avis de soutenance

UNIVERSITE DE TECHNOLOGIE DE BELFORT-MONTBELIARD
Ecole Doctorale Sciences Physiques pour l'Ingénieur et Microtechniques
IRTES SET
AVIS DE SOUTENANCE
Monsieur Hongjian WANG
Candidat au DOCTORAT Informatique
à l'UNIVERSITE DE TECHNOLOGIE DE BELFORT-MONTBELIARD
Soutiendra sa thèse
Le jeudi 03 décembre 2015 à 10h30
Amphithéâtre I102 - BELFORT
Sur le sujet suivant :
« Cellular matrix for parallel k-means and local search to Euclidean grid
matching »
Le jury est composé de :
Monsieur Andre ROSSI, PROFESSEUR DES UNIVERSITES
UNIVERSITE ANGERS, Rapporteur
Monsieur Jean-Francois NEZAN, PROFESSEUR DES UNIVERSITES
INST NAT SC APPLIQ RENNES, Rapporteur
Monsieur Rene SCHOTT, PROFESSEUR DES UNIVERSITES
UNIVERSITE LORRAINE
Monsieur Yassine RUICHEK, PROFESSEUR DES UNIVERSITES
UNIV TECHN BELFORT MONTBELIARD
Monsieur Jean-Charles CREPUT, MAITRE DE CONFERENCES DES UNIVERSITES, HDR
UNIV TECHN BELFORT MONTBELIARD
Monsieur Fan YANG, PROFESSEUR DES UNIVERSITES
UNIVERSITE DIJON BOURGOGNE
Monsieur Lhassane IDOUMGHAR, PROFESSEUR DES UNIVERSITES
UNIVERSITE MULHOUSE HAUTE ALSACE
Résumé
Dans cette thèse, nous proposons un modèle de calcul parallèle, appelé « matrice cellulaire », pour apporter des
réponses aux problématiques de calcul parallèle appliqué à la résolution de problèmes d'appariement de graphes
euclidiens. Ces problèmes d'optimisation NP-difficiles font intervenir des données réparties dans le plan et des
structures élastiques représentées par des graphes qui doivent s'apparier aux données. Ils recouvrent des
problèmes connus sous des appellations diverses telles que geometric k-means, elastic net, topographic mapping,
elastic image matching. Ils permettent de modéliser par exemple le problème du voyageur de commerce euclidien,
le problème du cycle médian, ainsi que des problèmes de mise en correspondance d'images.
La contribution présentée est divisée en trois parties. Dans la première partie, nous présentons le modèle de
matrice cellulaire qui partitionne les données et définit le niveau de granularité du calcul parallèle. Nous présentons
une boucle générique de calcul parallèle qui modélise le principe des projections de graphes et de leur appariement.
Dans la deuxième partie, nous appliquons le modèle de calcul parallèle aux algorithmes de k-means avec topologie
dans le plan. Les algorithmes proposés sont appliqués au voyageur de commerce, à la génération de maillage
structuré et à la segmentation d'image suivant le concept de superpixel. L'approche est nommée superpixel
adaptive segmentation map (SPASM). Dans la troisième partie, nous proposons un algorithme de recherche locale
parallèle, appelé distributed local search (DLS). La solution du problème résulte des opérations locales sur les
structures et les données réparties dans le plan, incluant des évaluations, des recherches de voisinage, et des
mouvements structurés. L'algorithme est appliqué à des problèmes d'appariement de graphe tels que le stéréomatching et le problème de flot optique.
____________________________________________________________________________________
Abstract
In this thesis, we propose a parallel computing model, called "cellular matrix", to provide answers to problematic
issues of parallel computation when applied to Euclidean graph matching problems. These NP-hard optimization
problems involve data distributed in the plane and elastic structures represented by the graphs that must match the
data. They include problems known under various names, such as geometric k-means, elastic net, topographic
mapping, and elastic image matching. The Euclidean traveling salesman problem (TSP), the median cycle problem,
and the image matching problem are also examples that can be modeled by graph matching.
The contribution presented is divided into three parts. In the first part, we present the cellular matrix model that
partitions data and defines the level of granularity of parallel computation. We present a generic loop for parallel
computations, and this loop models the projection between graphs and their matching. In the second part, we apply
the parallel computing model to k-means algorithms in the plane extended with topology. The proposed algorithms
are applied to the TSP, the structured mesh generation, and image segmentation following the concept of
superpixel. The approach is called superpixel adaptive segmentation map (SPASM). In the third part, we propose a
parallel local search algorithm, called distributed local search (DLS). The solution results from the many local
operations, including local evaluation, neighborhood search, and structured move, performed on the distributed data
in the plane. The algorithm is applied to Euclidean graph matching problems including stereo matching and optical
flow.