Search

Your search keyword '"Cexus, Jean-Christophe"' showing total 4 results
Start Over Author "Cexus, Jean-Christophe" Topic [info.info-ts]computer science [cs]/signal and image processing
4 results on '"Cexus, Jean-Christophe"'

1. étude statistique du fouillis de mer à partir de lois alpha-stables

Author

Fiche, Anthony, Khenchaf, Ali, Cexus, Jean-Christophe, Martin, Arnaud, Rochdi, Majid, Lab-STICC_ENSTAB_MOM_PIM, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Human-machine spoken dialogue (CORDIAL), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes 1 (UR1), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-INRIA Rennes, Institut National de Recherche en Informatique et en Automatique (Inria)-École Nationale Supérieure des Sciences Appliquées et de Technologie (ENSSAT), Département STIC [Brest] (STIC), École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne), Extraction et Exploitation de l'Information en Environnements Incertains (E3I2), Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-INRIA Rennes

Subjects
spectre d'Elfouhaily, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, distribution á-stable, modèle statistique, fouillis de mer, Electrical and Electronic Engineering, optique physique, surface équivalente radar, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Abstract

WOS; International audience; Dans cet article, en vue d'une problématique de surveillance maritime, nous proposons de caractériser le fouillis de mer en utilisant une approche statistique. En général, l'étude statistique du fouillis de mer nécessite d'avoir des moyens matériels importants, installés dans un environnement maritime, permettant d'acquérir une base de signaux réels diffusés par une surface maritime. Par conséquent, dans ce papier, nous choisissons d'une part, de générer une surface maritime à partir du spectre d'Elfouhaily. D'autre part, l'optique physique est utilisée pour calculer le coefficient de diffusion d'une surface maritime. Dans ce sens, une base de données de coefficient de diffusion est ainsi constituée, pour des caractéristiques électromagnétiques de l'eau de mer fixées, en faisant varier la géométrie d'observation, la polarisation de l'onde (à l'émission et à la réception), la vitesse du vent et la direction du vent. Pour analyser la distribution des coefficients de diffusion électromagnétique, nous proposons l'utilisation pour la première fois, de la loi -stable que nous comparons aux résultats obtenus avec les distributions statistiques généralement utilisées : la loi de Weibull et la loi . Le test de Kolmogorov-Smirnov permet d'affirmer que le modèle alpha-stable est le plus adapté à notre base de données. Par conséquent, nous regardons plus particulièrement l'influence de la polarisation, de la vitesse du vent et de la direction du vent sur les paramètres des distributions -stables. Le paramètre de position delta permet notamment de discriminer les densités de probabilité du paramètre pour certaines configurations.

Published
2013

2. Analysis of non-stationnary signals with Huang-Transform, Teager-Kaiser Operator, and Teager-Huang Transform (THT)

Author

Cexus, Jean-Christophe, Institut de Recherche de l'Ecole Navale (IRENAV), Université de Bordeaux (UB)-Institut Polytechnique de Bordeaux-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Arts et Métiers Sciences et Technologies, HESAM Université (HESAM)-HESAM Université (HESAM), Extraction et Exploitation de l'Information en Environnements Incertains (E3I2), École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne), Université Rennes 1, and M. Ali KHENCHAF(Ali.Khenchaf@ensieta.fr / boudra@ecole-navale.fr)

Subjects
[SPI.ACOU]Engineering Sciences [physics]/Acoustics [physics.class-ph], nonstationary signals, opérateur (croisée) de Teager-Kaiser, Fréquence instantanée, Signal non-stationnaire, détection, débruitage, Teager-Huang Transform, [PHYS.MECA.ACOU]Physics [physics]/Mechanics [physics]/Acoustics [physics.class-ph], classification de signaux, Teager-Kaiser Operator, classification, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Decomposition modale empirique, Transformation de Huang-Teager (THT), Time-frequency, sonar targets recognition, Analyse temps-fréquence, Empirical mode decomposition (EMD), Signal multi-composantes, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Abstract

The objective rests on the treatment and analyzes nonstationary signals, multi-components. For the treatment (filtering and denoising), we propose new tools based on the Huang-Transform (or empirical modal Decomposition: EMD). On the basis of the Teager-Kaiser Energy Operator, we propose a new operator of measurement of interaction between two complex signals. We establish the theoretical properties with the time-frequency distributions of the class of Cohen. We show that it is a measurement of similarity and that it is adapted to the detection of signals. For the analysis, we introduce a new method time-frequency based on the joint use of the EMD and the Teager-Kaiser operator: the Huang-Teager Transform (THT). To illustrate these concepts, of the results of filtering, denoising, detection, analysis time-frequency of signals are presented. We finish by the analysis and classification of the echoes of targets sonars by THT.; L'objectif repose sur le traitement et l'analyse des signaux non-stationnaires, multi-composantes. Pour le traitement (filtrage et débruitage), nous proposons de nouveaux outils fondés sur la Transformation de Huang (ou Décomposition modale empirique : EMD). Partant de l'opérateur de Teager-Kaiser, nous proposons un nouvel opérateur de mesure d'interaction entre deux signaux complexes. Nous établissons les liens théoriques avec les représentations temps-fréquence de la classe de Cohen. Nous montrons que c'est une mesure de similarité et qu'il est adapté à la détection de signaux. Pour l'analyse, nous introduisons une nouvelle méthode temps-fréquence basée sur l'utilisation conjointe de l'EMD et de l'opérateur de Teager-Kaiser : la Transformation de Huang-Teager (THT). Pour illustrer ces concepts, des résultats de filtrage, de débruitage, de détection, d'analyse temps-fréquence de signaux sont présentés. Nous terminons par l'analyse et classification des échos de cibles sonars par THT.

Published
2005

3. Estimation d'un mélange de distributions alpha-stables à partir de l'algorithme EM

Author

Anthony Fiche, Arnaud Martin, Jean-Christophe Cexus, Ali Khenchaf, Lab-STICC_ENSTAB_MOM_PIM, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Ecole Nationale Supérieure des Ingénieurs des Etudes et Techniques d'Armement (Ensieta), Lab-STICC_ENSTAB_CID_TOMS, Human-machine spoken dialogue (CORDIAL), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes 1 (UR1), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-INRIA Rennes, Institut National de Recherche en Informatique et en Automatique (Inria)-École Nationale Supérieure des Sciences Appliquées et de Technologie (ENSSAT), and Cexus, Jean-Christophe

Subjects
Fonctions de croyance continues, [STAT.TH] Statistics [stat]/Statistics Theory [stat.TH], [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, [SPI.ELEC] Engineering Sciences [physics]/Electromagnetism, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, [SPI.ELEC]Engineering Sciences [physics]/Electromagnetism, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], Mélange de distributions, Algorithme EM, distributions α-stables, [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, [MATH.MATH-ST] Mathematics [math]/Statistics [math.ST], [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Abstract

International audience; Le modèle Gaussien est souvent utilisé dans de nombreuses applications. Cependant, cette hypothèse est réductrice. Par exemple, il est possible que les données fournies par des capteurs ne soient pas symétriques et/ou présentent une décroissance rapide au niveau de la queue de la distribution. De plus, il est rare que la densité de probabilité représentant les données soit unimodale. Il existe des algorithmes permettant l'estimation d'un mélange de distributions. L'algorithme Espérance-Maximisation (EM) permet entre autre d'estimer un mélange de distributions Gaussiennes. Nous proposons dans ce papier d'étendre l'algorithme EM pour estimer un mélange de distributions α-stables. Un des objectifs futurs de ce papier est d'appliquer la notion de fonctions de croyance continues sachant que les informations fournies par les sources peuvent être modélisées par un mélange de densité de probabilité α-stables.

Published
2010

4. Segmentation d'images sonar par matrice de co-occurrence

Author

Mbark Iggane, Driss Mammass, Ali Khenchaf, Jean-Christophe Cexus, Laboratoire Image et Reconnaissance de Formes - Systèmes Intelligents et Communicants (IRF-SIC), Université Ibn Zohr [Agadir], IRF - SIC, Faculté des Sciences, Université Ibn Zohr, Agadir, Université Ibn Zohr [Agadir]-Université Ibn Zohr [Agadir], Lab-STICC_ENSTAB_MOM_PIM, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Lab-STICC_ENSTAB_CID_TOMS, and Cexus, Jean-Christophe

Subjects
matrice de co-occurrence, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, Texture, sonar, K-means, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Abstract

National audience; L'automatisation de la détection et de l'identification des objets reposant sur les fonds marin est réalisée grâce à une analyse de la forme de l'ombre acoustique que produise ces objets sur les images sonar. Par conséquent, une première étape de segmentation s'avère indispensable car elle conditionne la qualité de l'interprétation qui va suivre. A cette fin, nous proposons dans ce papier d'effectuer une segmentation de l'image sonar en 2 classes : le fond et l'ombre de l'objet. La méthode adoptée pour segmenter ce type d'image repose sur l'analyse statistique de la texture couplée à une classification par la méthode de k-means. Ceci consiste, dans un premier temps, à faire parcourir l'image sonar par une fenêtre glissante, et à calculer les paramètres de texture en chaque pixel, en utilisant une méthode d'extraction des caractéristiques comme les matrices de co-occurrence, afin d'obtenir les vecteurs caractéristiques de l'image. La répartition des ces vecteurs en utilisant l'algorithme de k-means en 2 classes permet de classer les pixels de l'image comme faisant partie ou non de l'ombre produit par l'objet.

Published
2009

Catalog

Books, media, physical & digital resources
See catalog results