Academic literature on the topic 'Imagerie multispectrale – Modèles mathématiques'

Des méthodes de détection d’objets camouflés sont utilisées dans de nombreux domaines, dont celui de l’exploration de théâtres d’opérations militaires. Dans ce contexte, les spécificités des cibles à repérer ne sont pas connues a priori. Les méthodes de détection d’anomalies permettent de se passer de ces informations et forment le point de départ de cette thèse. Les données considérées dans ces travaux sont des images multispectrales de fonds naturels contenant des cibles camouflées. Ces fonds présentent un fort aspect texturé du à la végétation. Nous proposons d’exploiter conjointement les informations spectrale et spatiale dans le but de mesurer le gain conféré par la prise en compte des textures dans le cadre d’une détection d’anomalies. En effet, le taux de faux-positifs est susceptible d’augmenter sur des scènes très texturées si ces comportements ne sont pas prévus par le détecteur d’anomalies utilisé. Plusieurs méthodes de détection adaptées aux fonds multispectraux texturés ont été comparées à des détecteurs d’anomalies de référence n’exploitant que l’information spectrale. Les premiers détecteurs proposés reposent sur des modèles de type champs de Gauss-Markov aléatoires et mélanges de gaussiennes structurées, permettant des tests paramétriques ; les seconds sur des tests nonparamétriques dans des espaces à noyaux. Les résultats obtenus montrent la nécessité d’une segmentation conjointe à la détection d’anomalies sur des images hétérogènes. Par ailleurs, les meilleurs résultats de détection ont été obtenus grâce aux modèles dépourvus d’à priori sur les distributions des pixels de fonds
Detection methods for spotting covered up objects are used in many fields of applications, including the exploration of millitary battlefields. In this context, no specification about what to detect can be known a priori. Anomaly detection methods can deal without these informations and are the starting point of this thesis. In this work, the considered data are multispectral images of natural scenes containing covered up targets. The vegetation present in these backgrounds causes strong textured aspects. We propose to exploit simultaneously both spectral and spatial informations to measure the gain obtained by considering the textures within an anomaly detection method. As a matter of fact, the false-positive rate is prone to increase on highly textured scenes if this kind of behaviour are not expected by the considererd anomaly detector. Several anomaly detection methods adapted to multispectral backgrounds have been compared to reference detectors that only exploit the spectral information. The first anomaly detectors we propose rely on models like Gaussian Markovian random fields and mixtures of structured Gaussian, allowing parametric tests ; the second ones rely on non-parametric tests operated in kernel-spaces. The obtained results show the necessisty of a joint segmentation and detection for heterogeneous scenes. Moreover, the best result have been obtained through anomaly detectors that do not assume any a priori distribution over data

Le contexte agricole actuel vise à réduire l’utilisation des produits phytosanitaires sur les parcelles. Dans ce cadre, la gestion des adventices consommant de grandes quantités d’herbicides est devenue une problématique majeure. Afin de mettre en place un outil de gestion localisée des adventices par drone, cette thèse étudie l’adaptation du système d’acquisition (drone + dispositif multispectral) actuellement proposé par AIRINOV à la détection des adventices sur des cultures sarclées. La chaîne d’acquisition a été modélisée afin d’évaluer l’impact de différents paramètres du modèle (filtres optiques et résolution spatiale) sur la qualité de la détection des adventices. Des orthophotographies et images ortho-rectifiées ont été acquises à l’aide d’un capteur multispectral (4 et 8 filtres) à des résolutions spatiales de 6 mm et 6 cm. Plusieurs méthodes de localisation des adventices adaptées à l’étude de ces images ont été développées. Elles reposent sur 1) l’analyse de la distribution spatiale de la végétation (détection de rang par la transformée de Hough et analyse de forme), 2) la classification spectrale des pixels (méthodes supervisées : LDA, QDA, distance de Mahalanobis, SVM). Enfin, une classification spectrale basée sur un apprentissage issu des informations spatiales été proposée, améliorant ainsi la détection des adventices.Des cartes d’infestation des parcelles et de préconisation en pulvérisation localisée ont alors été créées
The agricultural framework aims to reduce pesticide use on fields. Weed management, which is highly herbicide consuming, became a great issue. In order to develop a weed management service using UAV, this PhD dissertation studies how to adapt the acquisition system (UAV + multispectral camera) developed by AIRINOV to detect weeds in row crops. The acquisition chain was modeled to assess some of its parameters (optical filters and spatial resolution) impact on weed detection quality. Orthoimages and orthorectified images were created using a multispectral camera (4 to 8 filters) with 6 mm to 6 cm spatial resolutions. Several weed location methods were specifically developed to study multispectral images acquired by UAV. They are based on 1) the analysis of vegetation spatial distribution (row detection using the Hough transform and shape analysis), 2) spectral classification of pixels (supervised methods: LDA, QDA, Mahalanobis distance, SVM). In order to improve weed detection, a spectral classification based on training data deduced from spatial analysis was then proposed.Weed infestation maps and recommendation for spot spraying applications were then produced

Les dispositifs de protection de sites sensibles doivent permettre de détecter des menaces potentielles suffisamment à l'avance pour pouvoir mettre en place une stratégie de défense. Dans cette optique, les méthodes de détection et de reconnaissance d'aéronefs se basant sur des images infrarouge multispectrales doivent être adaptées à des images faiblement résolues et être robustes à la variabilité spectrale et spatiale des cibles. Nous mettons au point dans cette thèse, des méthodes statistiques de détection et de reconnaissance d'aéronefs satisfaisant ces contraintes. Tout d'abord, nous spécifions une méthode de détection d'anomalies pour des images multispectrales, combinant un calcul de vraisemblance spectrale avec une étude sur les ensembles de niveaux de la transformée de Mahalanobis de l'image. Cette méthode ne nécessite aucune information a priori sur les aéronefs et nous permet d'identifier les images contenant des cibles. Ces images sont ensuite considérées comme des réalisations d'un modèle statistique d'observations fluctuant spectralement et spatialement autour de formes caractéristiques inconnues. L'estimation des paramètres de ce modèle est réalisée par une nouvelle méthodologie d'apprentissage séquentiel non supervisé pour des modèles à données manquantes que nous avons développée. La mise au point de ce modèle nous permet in fine de proposer une méthode de reconnaissance de cibles basée sur l'estimateur du maximum de vraisemblance a posteriori. Les résultats encourageants, tant en détection qu'en classification, justifient l'intérêt du développement de dispositifs permettant l'acquisition d'images multispectrales. Ces méthodes nous ont également permis d'identifier les regroupements de bandes spectrales optimales pour la détection et la reconnaissance d'aéronefs faiblement résolus en infrarouge

Les dispositifs de protection de sites sensibles doivent permettre de détecter des menaces potentielles suffisamment à l’avance pour pouvoir mettre en place une stratégie de défense. Dans cette optique, les méthodes de détection et de reconnaissance d’aéronefs se basant sur des images infrarouge multispectrales doivent être adaptées à des images faiblement résolues et être robustes à la variabilité spectrale et spatiale des cibles. Nous mettons au point dans cette thèse, des méthodes statistiques de détection et de reconnaissance d’aéronefs satisfaisant ces contraintes. Tout d’abord, nous spécifions une méthode de détection d’anomalies pour des images multispectrales, combinant un calcul de vraisemblance spectrale avec une étude sur les ensembles de niveaux de la transformée de Mahalanobis de l’image. Cette méthode ne nécessite aucune information a priori sur les aéronefs et nous permet d’identifier les images contenant des cibles. Ces images sont ensuite considérées comme des réalisations d’un modèle statistique d’observations fluctuant spectralement et spatialement autour de formes caractéristiques inconnues. L’estimation des paramètres de ce modèle est réalisée par une nouvelle méthodologie d’apprentissage séquentiel non supervisé pour des modèles à données manquantes que nous avons développée. La mise au point de ce modèle nous permet in fine de proposer une méthode de reconnaissance de cibles basée sur l’estimateur du maximum de vraisemblance a posteriori. Les résultats encourageants, tant en détection qu’en classification, justifient l’intérêt du développement de dispositifs permettant l’acquisition d’images multispectrales. Ces méthodes nous ont également permis d’identifier les regroupements de bandes spectrales optimales pour la détection et la reconnaissance d’aéronefs faiblement résolus en infrarouge
Surveillance systems should be able to detect potential threats far ahead in order to put forward a defence strategy. In this context, detection and recognition methods making use of multispectral infrared images should cope with low resolution signals and handle both spectral and spatial variability of the targets. We introduce in this PhD thesis a novel statistical methodology to perform aircraft detection and classification which take into account these constraints. We first propose an anomaly detection method designed for multispectral images, which combines a spectral likelihood measure and a level set study of the image Mahalanobis transform. This technique allows to identify images which feature an anomaly without any prior knowledge on the target. In a second time, these images are used as realizations of a statistical model in which the observations are described as random spectral and spatial deformation of prototype shapes. The model inference, and in particular the prototype shape estimation, is achieved through a novel unsupervised sequential learning algorithm designed for missing data models. This model allows to propose a classification algorithm based on maximum a posteriori probability Promising results in detection as well as in classification, justify the growing interest surrounding the development of multispectral imaging devices. These methods have also allowed us to identify the optimal infrared spectral band regroupments regarding the low resolution aircraft IRS detection and classification

Les dispositifs de protection de sites sensibles doivent permettre de détecter des menaces potentielles suffisamment à l’avance pour pouvoir mettre en place une stratégie de défense. Dans cette optique, les méthodes de détection et de reconnaissance d’aéronefs se basant sur des images infrarouge multispectrales doivent être adaptées à des images faiblement résolues et être robustes à la variabilité spectrale et spatiale des cibles. Nous mettons au point dans cette thèse, des méthodes statistiques de détection et de reconnaissance d’aéronefs satisfaisant ces contraintes. Tout d’abord, nous spécifions une méthode de détection d’anomalies pour des images multispectrales, combinant un calcul de vraisemblance spectrale avec une étude sur les ensembles de niveaux de la transformée de Mahalanobis de l’image. Cette méthode ne nécessite aucune information a priori sur les aéronefs et nous permet d’identifier les images contenant des cibles. Ces images sont ensuite considérées comme des réalisations d’un modèle statistique d’observations fluctuant spectralement et spatialement autour de formes caractéristiques inconnues. L’estimation des paramètres de ce modèle est réalisée par une nouvelle méthodologie d’apprentissage séquentiel non supervisé pour des modèles à données manquantes que nous avons développée. La mise au point de ce modèle nous permet in fine de proposer une méthode de reconnaissance de cibles basée sur l’estimateur du maximum de vraisemblance a posteriori. Les résultats encourageants, tant en détection qu’en classification, justifient l’intérêt du développement de dispositifs permettant l’acquisition d’images multispectrales. Ces méthodes nous ont également permis d’identifier les regroupements de bandes spectrales optimales pour la détection et la reconnaissance d’aéronefs faiblement résolus en infrarouge
Surveillance systems should be able to detect potential threats far ahead in order to put forward a defence strategy. In this context, detection and recognition methods making use of multispectral infrared images should cope with low resolution signals and handle both spectral and spatial variability of the targets. We introduce in this PhD thesis a novel statistical methodology to perform aircraft detection and classification which take into account these constraints. We first propose an anomaly detection method designed for multispectral images, which combines a spectral likelihood measure and a level set study of the image Mahalanobis transform. This technique allows to identify images which feature an anomaly without any prior knowledge on the target. In a second time, these images are used as realizations of a statistical model in which the observations are described as random spectral and spatial deformation of prototype shapes. The model inference, and in particular the prototype shape estimation, is achieved through a novel unsupervised sequential learning algorithm designed for missing data models. This model allows to propose a classification algorithm based on maximum a posteriori probability Promising results in detection as well as in classification, justify the growing interest surrounding the development of multispectral imaging devices. These methods have also allowed us to identify the optimal infrared spectral band regroupments regarding the low resolution aircraft IRS detection and classification

L'apparition de techniques avancées en imagerie a amélioré de manière significative la qualité de la surveillance médicale des patients. Les modalités d'imagerie non-invasives permettent aux médecins de faire des diagnostics plus précis et plus précoces et de prescrire des modes de traitement plus performants et plus justes. De multiples modalités d'imagerie sont employées actuellement ou sont en cours d'étude. Dans cette thèse, nous étudions trois techniques émergentes d'imagerie biomédicale : • imagerie magnéto-acoustique; • imagerie thermographique; • endotomographie par impédance électrique. Pour chacune de ces trois techniques, nous proposons des modèles mathématiques et nous présentons des nouvelles méthodes de reconstruction en imagerie médicale.

Ce mémoire de thèse présente différents modèles géométriques pour l'imagerie et leurs interconnexions. L' "espace des cercles" en constitue, en grande partie, le cadre unificateur, avec des applications aux diagrammes de voronoi͏̈ et à le recherche originale du plus petit cercle circonscrit. On y étudie des transformées alternatives à la transformée de Hough, principalement la Transformée Polaire et son cadre de dualité, généralisable à des dimensions supérieures. Les deux résultats les plus originaux de ce mémoire quantifient l'incertitude d'alignement (ou, dualement, le "flou d'intersection") via soit une mesure invariante par translation en liaison avec la géométrie intégrale et la "géométrie différentielle affine", soit des lignes iso-valeurs en faisceaux de coniques
This thesis presents various geometrical models useful for image processing and highlights their interconnections. The space of circles constitutes the unifying framework of all the models. Within this space, applications such a Voronoi diagrams computation and an original determination of the smallest circumscribed circle can be performed. Transforms alternative to the Hough transform are studied, with an instrumental role for the Polar Transform and its framework of duality, generalizable to higher dimensions is described. The two most original results of this thesis allow to quantify the uncertainty of an alignment ("intersection blur") with either a translation invariant measure in connection with integral geometry and "differential affine geometry", or contour lines which are conics pencils

Grâce aux informations spatiales et spectrales qu'elle apporte, l'imagerie multispectrale de la peau est devenue un outil incontournable de la dermatologie. Cette thèse a pour objectif d'évaluer l’intérêt de cet outil pour la cosmétologie à travers trois études : la détection d'un fond de teint, l'évaluation de l'âge et la mesure de la rugosité.Une base d'images multispectrales de peau est construite à l'aide d'un système à multiples filtres optiques. Une phase de prétraitement est nécessaire à la standardisation et à la mise en valeur de la texture des images.Les matrices de covariance des acquisitions peuvent être représentées dans un espace multidimensionnel, ce qui constitue une nouvelle approche de visualisation de données multivariées. De même, une nouvelle alternative de réduction de la dimensionnalité basée sur l'ACP est proposée dans cette thèse. L'analyse approfondie de la texture des images multispectrales est réalisée : les paramètres de texture issus de la morphologie mathématique et plus généralement de l'analyse d'images sont adaptés aux images multivariées. Dans cette adaptation, plusieurs distances spectrales sont expérimentées, dont une distance intégrant le modèle LIP et la métrique d'Asplünd.Les résultats des prédictions statistiques générées à partir des données de texture permettent de conclure quant à la pertinence du traitement des données et de l'utilisation de l'imagerie multispectrale pour les trois études considérées
Thanks to its precision in spatial and spectral domain, multispectral imaging has become an essential tool in dermatology. This thesis focuses on the interest of this technology for cosmetological parameters assessment through three different studies: the detection of a foundation make-up, age assessment and roughness measurement.A database of multispectral skin images is build using a multiple optical filters system. A preprocessing step allows to standardize those texture images before their exploitation.Covariance matrices of mutispectral acquisitions can be displayed in a multidimensional scaling space which is a novel way to represent multivariate data sets. Likewise, a new dimensionality reduction algorithm based on PCA is proposed in this thesis.A complete study of the images texture is performed: texture features from mathematical morphology and more generally from image analysis are expanded to the case of multivariate images. In this process, several spectral distances are tested, among which a new distance associating the LIP model to the Asplund metric.Statistical predictions are generated from texture data. Thoses predictions lead to a conclusion about the data processing efficiency and the relevance of multispectral imaging for the three cosmetologic studies

La simulation numérique du soudage peut être améliorée par une meilleure connaissance des propriétés thermophysiques des métaux à l’état liquide. Un approfondissement de cette connaissance requiert un dispositif capable de conditionner ces métaux à de très hautes températures en vue de les caractériser. Après un état de l’art sur les techniques de caractérisation adaptées à ces échelles de températures (chapitre 1), ce manuscrit détaille les travaux, principalement expérimentaux, dédiés aux développements d’un dispositif capable d’élever des métaux jusqu’à 2 500 °C (chapitres 3 et 4) et d’un pyromètre à cinq longueurs d’onde pour mesurer cette température (chapitres 2, 4 et 5). Le dispositif chauffe par induction une tour en graphite, le creuset étant placé en son centre, et a été dimensionné via une simulation magnéto-thermique 2D axisymétrique à l’aide du logiciel Comsol Multiphysics®. Parallèlement, le pyromètre a été développé dans le but de mesurer simultanément la température et l’émissivité. En l’absence de corps noir à hautes températures, plusieurs expériences ont été menées pour étalonner ce dernier ; elles ont été basées sur la mesure de la température de fusion/solidification de corps purs. En fonction de leur tenue et pour couvrir la plus large gamme de température possible, les métaux choisis sont le fer, le chrome, ou encore le niobium. Les expériences ont montré l’efficacité du pyromètre et la capacité maximale du dispositif hautes températures lors de la fusion du niobium à environ 2 500 °C. Enfin, le pyromètre a été utilisé lors d’une opération de soudage à l’arc, au cours de laquelle la température a été estimée sur une gamme de 1 000°C – 2 500°C
Welding simulation can be improved by a better knowledge of molten metals thermophysical properties. This improvement requires characterization using a very high temperature apparatus. After portraying a state of the art on characterization technics adapted to this temperature range (chapter 1), this manuscript details works, principally experimental, dedicated to the developments of a device able to heat metals up to 2 500 °C (chapters 3 and 4) and of a five wavelengths pyrometer in order to measure this temperature (chapters 2, 4 and 5). The device heats by induction a graphite tower, the crucible being placed at its center, and has been dimensioned by a magneto-thermal 2D axisymmetric simulation using the Comsol Multiphysics® software. In parallel, the pyrometer has been developed in order to measure both temperature and emissivity. In the absence of a high temperature blackbody, several experiments were carried out for the calibration of it; they were based on the use of the luminance of pure metals at their melting point. In order to cover the largest temperature range possible, chosen metals were iron, chromium, and even niobium. These experiments showed the efficiency of the pyrometer and the maximal ability of the high temperature device during the niobium melting around 2 500 °C. Finally, the pyrometer has been used on an arc welding process, in which temperature has been evaluated over a 1 000 °C – 2 500 °C temperature range

L'apparition de techniques avancées en imagerie a amélioré de manière significative la qualité de la surveillance médicale des patients. Les modalités d'imagerie non-invasives permettent aux médecins de faire des diagnostics plus précis et plus précoces et de prescrire des modes de traitement plus performants et plus justes. De multiples modalités d'imagerie sont employées actuellement ou sont en cours d'étude. Dans cette thèse, nous étudions trois techniques émergentes d'imagerie biomédicale :imagerie magnéto-acoustique; imagerie thermographique; endotomographie par impédance électrique. Pour chacune de ces trois techniques, nous proposons des modèles mathématiques et nous présentons des nouvelles méthodes de reconstruction en imagerie médicale.