CS: Efficient and Guaranteed Rank Minimization by Atomic Decomposition, Sparse time-frequency distributions of chirps from CS, un sujet de these.

The Rice Compressive Sensing Resource page has changed its presentation. Check it out. I think they also have gone through the pain of updating where preprints have been eventually published. Kudos to them!

We also have two papers and an annoucement for a thesis (in french).

Efficient and Guaranteed Rank Minimization by Atomic Decomposition by Kiryung Lee and Yoram Bresler. The abstract reads:

Recht, Fazel, and Parrilo provided an analogy between rank minimization and ℓ0-norm minimization. Subject to a generalized restricted isometry property, nuclear norm minimization is a guaranteed heuristic for rank minimization. The resulting semidefinite formulation is a convex problem but in practice the algorithms for it do not scale well to large instances. Instead, we explore missing terms in the analogy and propose a new heuristic which is computationally efficient and also has a performance guarantee. The heuristic is based on the atomic decomposition of the matrix variable and extends the idea in the CoSaMP algorithm for ℓ0-norm minimization. The correlation maximization rule for CoSaMP is generalized to derive a new selection rule. Combined with the recent fast low rank approximation of matrices based on randomization, the proposed algorithm can efficiently handle large scale rank minimization problems.

Sparse time-frequency distributions of chirps from a compressed sensing perspective by Patrick Flandrin, Pierre Borgnat. The abstract reads:

Considering that multicomponent chirp signals are sparse in the time-frequency domain, it is possible to attach to them highly localized distributions thanks to a compressed sensing approach based on very few measurements in the ambiguity plane. The principle of the technique is described, with emphasis on the choice of the measurement subset for which an optimality criterion is proposed.

And this one annoucement for a thesis in French, let us note hte use of sensor development for UAVs.

 

Proposition de sujet de these a l'Office National d’Études et de Recherches Aérospatiales a Chatillon. Sujet: Conception conjointe optique/traitement pour imageurs compacts

Laboratoire d’accueil à l’ONERA :

Branche : TIS

Département : DTIM

Unité : EVS

Lieu (centre ONERA) : Châtillon

Responsable ONERA : Frédéric Champagnat (EVS)

Directeur de thèse universitaire envisagé:

RÉSUMÉ :

Les dernières années ont vu se développer de nouveaux concepts de capteurs optroniques [1] qui remettent en cause les compromis de prise d’image classiques (par exemple, temps de pause/ouverture [2]), en couplant une optique non standard (par exemple, une optique multi-voies de type oeil à facettes ou une optique de type axicon diffractif) à un traitement dédié, effectué le cas échéant au vol. Corrélativement, une intense réflexion est en cours dans la communauté du traitement de signal et de l’image sur des modes d’acquisition assurant une compacité optimale du signal délivré par le capteur, activité identifiée sous l’appellation « compressed sensing » [3]. Ces évolutions sont à l’origine du projet de recherche fédérateur ONERA SPIDER, portant sur la conception de composants de perception (capteur + traitement) embarquables par exemple sur des petits drones, pour l’interprétation dynamique d’événements et de situations en milieu urbain.

Le développement de tels composants remet en cause les cloisonnements classiques entre opticiens d'une part et traiteurs d'image d'autre part, et appelle à l'optimisation conjointe capteur+traitement. Cette thèse s'inscrit dans le projet SPIDER et se déroulera dans une équipe de traitement d’image du Département de Traitement de L’information et de Modélisation (DTIM) en collaboration avec une équipe d’opticiens du Département d’Optique Théorique et Appliquée (DOTA).

L’objectif de la thèse est de contribuer à l’étude de plusieurs de ces concepts et de leur apport éventuel pour les fonctionnalités nécessaires à un système autonome comme un petit drone d’observation (reconnaissance d’objets, interprétation de scène, ego-localisation, évitement d’obstacles). A moyen terme, les concepts les plus prometteurs seront retenus pour la réalisation d’un protoype capteur+traitement et sa démonstration....

Image Credit: NASA/JPL/Space Science Institute, photo of Titan taken three days ago by Cassini.