, Évolution du nombre de données satellitaires disponibles et des données réel-lement utilisées. Source : European Center for Medium range Weather
On cherche à suivre la position d'un objet au cours du temps. La courbe noire indique la vraie position de l'objet. La courbe en rouge représente le filtrage obtenu par un Kalman "avant ,
, En abscisse, le nombre de particules, en ordonnée, l'écart quadratique moyen vis à vis de l'espérance de la distribution de filtrage optimale fournie par le filtre de Kalman, Comparaison de l'ENKF (courbe bleue) et du WENKF (courbe rouge) en fonction du nombre de particules utilisé pour 8 scénarios linéaires
, et du WENKF (courbe rouge) dans le cas non linéaire en fonction du nombre de particules utilisé pour le premier (en pointillé) et le troisième scénario (en trait plein)
, (a) Carte de vorticité réelle. (b) Carte de vorticité observée. (c) Carte de vorticité reconstruite par ENKF. (d) Carte de vorticité reconstruite par WENKF
, Séquence d'images créées par simulation numérique de la l'équation de vorticité-vitesse
Vorticité réelle, (b) Vorticité estimée par l'algorithme de flot optique, p.51 ,
, Après une intégration de la condition initiale X 0 (trajectoire bleue), une intégration rétrograde de la variable adjointe est réalisée suivant les diffé-rences de mesure entre observation et estimation (trajectoire violette)
, Suivi d'une raie. Lignes du haut : Observations discrètes disponibles. Lignes du bas : Résultats des courbes continues obtenues
, Lignes du haut : Observations discrètes disponibles. Lignes du bas : Résultats des courbes continues obtenues
Résultats de l'assimilation, la courbe est superposée aux images observées aux temps t = 0, 1, 2, 3. Les déformations de la courbe entre les images constituent une déformation continue entre les lettres ,
, La moyenne de l'intensité lumineuse du fond est claire. Ainsi, les zones noires sont plus proches de l'objet que du fond avec le modèle d'intensités moyennes. Ce problème est résolu en utilisant le modèle de densités de probabilités locales, Comparaison des deux modèles images sur une unique image après quelques itérations
Une seule courbe est disponible au temps initial. La forme est cohérente au cours du temps grâce au modèle de densités de probabilités locales, p.96 ,
Résultats de la technique d'assimilation avec le modèle de densités de probabilités locales ,
, Segmentations successives obtenues par un modèle de Chan et Vese avec un modèle de données basé sur des mesures de densités de probabilités locales et la distance de Bhattacharya (équations. 4.18-4.19)
, Résultats de la technique d'assimilation avec le modèle de densités de probabilités locales. La courbe donnée comme initialisation est montrée sur la première image de la ligne du haut, Séquence cardiaque d'Images à Résonance Magnétique, p.98
, Segmentations successives obtenues par un modèle de Chan et Vese avec un modèle de données basé sur des mesures de densités locales et la distance de Bhattacharya (équations. 4.18-4.19)
, Décomposition de Helmholtz : (a) champ de vecteur bidimensionnel. (b) composante divergente. (c) Composante de vorticité. (d) Composante laminaire (ici une translation), p.108
, Première ligne : Reconstruction des trajectoires pour un schéma d'estimation de champ dense sans (gauche) et avec (droite) régularisation spatio-temporelle. Seconde ligne : Reconstruction des trajectoires pour un schéma d'estimation utilisant les données de corrélation sans ( gauche) et avec (droite) régularisation spatio-temporelle. Les lignes rouges représentent les contours des côtes, les méridiens et les parallèles (tous les 10 o )
, Séquence particules, simulation numérique 2D, assimilation des pseudoobservations image. a) Séquence d'images de particules. b) Vorticité réelle. c) Vorticité du champ observé par l'estimateur de flot optique. d) Vorticité du champ assimilé
Les Érreurs Quadratiques Moyennes des champs de vitesse estimés sur les 50 images de la séquence particules sont comparées pour les 3 méthodes : vitesses obtenues par l'estimateur de flot optique (en bleu), vitesses du résultat de l'assimilation des mesures fournies par l'estimateur de flot optique (en rouge) et vitesses du résultat obtenu en assimilant directement l'intensité lumineuse des images (en vert), p.120 ,
L'initialisation est donnée par la première image, le suivi obtenu avec la méthode d'assimilation considère toutes les déformations de l 'oeil du cyclone ,
, Intégration de la vorticité initiale. (b) Intégration de la courbe initiale suivant la vorticité initiale. (c) Intégra-tion de la vorticité finale. (d) Intégration de la courbe finale suivant la vorticité finale
, Le système est initialisé avec une vorticité nulle. (a) Intégration de la courbe initiale suivant la vorticité initiale. (b) Résultat intermédiaire. (c) Intégration de la courbe finale suivant la vorticité finale, p.134
, Échantillon des courbes observée. (b) Courbes solutions avec une matrice de covariance d'initialisation renforcée. (c) Courbes solutions avec une matrice de covariance des observations renforcée, p.138
Échantillon des courbes observées. (b) Courbes solutions (c) Champs affines solutions ,
, (a) Conditions initiale et finale de la courbe. (b) Courbes solutions après assimilation
, La seule courbe disponible est celle donnée par l'initialisation. Les résultats du suivi sont présentés pour différentes images de t=0 à t=21, p.142
Des visages intermédiaires sont créés à partir de 2 photographies. Le résultat est bon pour les cheveux mais plus flou sur les détails des visages intermédiaires ,
, La séquence de 6 images Avenger a été artificiellement détériorée (ligne a), puis les surfaces correspondant aux images ont été assimilées (ligne b). L'assimilation de surfaces permet de remplir les zones manquantes de données
Champs de vitesses entre les temps (t = 1, t = 2), (t = 2, t = 3), (t = 5, t = 6) et (t = 6, t = 7) estimés par assimilation de données images (e-h) et par flot optique sans modèle dynamique (i-l), Image initiale. (b-d) : trois images bruitées de la séquence ,
, Estimation de vitesse et profondeur. La séquence d'images Yosémite (colonne (a)) est assimilée pour estimer simultanément le flot optique (colonne (b)) et la carte de profondeur des points (colonne (c))
, Classification des nuages. À partir de l'image satellitaire présentée en (a), le consortium EUMETSAT classifie les nuages en trois couches : (b) basse, (c) intermédiaire et (d) haute, p.155
Ligne (b) : Images de pressions rééchantillonnées ,
, Le premier mode spatial contient de grandes structures cohérentes tandis que le troisième mode représente de plus petites échelles de l'écoulement, p.170
, Première estimation des coefficients du système dynamique réduit. Comparaison entre l'estimation (ligne continue) et les données originales (les symboles *)
, Chaque couleur représente un mode distinct. (a) Simulation avec s = 2 modes. (b) La solution diverge pour les systèmes tels que s ? 4 modes, p.172
, Chaque couleur repré-sente un mode distinct. Résultat de l'assimilation des trajectoires des 2 premiers modes, Assimilation des trajectoires. Comparaison entre les trajectoires assimilées (ligne continue) et les données originales (les symboles *)
, Chaque couleur représente un mode distinct. Résultat de la simulation des trajectoires des deux premiers modes avec les coefficients des systèmes dynamiques réduits recalculés par régression des moindres carrés sur les trajectoires assimilées de la figure 8, Réestimation des paramètres du modèle dynamique réduit. Comparaison entre les trajectoires simulées (ligne continue) et les données originales (les symboles *)
, Chaque couleur représente un mode distinct. Résultat de la simulation des trajectoires des deux premiers modes après assimilation des paramètres du modèle réduit, Assimilation des coefficients des systèmes dynamiques réduits. Comparaison entre les trajectoires simulées (ligne continue) et les données originales (les symboles *)
, Test du gradient réalisé avec ? ? 0
, Solution d'un système dynamique réduit avec introduction d'une viscosité artificielle pour s = 4. La solution n'explose plus mais est très amortie
, Trajectoires obtenues par assimilation des coefficients du système dynamique réduit Comparaison entre les trajectoires simulées (ligne continue) et les données originales (les symboles *)
, Les symboles * sur la seconde moitié du graphique correspondent aux données non utilisées par la phase d'assimilation
, (a) Cartes de vorticité des champs estimés sur la séquence d'image, servant de mesure au système d'assimilation . (b) Cartes de vorticité des champs reconstruits avec s = 10 modes, p.180
, (a) Cartes de vorticité des champs estimés sur la séquence d'images. (b) Cartes de vorticité des champs reconstruits avec s = 10 modes
, Étude de la convergence : a) Évolution de l'erreur moyenne quadratique entre estimations et observations au cours des itérations de processus d'assimilation. b) Évolution du critère de convergence de l'équation (8.6.1)
, Comparaison entre les trajectoires simulées (ligne continue) et les données originales (les symboles *). Les modes observés représentant les petites échelles sont très bruités, Trajectoires simulées des modes 5 et 6 (a) et 7 et 8 (b) après assimilation
, Premières simulations : la qualité des premières trajectoires simulées est mauvaise, p.183
, Trajectoires simulées après assimilation des coefficients du système dynamique réduit
,
Première simulation à partir des coefficients du système dynamique réduit calculés par régression linéaire des observations ,
, Simulation à partir des coefficients assimilés du système dynamique réduit
, Champs de vitesses entre les temps (t = 1, t = 2), (t = 2, t = 3), (t = 5, t = 6) et (t = 6, t = 7) estimés par assimilation de données images (e-h) et par flot optique sans modèle dynamique (i-l), Séquence taxi. (a) : Image initiale. (b-d) : trois images bruitées de la séquence
Estimation de vitesse et profondeur. La séquence d'images Yosémite (colonne (a)) est assimilée pour estimer simultanément le flot optique (colonne (b)) et la carte de profondeur des points (colonne (c)) ,
, WENKF pour des scénarios linéaires
, WENKF pour des scénarios linéaires, avec N = 10 particules utilisées et
, WENKF pour des scénarios non linéaires, avec N = 10 particules utilisées
WENKF pour des scénarios non linéaires 2D avec 100 réali-sations de chaque scénario. Le ENKF avec N = 10 particules est comparé avec deux WENKF composés respectivement de N = 10 et N = 30 particules, p.49 ,
Différents intervalles entre deux observations successives sont comparés, p.52 ,
, Les effets des perturbations et de la diffusion de la courbure sur le test du gradient
, Evaluation numérique du flot optique sur la séquence synthétique Yosémite en suivant le critère de Barron et al [11] pour les champs correspondants aux images (#8, #9 et #10) de la séquence. Les méthodes comparées sont, vol.107
, Évaluation numérique, Diminution de l'Érreur quadratique moyenne (EQM) des estimations h et |v(t 0 )| pour l'assimilation d'images bruitées (expériences e 1
Evaluation numérique du flot optique sur la séquence synthétique Yosémite en suivant le critère de Barron et al [11] pour les champs correspondants aux images (#8, #9 et #10) de la séquence, Les méthodes comparées sont, vol.107 ,
Representing moving images with layers, IEEE Trans. Pat. Anal. Mach. Intell, vol.5, issue.3, pp.625-638, 1994. ,
Tool for the automatic differentiation of Fortran 77 programs ,
Griewank's packages for programs in C/C++, forward and reverse mode ,
Particle imaging techniques for experimental fluid mechanics, Annal Rev. Fluid Mech, vol.23, pp.261-304, 1991. ,
Reliable estimation of dense optical flow fields with large displacements, Int. J. Comput. Vis, vol.39, issue.1, pp.41-56, 2000. ,
Optimal Filtering, 1979. ,
Méthodes de filtrage pour du suivi dans des séquences d'images -Application au suivi de points caractéristiques, 2004. ,
Partial linear gaussian models for tracking in image sequences using sequential monte carlo methods, Int. J. Comput. Vis, vol.74, issue.1, pp.75-102, 2007. ,
URL : https://hal.archives-ouvertes.fr/hal-00171409
The dynamics of coherent structures in the wall region of a turbulent boundary layer, J. Fluid Mechanics, vol.192, pp.115-173, 1988. ,
Layered representation of motion video using robust maximumlikelihood estimation of mixture models and Mdl encoding, Proc. IEEE Int. Conf. Comput. Vis., ICCV'95, pp.777-784, 1995. ,
Performance of optical flow techniques, Int. J. Comput. Vis, vol.12, issue.1, pp.43-77, 1994. ,
Tracking of moving objects under severe and total occlusions, Proc. Int. Conf. Image Processing, ICIP'05, vol.1, pp.301-304, 2005. ,
, Inverse Methods in Physical Oceanography, 1992.
Filtrage optimal des systèmes linéaires. Dunod, 1971. ,
A three-frame algorithm for estimating two-component image motion, IEEE Trans. Pat. Anal. Mach. Intell, vol.14, issue.9, pp.886-895, 1992. ,
Navier-stokes, fluid dynamics, and image and video inpainting, Proc. IEEE Comput. Vis. and Pat. Rec. CVPR'01, vol.1, pp.355-362, 2001. ,
Morphing active contours, IEEE Trans. Pattern Anal. Mach. Intell, vol.22, issue.7, pp.733-737, 2000. ,
Simultaneous structure and texture image inpainting, Proc. IEEE Comput. Vis. and Pat. Rec. CVPR'03, vol.2, pp.707-712, 2003. ,
Sequential data assimilation techniques in oceanography, Int. Statist. Rev, vol.71, issue.2, pp.223-241, 2003. ,
Automatic tracking of flying vehicles using geodesic snakes and kalman filtering, 43rd IEEE Conference on Decision and Control, CDC'04, vol.2, pp.1649-1654, 2004. ,
Recursive non-linear estimation of discontinuous flow fields, Proc. Europ. Conf. Comput. Vis., ECCV'94, pp.138-145, 1994. ,
The robust estimation of multiple motions : Parametric and piecewise-smooth flow fields, Comput. Vis. and Image Understanding, vol.63, issue.1, pp.75-104, 1996. ,
Active contours, 1998. ,
Modélisation numérique et assimilation de données en océanographie. Habilitation à Diriger des Recherches, 2002. ,
Introduction aux principes et méthodes de l'assimilation de données en géo-physique. Notes de cours de l'école Nationale Supérieure des Techniques Avancées, 2006. ,
Optimal control formulation for determining optical flow, SIAM Journal on Scientific Computing, vol.24, issue.3, pp.818-847, 2003. ,
Motion segmentation and qualitative dynamic scene analysis from an image sequence, Int. J. Comput. Vis, vol.10, issue.2, pp.157-182, 1993. ,
Data assimilation concepts and methods, ECMWF Meteorological Training Course Lecture Series, 1999. ,
Étude de la dynamique d'un écoulement à cisaillements croisés : interaction couche de mélange -sillage, 2003. ,
Low-dimensional analysis, using pod, for two mixing layer-wake interactions, Int. J. Heat Fluid Flow, vol.56, issue.3, pp.351-363, 2004. ,
URL : https://hal.archives-ouvertes.fr/hal-00146825
Methods for large scale segmentation of cloud images, Meteorological Satellite Data Users' Conference, pp.131-138, 1997. ,
High accuracy optical flow estimation based on a theory for warping, Proc. Europ. Conf. Comput. Vis., ECCV'04, pp.25-36, 2004. ,
Variational optical flow computation in real-time, IEEE Trans. Image Processing, vol.14, issue.5, pp.608-615, 2005. ,
Lucas/kanade meets horn/schunck : Combining local and global optic flow methods, Int. J. Comput. Vis, vol.61, issue.3, pp.211-231, 2005. ,
Detection and segmentation of moving objects in highly dynamic scenes, Proc. IEEE Comput. Vis. and Pat. Rec. CVPR'07, 2007. ,
URL : https://hal.archives-ouvertes.fr/hal-00551596
Analysis scheme in the ensemble kalman filter, Mon. Weather Rev, vol.126, pp.1719-1724, 1998. ,
Report on production and diffusion of fluid mechanics images and data, 2005. ,
Geodesic active contours, Proc. IEEE Int. Conf. Comput. Vis., ICCV'95, pp.694-699, 1995. ,
Geodesic active contours, Int. J. Comput. Vis, vol.22, issue.1, pp.61-79, 1997. ,
Proper orthogonal decomposition and low-dimensional models for driven cavity flows, J. of Physics Fluids, vol.10, pp.1685-1699, 1998. ,
Active contours whitout edges, IEEE Trans. Image Processing, vol.10, issue.2, pp.266-277, 2001. ,
A multiphase level set framework for image segmentati0n using the mumford ans shah model, Int. J. Comput. Vis, vol.50, issue.3, pp.271-293, 2002. ,
Total variation wavelet inpainting, J. Math. Imaging and Vision, vol.25, issue.1, pp.107-125, 2006. ,
Numerical study of slightly viscous flow, J. Fluid Mech, vol.57, pp.785-796, 1973. ,
Tracking meteorological structures through curve(s) matching using geodesic paths, Proc. IEEE Int. Conf. Comput. Vis., ICCV'98, pp.396-401, 1998. ,
Non uniform multiresolution method for optical flow and phase portrait models : Environmental applications, Int. J. Comput. Vis, vol.33, issue.1, pp.29-49, 1999. ,
URL : https://hal.archives-ouvertes.fr/inria-00532728
On active contour models and balloons. Comput. Vision, Graphics, Image Proc. : Image Understanding, vol.53, pp.211-218, 1991. ,
Dense estimation of fluid flows, IEEE Trans. Pat. Anal. Mach. Intell, vol.24, issue.3, pp.365-380, 2002. ,
URL : https://hal.archives-ouvertes.fr/hal-00329724
Vortex methods : theory and practice, 2000. ,
Variational assimilation of meteorological observations with the direct and adjoint shallow-water equations, Tellus, vol.42, pp.531-549, 1990. ,
A variational framework for image segmentation combining motion estimation and shape regularization, Proc. IEEE Comput. Vis. and Pat. Rec. CVPR'03, vol.1, pp.53-58, 2003. ,
Motion competition : A variational framework for piecewise parametric motion segmentation, Int. J. Comput. Vis, vol.62, issue.3, pp.249-265, 2005. ,
Diffusion snakes : introducing statistical shape knowledge into the Mumford-Shah functional, Int. J. Comput. Vis, vol.50, issue.3, pp.295-313, 2002. ,
A low dimensional fluid motion estimator, Int. J. Comput. Vis, vol.75, issue.3, pp.329-349, 2007. ,
URL : https://hal.archives-ouvertes.fr/inserm-00140892
A stochastic filter for fluid motion tracking, Proc. IEEE Int. Conf. Comput. Vis., ICCV'05, vol.1, pp.396-402, 2005. ,
URL : https://hal.archives-ouvertes.fr/hal-00386461
Vortex and source particles for fluid motion estimation, Proc. Int. Conf. on Scale-Space and PDE methods in Comput. Vis., Scale-Space'05, pp.254-266, 2005. ,
URL : https://hal.archives-ouvertes.fr/hal-00386463
Modelos reducidos para el control de flujos con actuadores EHD, 2007. ,
Variational assimilation of pod loworder dynamical systems, J. of Turbulence, vol.8, 2007. ,
URL : https://hal.archives-ouvertes.fr/hal-00596160
Tracking deformable objects with unscented kalman filtering and geometric active contours, American Control Conf., ACC'06, 2006. ,
Théorie du mouvement non-permanent des eaux, avec application aux crues des rivières et à l'introduction des marées dans leur lit, C. R. Acad. Sc, vol.73, pp.147-154, 1871. ,
Low-dimensional models for complex geometry ows : Application to grooved channels and circular cylinders, J. of Physics Fluids, vol.3, pp.2337-2354, 1991. ,
Une application des methodes de côntrole, optimal à l'analyse variationnelle, Rapport Scientifique LAMP, vol.63170, 1982. ,
On sequential Monte Carlo sampling methods for Bayesian filtering, Statistics and Computing, vol.10, issue.3, pp.197-208, 2000. ,
Investigation of multigrid algorithms for the estimation of optical flow fields in image sequences, Comp. Vision Graph. and Image Proces, vol.43, pp.150-177, 1988. ,
Sequential data assimilation with a non linear quasigeostrophic model using Monte Carlo methods to forecast error statistics, J. Geophys. Res, vol.99, issue.C5, pp.143-153, 1994. ,
The ensemble kalman filter : theoretical formulation and practical implementation, Ocean Dynamics, vol.53, issue.4, pp.343-367, 2003. ,
Data Assimilation : The Ensemble Kalman Filter, 2006. ,
The karhunen-loeve procedure for gappy data, J. Opt. Soc. Am, vol.12, pp.1657-1664, 1995. ,
Trust-Region methods for flow control based on Reduced Order Modeling, 2001. ,
Coherent vortex extraction in 3d homogeneous isotropic turbulence : comparison between cvs and pod decompositions, J. of Physics Fluids, vol.15, issue.10, pp.2886-2896, 2003. ,
Fast and accurate motion estimation using orientation tensors and parametric motion models, Proc. Int. Conf. Pat. Rec., ICPR'00, vol.1, pp.1135-1139, 2000. ,
Very high accuracy velocity estimation using orientation tensors, parametric motion, and simultaneous segmentation of the motion field, Proc. IEEE Int. Conf. Comput. Vis., ICCV'01, vol.1, pp.171-177, 2001. ,
Assimilation variationnelle de données dans un modèle couplé océan-biogéochimie, 2002. ,
Image sequence processing -spatiotemporal motion boundary detection and motion boundary velocity estimation for tracking moving objects with a moving camera : A level sets pdes approach with concurrent camera motion compensation, IEEE Trans. Image Processing, vol.13, issue.11, pp.1473-1490, 2004. ,
On the interpretation of x 2 from contingency tables, and the calculation of p, J. Roy. Statistical Soc, vol.85, issue.1, pp.87-94, 1922. ,
Computation of component image velocity from local phase information, Int. J. Comput. Vis, vol.5, issue.1, pp.77-104, 1990. ,
Motion detection and estimation -active contours for tracking distributions, IEEE Trans. Image Processing, vol.13, issue.4, pp.518-526, 2004. ,
Constrained restoration and the recovery of discontinuities, IEEE Trans. Pat. Anal. Mach. Intell, vol.14, issue.3, pp.367-383, 1992. ,
Fast geodesic active contours, IEEE Trans. Image Processing, vol.10, issue.10, pp.1467-1475, 2001. ,
Sequential Monte Carlo methods in practice, 2001. ,
Novel approach to non-linear/non-gaussian bayesian state estimation, IEEE Processing-F, vol.140, issue.2, pp.107-113, 1993. ,
Uniformly high order accurate essentially non-oscillatory schemes, 111, J. of Comput. Phys, vol.71, issue.2, pp.231-303, 1987. ,
Dense estimation of layer motions in the atmosphere, Proc. Int. Conf. Pat. Rec., ICPR'06, vol.3, pp.1-4, 2006. ,
Layered estimation of atmospheric mesoscale dynamics from satellite imagery, IEEE Trans. Geoscience and Remote Sensing, 2007. ,
Time-consistent estimators of 2d/3d motion of atmospheric layers from pressure images, Research Report, vol.6292, 2007. ,
Optical flow using spatiotemporal filters, Int. J. Comput. Vis, vol.1, issue.4, pp.279-302, 1988. ,
Multimodal estimation of discontinuous optical flow using Markov random fields, IEEE Trans. Pat. Anal. Mach. Intell, vol.15, issue.12, pp.1217-1232, 1993. ,
URL : https://hal.archives-ouvertes.fr/inria-00075193
Estimation of a motion field on satellite images from a simplified ocean circulation model, Proc. Int. Conf. Image Processing, ICIP'06, pp.1077-1080, 2006. ,
URL : https://hal.archives-ouvertes.fr/inria-00604618
Variational methods for multimodal matching, Int. J. Comput. Vis, vol.50, issue.3, pp.329-343, 2002. ,
URL : https://hal.archives-ouvertes.fr/tel-00457459
Lecture notes on assimilation algorithms, 2003. ,
Robust regression using iteratively reweighted least-squares, Commun. Statis.-Theor. Meth, vol.6, issue.9, pp.813-827, 1977. ,
Turbulence, coherent structures, symmetry and dynamical systems, 1996. ,
An introduction to dynamic meteorology, 1992. ,
On a river hydraulics model and Lagrangian data assimilation, Proc. Int. Conf. on Adaptive Modeling and Simulation, ADMOS'05, 2005. ,
URL : https://hal.archives-ouvertes.fr/inria-00259911
Determining optical flow, Artificial Intelligence, vol.17, pp.185-203, 1981. ,
Data assimilation of satellite images within an oceanographic circulation model, Proc. IEEE Int. Conf. on Acoustics, Speech, and Signal Processing, 2006. ,
URL : https://hal.archives-ouvertes.fr/inria-00604108
Tracking deformable moving objects under severe occlusions, IEEE Conference on Decision and Control, 2004. ,
Spatio-tempooral image processing, Lecture Notes in Computer Science, vol.751, 1993. ,
New results in linear filtering and prediction theory, Trans. of the ASME -J. of Basic Engineering, vol.83, pp.93-108, 1961. ,
A new approach to linear filtering and prediction problems, Trans. of the ASME -J. of Basic Engineering, pp.35-45, 1960. ,
Snakes : Active contour models, Proc. IEEE Int. Conf. Comput. Vis., ICCV'87, pp.259-268, 1987. ,
Sequential parameter estimation for stochastic systems, Nonlinear Processes in Geophys, vol.10, pp.253-259, 2003. ,
URL : https://hal.archives-ouvertes.fr/hal-00302205
Variational dense motion estimation using the helmholtz decomposition, Proc. Int. Conf. on Scale-Space and PDE methods in Comput. Vis., Scale-Space'03, pp.432-448, 2003. ,
Sequential imputations and bayesian missing data problems, J. Am. Stat. Assoc, vol.89, issue.425, pp.278-288, 1994. ,
A third-order semidiscrete central scheme for conservation laws and convection-diffusion equations, SIAM J. Sci. Comput, vol.22, issue.4, pp.1461-1488, 2000. ,
New high-resolution central schemes for nonlinear conservation laws and convetion-diffusion equations, J. of Comput. Phys, vol.160, issue.1, pp.241-282, 2000. ,
Reliable and efficient computation of optical flow, Int. J. Comput. Vis, vol.29, issue.2, pp.87-105, 1998. ,
Assimilation de données pour les fluides géophysiques. MATA-PLI, Bulletin de la SMAI, vol.67, pp.35-55, 2002. ,
Variational algorithms for analysis and assimilation of meteorological observations : theoretical aspects, vol.38, pp.97-110, 1986. ,
Vortex methods for flow simulation, J. of Comput. Phys, vol.37, pp.289-335, 1980. ,
Statistical shape influence in geodesic active contours, Proc. IEEE Comput. Vis. and Pat. Rec. CVPR'00, 2000. ,
A third order central weno scheme for 2d conservation laws, Appl. Num. Math. : Trans. of IMACS, vol.33, issue.1-4, pp.415-421, 2000. ,
Non-oscillatory central schemes for the incompressible 2-D euler equations, Math. Res. Let, vol.4, pp.321-340, 1997. ,
Optimality of 4d-var and its relationship with the kalman filter and kalman smoother, Q. J. Roy. Meteorol. Soc, vol.127, issue.572, pp.661-683, 2001. ,
Contrôle optimal de systèmes gouvernés par des équations aux dérivées partielles. Dunod, 1968. ,
Optimal control of systems governed by PDEs, 1971. ,
An iterative image registration technique with an application to stereovision, Int. Joint Conf. on Artificial Intel. (IJCAI), pp.674-679, 1981. ,
Atmospheric Turbulence and Radio Wave Propagation, pp.166-178, 1967. ,
Shape modeling with front propagation : A level set approach, IEEE Trans. Pat. Anal. Mach. Intell, vol.17, issue.2, pp.158-175, 1995. ,
Region tracking via level set PDEs without motion computation, IEEE Trans. Pat. Anal. Mach. Intell, vol.24, issue.7, pp.947-961, 2003. ,
Pde-based region tracking without motion computation by joint space-time segmentation, Proc. Int. Conf. Image Processing, ICIP'03, pp.113-116, 2003. ,
Influence of the noise model on level set active contours segmentation, IEEE Trans. Pat. Anal. Mach. Intell, vol.26, issue.6, pp.799-803, 2004. ,
Performance of digital image velocimetry processing techniques, Experiments in fluids, vol.32, pp.106-115, 2002. ,
Ensemble kalman filters bring weather models up to date, SIAM News, vol.36, issue.8, 2003. ,
Dense estimation and object-based segmentation of the optical flow with robust techniques, IEEE Trans. Image Processing, vol.7, issue.5, pp.703-719, 1998. ,
Hierarchical estimation and segmentation of dense motion fields, Int. J. Comput. Vis, vol.46, issue.2, pp.129-155, 2002. ,
Motion tracking as spatio-temporal motion boundary detection, Robotics and Autonomous Systems, vol.43, issue.1, pp.39-50, 2003. ,
Optimal approximation by piecewise smooth functions and associated variational problems, Comm. Pure and Appl. Math, vol.42, pp.577-685, 1989. ,
An investigation of smoothness constraints for the estimation of displacement vector fields from image sequences, IEEE Trans. Pat. Anal. Mach. Intell, vol.8, pp.565-593, 1986. ,
Non-oscillatory central differencing for hyperbolic conservation laws, J. of Comput. Phys, vol.87, issue.2, pp.408-463, 1990. ,
Dynamic geodesic snakes for visual tracking, Proc. IEEE Comput. Vis. and Pat. Rec. CVPR'04, vol.1, pp.660-667, 2004. ,
Over parameterized optical-flow, 2006. ,
A hierarchy of lowdimensional models for the transient and post-transient cylinder wake, J. of Fluid Mech, vol.497, pp.335-363, 2003. ,
Robust multiresolution estimation of parametric motion models, J. of Visual Communication and Image Representation, vol.6, issue.4, pp.348-365, 1995. ,
Stochastic differential equations, 1998. ,
Geometric Level Set Methods in Imaging,Vision,and Graphics, 2003. ,
Fronts propagating with curvature dependent speed : Algorithms based on Hamilton-Jacobi formulation, J. of Comput. Physics, vol.79, pp.12-49, 1988. ,
, Projet d'assimilation par logiciel multi-methodes
Dynamically consistent optical flow estimation, Proc. IEEE Int. Conf. Comput. Vis., ICCV'07, 2007. ,
URL : https://hal.archives-ouvertes.fr/hal-00596200
A variational framework for spatio-temporal smoothing of fluid motions, Proc. Scale Space and Variational Methods, SSVM'07, pp.603-615, 2007. ,
URL : https://hal.archives-ouvertes.fr/hal-00655902
Variational optimal control technique for the tracking of deformable objects, Proc. IEEE Int. Conf. Comput. Vis., ICCV'07, 2007. ,
URL : https://hal.archives-ouvertes.fr/hal-00596203
A variational approach for object contour tracking. Variational, Geometric and Level Set Methods, VLSM'05, vol.3752, pp.259-270, 2005. ,
URL : https://hal.archives-ouvertes.fr/hal-00655852
Variational estimation of 2d time consistent dense motion from image sequence, 2007. ,
Image assimilation for motion estimation of atmospheric layers with shallow-water model, Proc. Asian Conf. Comput. Vis., ACCV'07, 2007. ,
URL : https://hal.archives-ouvertes.fr/hal-00596194
Highly accurate optic flow computation with theoretically justified warping, Int. J. Comput. Vis, vol.67, issue.2, pp.141-158, 2006. ,
Analyse spatio-temporelle d'images satellitaires météorologiques : détection et suivi de structures nuageuses critiques, 1999. ,
A level set approach for shape-driven segmentation and tracking of the left ventricle, IEEE Trans. on Med. Imaging, vol.22, issue.6, pp.773-776, 2003. ,
A PDE-based level set approach for detection and tracking of moving objects, Proc. IEEE Int. Conf. Comput. Vis., ICCV'98, pp.1135-1139, 1998. ,
URL : https://hal.archives-ouvertes.fr/inria-00073515
Geodesic active contours and level sets for the detection and tracking of moving objects, IEEE Trans. Pat. Anal. Mach. Intell, vol.22, pp.266-280, 2000. ,
Geodesic active regions : a new framework to deal with frame partition problems in computer vision, J. of Visual Communication and Image Representation, vol.13, pp.249-268, 2002. ,
Étude du couplage instationnaire calculs expériences en écoulements turbulents, 2004. ,
Polynomial identification of pod based low-order dynamical system, J. of Turbulence, vol.7, issue.17, pp.1-15, 2006. ,
URL : https://hal.archives-ouvertes.fr/hal-00017558
Robust tracking of position and velocity with Kalman snakes, IEEE Trans. Pat. Anal. Mach. Intell, vol.21, issue.6, pp.564-569, 1999. ,
Stochastic methods for sequential data assimilation in strongly nonlinear systems, Mon. Weather Rev, vol.129, pp.1194-1207, 2001. ,
URL : https://hal.archives-ouvertes.fr/inria-00073082
Low-dimensional description of free shear flow coherent structures and their dynamical behavior, J. of Fluid Mechanics, vol.258, pp.1401-1402, 1994. ,
Particle filtering for geometric active contours with application to tracking moving and deforming objects, Proc. IEEE Comput. Vis. and Pat. Rec. CVPR'05, vol.2, pp.2-9, 2005. ,
Investigations of boundary layer transition via galerkin projection of empirical eigenfunctions, J. of Physics Fluids, vol.8, pp.175-188, 1996. ,
Variational optical flow estimation for particle image velocimetry, Exp. Fluids, vol.38, issue.1, pp.21-32, 2005. ,
Variational estimation of experimental fluid flows with physics-based spatio-temporal regularization, Meas. Sci. Technol, vol.18, issue.3, pp.755-763, 2007. ,
Operational cloud-motion winds from meteosat infrared images, J. of Appl. Meteorology, vol.32, issue.7, pp.1206-1225, 1993. ,
Level set methods, 1996. ,
chapter Essentially non-oscillatory and weighted essentially non-oscillatory schemes for hyperbolic conservation laws, Lecture Notes in Mathematics, vol.1697, pp.325-432, 1998. ,
Distributed representation and analysis of visual motion, 1993. ,
Turbulence and the dynamics of coherent structures, part i-iii, Quarterly of Appl. Math, vol.45, issue.3, pp.561-590, 1987. ,
, Data Assimilation for Geophysical Flows, 2002.
New possibilities with sobolev active contours, Proc. Scale Space and Variationnal Methods, SSVM'07, pp.153-164, 2007. ,
Automatic generation of adjoint code ,
Variational assimilation. Adjoint equations, 2002. ,
URL : https://hal.archives-ouvertes.fr/hal-01507519
Variational assimilation of meteorological observations with the adjoint vorticity equation. I : Theory. Q, J. Roy. Meteorol. Soc, vol.113, pp.1311-1328, 1987. ,
Source-to-source f77 Automatic differentiation ,
A variance-minimizing filter for large-scale applications, Mon. Weather Rev, vol.131, pp.2071-2084, 2003. ,
Vers une prise en compte de l'erreur modèle en assimilation de données 4D-variationnelle, 2001. ,
Lucas/kanade meets horn/schunck : Combining local and global optic flow methods, Int. J. Comput. Vis, vol.61, issue.3, pp.211-231, 2005. ,
Variational optic-flow computation with a spatio-temporal smoothness constraint, J. Math. Imaging and Vision, vol.14, issue.3, pp.245-255, 2001. ,
Unsteady flow sensing and estimation via the gappy proper orthogonal decomposition, Computers and fluids, vol.35, issue.2, pp.208-226, 2005. ,
Anti-diffusive finite difference weno methods for shallow water with transport of pollutant, J. Comput. Math, vol.24, issue.3, pp.239-251, 2006. ,
Segmentation of deformable templates with level sets characterized by particle systems, Proc. Int. Conf. Pat. Rec., ICPR'98, pp.1421-1423, 1998. ,
URL : https://hal.archives-ouvertes.fr/inria-00423796
Discrete orthogonal decomposition and variational fluid flow estimation, J. Math. Imaging and Vision, vol.28, issue.1, pp.67-80, 2007. ,
The motion coherence theory, Proc. IEEE Int. Conf. Comput. Vis., ICCV'88, pp.344-353, 1988. ,
Segmentation and measurement of the cortex from 3-d mr images using coupled-surfaces propagation, IEEE Trans. on Med. Imaging, vol.18, issue.10, pp.927-937, 1999. ,
A variational level set approach to multiphase motion, J. of Comput. Phys, vol.127, pp.179-195, 1996. ,
An image morphing technique based on optimal mass preserving mapping, IEEE Trans. Image Processing, vol.16, issue.6, pp.1481-1495, 2007. ,
Liste des publications Journaux -J. D'adamo, N. Papadakis, É. Mémin et G. Artana -Variational assimilation of POD low-order dynamical systems, 19th Leeds Annual Statistical Research (LASR) Workshop "The Statistics of Directions, Shapes and Images, vol.8, 2000. ,
, Layered estimation of atmospheric mesoscale dynamics from satellite imagery -accepté pour publication dans IEEE Transactions on Geosciences and Remote Sensing
Papadakis et É. Mémin -A variational technique for time consistent tracking of curves and motion -soumis à, Journal of Mathematical Imaging and Vision ,
Mémin -An optimal control technique for fluid motion estimationsoumis à, SIAM Journal on Imaging Sciences ,
, Papadakis et É. Mémin -Data assimilation with the Weighted Ensemble Kalman Filter -soumis à IEEE transactions on Signal Processing
, Rapport de recherche -N. Papadakis et É. Mémin -A variational method for joint tracking of curve and motion -Rapport de Recherche INRIA, vol.6283, 2007.
Papadakis et É. Mémin -Time-consistent estimators of 2D/3D motion of atmospheric layers from pressure images -Rapport de Recherche INRIA, vol.6292, 2007. ,
, Conférences internationales -N. Papadakis, P. Héas et É. Mémin -Image assimilation for motion estimation of atmospheric layers with shallow-water model -Asian Conference on Computer Vision, ACCV'07, 2007.
, Papadakis et É. Mémin -Variational optimal control technique for the tracking of deformable objects -IEEE International Conference on Computer Vision, ICCV'07, 2007.
Mémin -Dynamically consistent optical flow estimation, IEEE International Conference on Computer Vision, ICCV'07, 2007. ,
Héas et É. Mémin -Motion estimation of 2D atmospheric layers with variational assimilation techniques -EUMETSAT/AMS Conference, 2007. ,
, Comparison of MSG atmospheric motion vector fields produced by different methods -EUMETSAT/AMS Conference, 2007.
Mémin -Dense estimation of motion fields on Meteosat Second Generation images using a dynamical consistency -IEEE Int, Geoscience and Remote Sensing Symp, IGARSS '07, 2007. ,
Mémin -A variational framework for spatio-temporal smoothing of fluid motions -Scale Space and Variational Methods, SSVM'07, 2007. ,
Mémin et N. Papadakis -A consistent spatio-temporal motion estimator for atmospheric layers -Scale Space and Variational Methods, SSVM'07, 2007. ,
Corpetti -Variational estimation of 2D time consistent dense motion from image sequence -European Geoscience Union, Nonlinear processes in geophysics, Data assimilation in the presence of nonlinearities, EGU'07, 2007. ,
, Papadakis -Dense estimation of layer motions in the atmosphere -International Conference on Pattern Recognition, ICPR'06, 2006.
, A variational approach for object contour tracking-Workshop on Variational and Level Set Methods of the 10th IEEE International Conference on Computer Vision, VLSM'05, 2005.
, Conférences nationales -N. Papadakis et É. Mémin -Estimation variationnelle et cohérente en temps de mouvements fluides -16ème Congrès Francophone AFRIF-AFIA de Reconnaissance des Formes et Intelligence Artificielle, RFIA'08, 2008.
Mémin -Estimation de champs de mouvement denses cohérents en temps à partir de séquences d'images -Colloque Météosat Seconde génération, 2007. ,