), pp.A27. 
• Javier Marcello, Edurne Ibarrola-Ulzurrun, Consuelo Gonzalo-Martin, Jocelyn Chanussot, Gemine Vivone. Évaluation des méthodes d'affinage hyperspectrales pour la surveillance des zones naturelles à l'aide d'images de télédétection multiplateformes. IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (10), pp.8208-8222.
• Lucas Drumetz, Travis Meyer, Jocelyn Chanussot, Andrea Bertozzi, Christian Jutten. Unmixage d'images hyperspectrales avec des faisceaux de membres finaux et une sparité de groupe induisant des normes mixtes. IEEE Transactions on Image Processing, Institute of Electrical and Electronics Engineers, 2019, 28 (7), pp.3435-3450. 
• Fahim Irfan Alam, Jun Zhou, Alan Wee-Chung Liew, Xiuping Jia, Jocelyn Chanussot et al. Champ aléatoire conditionnel et apprentissage de caractéristiques profondes pour la segmentation d'images hyperspectrales. IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (3), pp.1612-1628. 
• Danfeng Hong, Naoto Yokoya, Jocelyn Chanussot, Xiao Xiang Zhu. Un modèle de mélange linéaire augmenté pour traiter la variabilité spectrale pour le démélange hyperspectral. IEEE Transactions on Image Processing, Institute of Electrical and Electronics Engineers, 2019, 28 (4), pp.1923-1938. 
• Edurne Ibarrola-Ulzurrun, Lucas Drumetz, Javier Marcello, Consuelo Gonzalo-Martin, Jocelyn Chanussot. Hyperspectral Classification Through Unmixing Abundance Maps Addressing Spectral Variability (Classification hyperspectrale à l'aide de cartes d'abondance non mélangées tenant compte de la variabilité spectrale). IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (7), pp.4775-4788. 
• Lin He, Jiawei Zhu, Jun Li, Antonio Plaza, Jocelyn Chanussot et al. HyperPNN : Hyperspectral Pansharpening via Spectrally Predictive Convolutional Neural Networks. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, IEEE, 2019, 12 (8), pp.3092-3100. 
• Lin He, Yizhou Rao, Jun Li, Jocelyn Chanussot, Antonio Plaza et al. Pansharpening via Detail Injection Based Convolutional Neural Networks. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, IEEE, 2019, 12 (4), pp.1188-1204. 
• Guillaume Tochon, Mauro Dalla Mura, Miguel Angel Veganzones, Thierry Géraud, Jocelyn Chanussot. Tresses de partitions pour la représentation hiérarchique et la segmentation d'images multimodales. Pattern Recognition, Elsevier, 2019, 95, pp.162-172. 
• Qi Wang, Shaoteng Liu, Jocelyn Chanussot, Xuelong Li. Classification de scène avec attention récurrente des images de télédétection VHR. IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (2), pp.1155-1167.
• Peng Wang, Lei Zhang, Gong Zhang, Hui Bi, Mauro Dalla Mura et al. Superresolution Land Cover Mapping Based on Pixel-, Subpixel-, and Superpixel-Scale Spatial Dependence With Pansharpening Technique. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, IEEE, 2019, pp.1-17. 
• Théo Masson, Mauro Dalla Mura, Marie Dumont, Jocelyn Chanussot. Estimation de la couverture neigeuse à partir de séries temporelles d'images basées sur le démélange spectral. IEEE Geoscience and Remote Sensing Letters, IEEE - Institute of Electrical and Electronics Engineers, 2019, 16 (3), pp.337-341. 
• Théo Masson, Mauro Dalla Mura, Marie Dumont, Jocelyn Chanussot. Estimation de la couverture neigeuse à partir de séries temporelles d'images basées sur le démélange spectral. IEEE Geoscience and Remote Sensing Letters, IEEE - Institute of Electrical and Electronics Engineers, 2019, 16 (3), pp.337-341. 
• Douglas Baptista de Souza, Jocelyn Chanussot, Anne-Catherine Favre, Pierre Borgnat. Un test de stationnarité amélioré basé sur des substituts. IEEE Signal Processing Letters, Institute of Electrical and Electronics Engineers, 2019, 26 (10), pp.1431-1435. 
• Xin Wu, Danfeng Hong, Jiaojiao Tian, Jocelyn Chanussot, Wei Li et al. ORSIm Detector : A Novel Object Detection Framework in Optical Remote Sensing Imagery Using Spatial-Frequency Channel Features (Un nouveau cadre de détection d'objets dans l'imagerie optique de télédétection à l'aide des caractéristiques du canal de fréquence spatiale). IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (7), pp.5146-5158.
• Danfeng Hong, Naoto Yokoya, Nan Ge, Jocelyn Chanussot, Xiao Xiang Zhu. Learnable manifold alignment (LeMA) : Un cadre d'apprentissage semi-supervisé pour la classification de l'occupation et de l'utilisation des sols. ISPRS Journal of Photogrammetry and Remote Sensing, Elsevier, 2019, ISPRS Journal of Photogrammetry and Remote Sensing,2019, 147, pp.193-205. 
• Danfeng Hong, Naoto Yokoya, Jocelyn Chanussot, Xiao Xiang Zhu. CoSpace : Common Subspace Learning From Hyperspectral-Multispectral Correspondences (Apprentissage de sous-espace commun à partir de correspondances hyperspectrales et multispectrales). IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (7), pp.4349-4359. 
• Xin Wu, Danfeng Hong, Jocelyn Chanussot, Yang Xu, Ran Tao et al. Fourier-Based Rotation-Invariant Feature Boosting : Un cadre efficace pour la détection d'objets géospatiaux. IEEE Geoscience and Remote Sensing Letters, IEEE - Institute of Electrical and Electronics Engineers, sous presse, pp.1-5.
• Keiller Nogueira, Mauro Dalla Mura, Jocelyn Chanussot, William Robson Schwartz, Jefersson Alex dos Santos. Dynamic Multicontext Segmentation of Remote Sensing Images Based on Convolutional Networks (Segmentation dynamique multicontexte d'images de télédétection basée sur des réseaux convolutionnels). IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (10), pp.7503-7520. 
• Peng Wang, Mauro Dalla Mura, Jocelyn Chanussot, Gong Zhang. Cartographie de super-résolution douce puis dure basée sur la technique de pansharpening pour les images de télédétection. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, IEEE, 2019, 12 (1), pp.334-344. 
• Rocco Restaino, Gemine Vivone, Paolo Addesso, Jocelyn Chanussot. Une approche de pansharpening basée sur l'estimation par régression linéaire multiple des coefficients d'injection. IEEE Geoscience and Remote Sensing Letters, IEEE - Institute of Electrical and Electronics Engineers, 2019, pp.1-5. 
• Xun Liu, Chenwei Deng, Jocelyn Chanussot, Danfeng Hong, Baojun Zhao. StfNet : Un réseau neuronal convolutif à deux flux pour la fusion d'images spatiotemporelles. IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (9), pp.6552-6564. 
• Yang Xu, Zebin Wu, Jocelyn Chanussot, Zhihui Wei. Représentation éparse non locale du tenseur de patch pour la super-résolution d'images hyperspectrales. IEEE Transactions on Image Processing, Institute of Electrical and Electronics Engineers, 2019, 28 (6), pp.3034-3047. 
• Gemine Vivone, Paolo Addesso, Jocelyn Chanussot. Un indice d'évaluation de la qualité de la pleine résolution basé sur un combinateur pour le pansharpening. IEEE Geoscience and Remote Sensing Letters, IEEE - Institute of Electrical and Electronics Engineers, 2019, 16 (3), pp.437-441. 
• Gemine Vivone, Paolo Addesso, Rocco Restaino, Jocelyn Chanussot, Mauro Dalla Mura. Pansharpening Based on Deconvolution for Multiband Filter Estimation (Netteté de l'image basée sur la déconvolution pour l'estimation du filtre multibande). IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (1), pp.540-553. 
• Zebin Wu, Wei Zhu, Jocelyn Chanussot, Yang Xu, Stanley Osher. Détection d'anomalie hyperspectrale via la modélisation conjointe globale et locale de l'arrière-plan. IEEE Transactions on Signal Processing, Institute of Electrical and Electronics Engineers, 2019, 67 (14), pp.3858-3869. 
• Javier Marcello, Edurne Ibarrola-Ulzurrun, Consuelo Gonzalo-Martin, Jocelyn Chanussot, Gemine Vivone. Assessment of Hyperspectral Sharpening Methods for the Monitoring of Natural Areas Using Multiplatform Remote Sensing Imagery ; IEEE Transactions on Geoscience and Remote Sensing, Institute of Electrical and Electronics Engineers, 2019, 57 (10), pp.8208-8222.