Marianne Al Hayek
Marianne Al Hayek has a total of 4 co-authors. Here are the top co-authors by number of shared publications:
Bachar El Hassan
Faculty of Engineering, Lebanese University, Tripoli, Lebanon
1 shared publication- Catherine Baskiotis
L@bISEN, LSL Team, Yncrea Ouest, Brest, France
1 shared publication Josselin Aval
L@bISEN, LSL Team, Yncrea Ouest, Brest, France
1 shared publication- Marwa El Bouz
LightScatterLearning (LSL) group, L@bISEN, ISEN Ouest, Brest, France
1 shared publication
Latest Publications
- 8 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Modélisation optique de signatures spectrales et polarimétriques d'objets pour augmenter les performances d'un système de reconnaissance
L’imagerie conventionnelle, qui se limite aux formes et couleurs des objets, montre ses limites en matière de reconnaissance. Pour améliorer les performances des systèmes d’imagerie, l’imagerie hyperspectrale et polarimétrique apporte une richesse d’informations, notamment des grandeurs physiques difficiles à obtenir autrement. Cela permet d’améliorer la détection, la caractérisation quantitative et la classification des objets. Cependant, le traitement des données complexes de ces modalités reste un défi. L’objectif de ce travail est de proposer une méthodologie générique pour analyser les signaux optiques, en se concentrant sur l’imagerie hyperspectrale (HSI) en premier terme. Une classification originale des modèles hyperspectraux inversibles basés sur la physique est présentée, avec description des modèles variés les plus récents pour des applications diverses : MPBOM pour le biofilm d’algues et de bactéries, MARMIT pour le sol, PROSPECT pour les feuilles de plantes, Farrell pour les tissus biologiques turbides, Schmitt pour la peau humaine et Hapke pour les objets du système solaire. Une convergence entre les modèles PROSPECT et Farrell pour des objets intermédiaires (pomme verte et poireau) ouvrant la voie au développement d’une nouvelle modélisation générique et complète. Notamment dans le domaine de la biologie, par une collaboration avec le laboratoire de l’ANSES, nous avons procédé à une détection précoce suivie d’une quantification du biofilm qui se forme dans les bassins d’élevage de poissons en utilisant l’imagerie hyperspectrale et polarimétrique du fait que sa détection actuelle est visuelle et n’est pas assez efficace pour prévenir son accumulation et pour mettre en place des procédures de nettoyage et de désinfection. Ainsi une première version d’une modélisation physique propre nommée "DNA-HSI" a été mise en place.
- 8 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Modélisation optique de signatures spectrales et polarimétriques d'objets pour augmenter les performances d'un système de reconnaissance
L’imagerie conventionnelle, qui se limite aux formes et couleurs des objets, montre ses limites en matière de reconnaissance. Pour améliorer les performances des systèmes d’imagerie, l’imagerie hyperspectrale et polarimétrique apporte une richesse d’informations, notamment des grandeurs physiques difficiles à obtenir autrement. Cela permet d’améliorer la détection, la caractérisation quantitative et la classification des objets. Cependant, le traitement des données complexes de ces modalités reste un défi. L’objectif de ce travail est de proposer une méthodologie générique pour analyser les signaux optiques, en se concentrant sur l’imagerie hyperspectrale (HSI) en premier terme. Une classification originale des modèles hyperspectraux inversibles basés sur la physique est présentée, avec description des modèles variés les plus récents pour des applications diverses : MPBOM pour le biofilm d’algues et de bactéries, MARMIT pour le sol, PROSPECT pour les feuilles de plantes, Farrell pour les tissus biologiques turbides, Schmitt pour la peau humaine et Hapke pour les objets du système solaire. Une convergence entre les modèles PROSPECT et Farrell pour des objets intermédiaires (pomme verte et poireau) ouvrant la voie au développement d’une nouvelle modélisation générique et complète. Notamment dans le domaine de la biologie, par une collaboration avec le laboratoire de l’ANSES, nous avons procédé à une détection précoce suivie d’une quantification du biofilm qui se forme dans les bassins d’élevage de poissons en utilisant l’imagerie hyperspectrale et polarimétrique du fait que sa détection actuelle est visuelle et n’est pas assez efficace pour prévenir son accumulation et pour mettre en place des procédures de nettoyage et de désinfection. Ainsi une première version d’une modélisation physique propre nommée "DNA-HSI" a été mise en place.
- 11 October 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Geoscience and Remote Sensing Magazine
- Vol. 11 (4) , 45-62
Invertible Physics-Based Hyperspectral Signature Models: A review
The richness of hyperspectral imaging (HSI)-collected signals makes possible quantitative inference by the inverse problem-solving of the chemical and biophysical parameters of the imaged object. In this article, we first propose a classification of the large variety of literature on invertible physics-based hyperspectral signature models by analyzing their founding hypotheses and methodologies. All the models found in the literature are based on the radiative transfer theory (RTT), but they are divided into three main branches. In the first one, the models rely on the Beer-Lambert law. In the second and the third ones, the models are based on Lommel’s radiative transfer equation (RTE), which they simplify into a diffusion approximation equation or into a single- and multiple-scattering approximation equation, respectively. Thereafter, we present the most recent models available for each branch for applications in geoscience and remote sensing domains: MARMIT-1 and MARMIT-2 for soil, the Microphytobenthos Optical Model (MPBOM) for algae and bacteria biofilm, PROSPECT for plant leaves, Farrell for fruits and vegetables, and Hapke for solar system objects. On the one hand, this article provides an overview of the different works in the literature. On the other hand, it proposes a classification tree of the different models, allowing one to know the similarities and differences of the different models. Ultimately, the aim is to assist researchers in selecting an appropriate model based on their specific targeted application.
- 11 October 2023
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Geoscience and Remote Sensing Magazine
- Vol. 11 (4) , 45-62
Invertible Physics-Based Hyperspectral Signature Models: A review
The richness of hyperspectral imaging (HSI)-collected signals makes possible quantitative inference by the inverse problem-solving of the chemical and biophysical parameters of the imaged object. In this article, we first propose a classification of the large variety of literature on invertible physics-based hyperspectral signature models by analyzing their founding hypotheses and methodologies. All the models found in the literature are based on the radiative transfer theory (RTT), but they are divided into three main branches. In the first one, the models rely on the Beer-Lambert law. In the second and the third ones, the models are based on Lommel’s radiative transfer equation (RTE), which they simplify into a diffusion approximation equation or into a single- and multiple-scattering approximation equation, respectively. Thereafter, we present the most recent models available for each branch for applications in geoscience and remote sensing domains: MARMIT-1 and MARMIT-2 for soil, the Microphytobenthos Optical Model (MPBOM) for algae and bacteria biofilm, PROSPECT for plant leaves, Farrell for fruits and vegetables, and Hapke for solar system objects. On the one hand, this article provides an overview of the different works in the literature. On the other hand, it proposes a classification tree of the different models, allowing one to know the similarities and differences of the different models. Ultimately, the aim is to assist researchers in selecting an appropriate model based on their specific targeted application.