Reconstruction adaptative du signal par optimisation convexe

par Dmitrii Ostrovskii

Projet de thèse en Mathématiques Appliquées

Sous la direction de Anatoli Iouditski et de Laurent Desbat.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble) , en partenariat avec Laboratoire Jean Kuntzmann (laboratoire) et de Statistique et Modélisation Stochastique (equipe de recherche) depuis le 01-10-2014 .


  • Résumé

    Il s'agit d'étudier les propriétés du non linéaire adaptatif filtrage dans le problème de restauration d'image et de signal à partir d'observations indirectes (incomplètes et floues). L'objectif de ce travail est double. Tout d'abord, les propriétés statistiques d'algorithmes proposés doivent être étudiées sous différents hypothèses faite sur les types d'observables et les classes de signaux. Deuxièmement, nous nous efforçons de concevoir la mise en œuvre de filtre adaptatif rapide en utilisant des algorithmes itératifs d'optimisation qui doivent permet de traiter efficacement les données à très grande échelle.

  • Titre traduit

    Adaptive signal recovery by convex optimization


  • Résumé

    The subject of the thesis is to explore the properties of the adaptive nonlinear filter in the problem of signal and image recovery from indirect (incomplete and blurry) observations. The objective of this work is twofold. First, the statistical properties of the proposed algorithms should be studied under various observation and signal scenarios. Second, we aim to devise fast adaptive filter implementation through iterative saddle-point optimization which allow to treat efficiently large-scale data.