La propagation de lumière dans un réseau de guides s'effectue par couplages successifs et diffère ainsi fortement de la propagation en milieu libre. De plus, il existe, entre le formalisme du couplage optique décrivant cette propagation, de grandes similarités avec l'équation de Schrödinger. Nous utilisons ces similarités pour réaliser, dans des structures optiques composées de guides d'ondes, des analogies à des phénomènes quantiques. Les guides d'ondes sont analogues à des niveaux discrets d'énergie tandis que les constantes de couplage entre les guides sont analogues aux fréquences de Rabi des pulses laser couplant ces niveaux d'énergie. Pour la démonstration de ces analogies riches d'enseignement et potentiellement attractives pour des applications, il est intéressant de pouvoir disposer de structures optiques polyvalentes pouvant être reconfigurées. Notre approche est basée sur la réalisation de ces structures par la technique d'illumination latérale développée au laboratoire. Contrairement à la majorité des techniques d'inscriptions classiques (CVD, échange d'ions, inscription par laser femtoseconde, etc.) qui conduisent à des structures fixes et très difficilement modifiables, cette technique donne des structures reconfigurables. Elle consiste en l'éclairement contrôlé d'un cristal photoréfractif soumis à un champ électrique, permettant d'inscrire des guides grâce à la photo-conductivité du matériau et à l'effet Pockels. Dès lors, nous montrons qu'il est possible de réaliser au sein du même cristal, différentes structures de réseaux de guides, de design, périodicités et contrastes d'indice différents. Nous mettons ensuite à profit ces différents résultats pour la démonstration d'analogies à des effets quantiques. En premier lieu nous démontrons un transfert adiabatique de lumière similaire au phénomène de STIRAP ("STImulated Raman Adiabatic Passage"). La lumière, couplée à l'entrée dans un guide, est transférée à un guide de sortie éloigné, à travers plusieurs guides intermédiaires (jusqu'à neuf) si les constantes de couplage sont modulées longitudinalement dans un ordre dit "contre-intuitif". Nous utilisons ensuite ce transfert adiabatique de lumière pour la réalisation d'un diviseur de faisceau multi-ports, dont les ratios d'intensité dans les ports de sorties sont déterminés par le rapport des constantes de couplage de la structure. Nous démontrons également que ce diviseur de faisceau est très robuste et très largement achromatique sur plus de 200 nm. Puis, nous réalisons une analogie au phénomène d'EIT ("Electromagnetically Induced Transparency") dans une structure optique composée de trois guides. La présence d'un troisième guide très proche du deuxième empêche tout transfert de lumière depuis le premier guide qui devient alors "transparent". Enfin, en créant un désaccord dans les constantes de propagation longitudinale des trois guides, le transfert de lumière peut être réactivé pour deux valeurs particulières du désaccord, similairement à l'effet quantique Autler-Townes / The propagation of light in an array of waveguides differs strongly from the one in free space. In coupled waveguides, light propagation can be described using a coupled wave theory leading to an equation similar to the Schrödinger equation. We use this similarity in order to study optical-quantum analogies in waveguides array. Waveguides are analogous to discrete energy levels whereas coupling constants between the waveguides are similar to the Rabi frequencies of pulses that couple these levels. In order to demonstrate these analogies, versatile structures are highly desirable. However, all conventional techniques of waveguide inscription (CVD, ion/proton exchange or photo-inscription using femtosecond laser) provide static and non reconfigurable structures. Our approach is based on a proper lateral illumination of a biased photorefractive crystal. The photo-induction of the structure is possible thanks to the crystal photo-conductivity and the Pockels effect. Thus, we show that, using our approach, different versatile structures can be realized in the same sample. We use these structures in order to demonstrate different quantum optical analogies. Firstly, we investigate an optical analogy to the STIRAP effect (STImulated Raman Adiabatic Passage). The light, initially injected into the first waveguide, is transferred to the last waveguide through an array composed of up to nine waveguides. This transfer is achieved only if the longitudinally modulated coupling constants are arranged in a counter-intuitive order. Moreover, we use this analogy to demonstrate theoretically and experimentally an achromatic beam splitter where the intensity ratio in the output ports depends only on the ratio of the coupling constants. We also realize an analogy to the EIT effect (Electromagnetically Induced Transparency) in an optical structure composed of three coupled waveguides. If the third waveguide is placed very close to the second one, light transfer from the first becomes "transparent". Finally, we demonstrate that by detuning the propagation constant of the first waveguide, the light transfer can be re-activated for two particular values of the detuning in analogy to the Autler-Townes effect

Bien qu'ayant suscité des recherches depuis 30 ans, le problème de la reconnaissance de visages en contexte de vidéosurveillance, sachant qu'une seule image par individu est disponible pour l'enrôlement, n'est pas encore résolu. Dans ce contexte, les deux dés les plus diciles à relever consistent à développer des algorithmes robustes aux variations d'illumination et aux variations de pose. De plus, il y a aussi une contrainte forte sur la complexité en temps et en occupation mémoire des algorithmes à mettre en oeuvre dans de tels systèmes. Le travail développé dans cette thèse apporte plusieurs avancées innovantes dans ce contexte de reconnaissance faciale en vidéosurveillance. Premièrement, une méthode de normalisation des variations d'illumination visant à simuler les performances de la rétine est proposée en tant que pré-traitement des images faciales. Deuxièmement, nous proposons un nouveau descripteur appelé POEM (Patterns of Oriented Edge Magnitudes) destiné à représenter les structures locales d'une image. Ce descripteur est discriminant, robuste aux variations extérieures (variations de pose, d'illumination, d'expression, d'âge que l'on rencontre souvent avec les visages). Troisièmement, un modèle statistique de reconnaissance de visages en conditions de pose variables, centré sur une modélisation de la manière dont l'apparence du visage évolue lorsque le point de vue varie, est proposé. Enn, une nouvelle approche visant à modéliser les relations spatiales entre les composantes du visage est présentée. A l'exception de la dernière approche, tous les algorithmes proposés sont très rapides à calculer et sont donc adaptés à la contrainte de traitement temps réel des systèmes de vidéosurveillance.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Cette thèse, située dans le cadre de la synthèse d'images de paysages, est consacrée à des représentations d'arbres adaptées soit au rendu de haute-qualité, soit au rendu temps réel. Les techniques de modélisation d'arbres donnent à ce jour de bons résultats en termes de diversité d'espèces et de formes représentables. Cependant, leur représentation géométrique nécessite une multitude de polygones représentant des détails fins, source d'un coût de calcul important et de gros problèmes d'aliassage lors du rendu de l'image. Pourtant, la construction de niveaux de détails par simplification de maillage ne peut s'appliquer à un arbre sans en modifier l'opacité et l'illumination globale, à cause du caractère disparate et non continu du feuillage. En suivant l'idée de représenter un ensemble de primitives (feuilles ou branches) par paquet intégrant les aspects géométriques et photométriques, nous avons conçu deux nouvelles représentations. La première, destinée au rendu haute-qualité, est basée sur le calcul analytique du modèle d'illumination global d'une géométrie représentant un rameau d'aiguilles de conifère. En nous servant des connaissances a priori concernant la distribution géométrique des aiguilles, nous avons mis au point une hiérarchie de trois shaders capables de représenter à une échelle donnée les effets cumulés des niveaux plus fins, sans avoir à les échantillonner, et en tenant compte de l'auto-ombrage et de la visibilité. Le caractère analytique de ces shaders permet à la fois d'accélérer considérablement les temps de calcul et d'obtenir des images de qualité, en particulier avec très peu d'aliassage. La deuxième, destinée au rendu temps réel, se compose d'une hiérarchie d'images correspondant à l'échantillonnage des directions de vue et de lumière, que nous affichons à l'aide de billboards en interpolant les images. Nous y associons une structure de visibilité pré-calculée, basée sur des cubes de visibilité, pour traiter l'auto-ombrage et l'ombrage en temps interactif. Notre implémentation permet l'affichage interactif d'une forêt de 1000 arbres avec illumination, auto-ombrage, ombrage, et avec possibilité de déplacer interactivement la source de lumière

Depuis quelques années, les techniques d'imagerie de fluorescence font l'objet d'une attention particulière, celles-ci permettant d'étudier de manière non invasive un nombre important de processus cellulaires. En particulier, les techniques de fluorescence en rétrodiffusion (FRI pour Fluorescence Reflectance Imaging) présentent plusieurs avantages en termes de facilité de mise en oeuvre, de rapidité et de coût, mais elles sont aussi sujettes à des limites fortes : la pénétration des tissus reste relativement faible (quelques millimètres seulement), et il est impossible d'avoir une information quantitative du fait de la diffusion des photons. L'objectif de cette thèse a été de réduire les effets des signaux parasites afin d'améliorer les performances de la FRI aussi bien au niveau du contraste que de la résolution. Pour ce faire nous avons décidé d'utiliser de nouvelles techniques d'illumination et de détection. Contrairement aux systèmes classiques qui utilisent une illumination et une détection large champ, nous balayons l'objet d'étude avec une ligne laser, des images étant acquises à chaque position de la ligne. On a alors accès à une pile d'images contenant un nombre d'informations bien plus important que dans le cas classique. Trois axes ont été suivis pour l'exploitation de ces informations. Les méthodes développées ont été testées en simulation avec le logiciel NIRFAST et un algorithme de Monte-Carlo mais aussi expérimentalement. Les validations expérimentales ont été réalisées sur fantômes optiques et en in vivo sur petit animal en les comparant à une illumination uniforme plus classique. En améliorant à la fois le contraste et la résolution, ces différentes méthodes nous permettent d'obtenir de l'information exploitable plus loin en profondeur en réduisant les effets néfastes des signaux parasites et de la diffusion. / Intraoperative fluorescence imaging in reflectance geometry is an attractive imaging modality to noninvasively monitor fluorescence-targeted tumors. However, in some situations, this kind of imaging suffers from a lack of depth penetration and a poor resolution due to the diffusive nature of photons in tissue. The objective of the thesis was to tackle these limitations. Rather than using a wide-field illumination like usual systems, the technique developed relies on the scanning of the medium with a laser line illumination and the acquisition of images at each position of excitation. Several detection schemes are proposed to take advantage of the stack of images acquired to enhance the resolution and the contrast of the final image. These detection techniques were tested both in simulation with the NIRFAST software and a Monte-Carlo algorithm and experimentally. The experimental validation was performed on tissue-like phantoms and in vivo with a preliminary testing. The results are compared to those obtained with a classical wide-field illumination. As they enhance both the contrast and the resolution, these methods allow us to image deeper targets by reducing the negative effects of parasite signals and diffusion.

Cette thèse porte sur la mise en correspondance stéréoscopique ainsi que sur son application à la détection des obstacles routiers à partir d'un système de vision stéréoscopique. La mise en correspondance est une étape cruciale dans la reconstruction de la structure tridimensionnelle de la scène observée. Elle consiste à retrouver les pixels homologues dans deux images prises de deux points de vue différents, et se ramène à un problème d'estimation d'un champ de disparité. La première partie de ma thèse a porté sur l'estimation de la disparité, dans le cadre d'une approche ensembliste, en minimisant une fonction objective convexe sur l'intersection d'ensembles convexes, construits à partir des connaissances a priori et des observations. Dans la plupart des applications de stéréovision, le champ de disparité doit être lisse dans les zones homogènes et les zones faiblement texturées. L'une de nos contributions a consisté à proposer différentes contraintes de régularisation satisfaisant cette propriété. Pour résoudre le problème d'optimisation considéré, nous utilisons un algorithme efficace itératif par bloc. La deuxième partie traite du problème d'estimation de la disparité en présence de changements d'illumination dans la scène observée. Nous considérons pour cela un modèle d'illumination multiplicatif qui permet de compenser les variations spatiales de luminosité de la scène. Enfin, dans la troisième partie, nous appliquons notre méthode d'estimation de la disparité robuste aux variations d'illumination pour la détection des obstacles routiers.

Les techniques d'analyse du visage nécessitent généralement une représentation pertinente des images, notamment en passant par des techniques de réduction de la dimension, intégrées dans des schémas plus globaux, et qui visent à capturer les caractéristiques discriminantes des signaux. Dans cette thèse, nous fournissons d'abord une vue générale sur l'état de l'art de ces modèles, puis nous appliquons une nouvelle méthode intégrant une approche non-linéaire, Kernel Similarity Principle Component Analysis (KS-PCA), aux Modèles Actifs d'Apparence (AAMs), pour modéliser l'apparence d'un visage dans des conditions d'illumination variables. L'algorithme proposé améliore notablement les résultats obtenus par l'utilisation d'une transformation PCA linéaire traditionnelle, que ce soit pour la capture des caractéristiques saillantes, produites par les variations d'illumination, ou pour la reconstruction des visages. Nous considérons aussi le problème de la classification automatiquement des poses des visages pour différentes vues et différentes illumination, avec occlusion et bruit. Basé sur les méthodes des représentations parcimonieuses, nous proposons deux cadres d'apprentissage de dictionnaire pour ce problème. Une première méthode vise la classification de poses à l'aide d'une représentation parcimonieuse active (Active Sparse Representation ASRC). En fait, un dictionnaire est construit grâce à un modèle linéaire, l'Incremental Principle Component Analysis (Incremental PCA), qui a tendance à diminuer la redondance intra-classe qui peut affecter la performance de la classification, tout en gardant la redondance inter-classes, qui elle, est critique pour les représentations parcimonieuses. La seconde approche proposée est un modèle des représentations parcimonieuses basé sur le Dictionary-Learning Sparse Representation (DLSR), qui cherche à intégrer la prise en compte du critère de la classification dans le processus d'apprentissage du dictionnaire. Nous faisons appel dans cette partie à l'algorithme K-SVD. Nos résultats expérimentaux montrent la performance de ces deux méthodes d'apprentissage de dictionnaire. Enfin, nous proposons un nouveau schéma pour l'apprentissage de dictionnaire adapté à la normalisation de l'illumination (Dictionary Learning for Illumination Normalization: DLIN). L'approche ici consiste à construire une paire de dictionnaires avec une représentation parcimonieuse. Ces dictionnaires sont construits respectivement à partir de visages illuminées normalement et irrégulièrement, puis optimisés de manière conjointe. Nous utilisons un modèle de mixture de Gaussiennes (GMM) pour augmenter la capacité à modéliser des données avec des distributions plus complexes. Les résultats expérimentaux démontrent l'efficacité de notre approche pour la normalisation d'illumination. / Face analysis techniques commonly require a proper representation of images by means of dimensionality reduction leading to embedded manifolds, which aims at capturing relevant characteristics of the signals. In this thesis, we first provide a comprehensive survey on the state of the art of embedded manifold models. Then, we introduce a novel non-linear embedding method, the Kernel Similarity Principal Component Analysis (KS-PCA), into Active Appearance Models, in order to model face appearances under variable illumination. The proposed algorithm successfully outperforms the traditional linear PCA transform to capture the salient features generated by different illuminations, and reconstruct the illuminated faces with high accuracy. We also consider the problem of automatically classifying human face poses from face views with varying illumination, as well as occlusion and noise. Based on the sparse representation methods, we propose two dictionary-learning frameworks for this pose classification problem. The first framework is the Adaptive Sparse Representation pose Classification (ASRC). It trains the dictionary via a linear model called Incremental Principal Component Analysis (Incremental PCA), tending to decrease the intra-class redundancy which may affect the classification performance, while keeping the extra-class redundancy which is critical for sparse representation. The other proposed work is the Dictionary-Learning Sparse Representation model (DLSR) that learns the dictionary with the aim of coinciding with the classification criterion. This training goal is achieved by the K-SVD algorithm. In a series of experiments, we show the performance of the two dictionary-learning methods which are respectively based on a linear transform and a sparse representation model. Besides, we propose a novel Dictionary Learning framework for Illumination Normalization (DL-IN). DL-IN based on sparse representation in terms of coupled dictionaries. The dictionary pairs are jointly optimized from normally illuminated and irregularly illuminated face image pairs. We further utilize a Gaussian Mixture Model (GMM) to enhance the framework's capability of modeling data under complex distribution. The GMM adapt each model to a part of the samples and then fuse them together. Experimental results demonstrate the effectiveness of the sparsity as a prior for patch-based illumination normalization for face images.