Search

Multispectral satellite imagery provides us with useful but redundant datasets. Using Dimensionality Reduction (DR) algorithms, these datasets can be made easier to explore and to use. We present in this study an objective comparison of five DR methods, by evaluating their capacity to provide a usable input to the K-means clustering algorithm. We also suggest a method to automatically find a suitable number of classes K, using objective "cluster validity indexes" over a range of values for K. Ten Landsat images have been processed, yielding a classification rate in the 70-80% range. Our results also show that classical linear methods, though slightly outperformed by more recent nonlinear algorithms, still offer a reasonable trade-off.

We describe some applications of linear and nonlinear pro- jection methods in order to reduce the number of spectral bands in Land- sat multispectral images. The nonlinear method is curvilinear component analysis CCA, and we propose an adapted optimization of it for image processing, based on the use of principal-component analysis PCA, a linear method. The principle of CCA consists in reproducing the topol- ogy of the original space projection points in a reduced subspace, keep- ing the maximum of information. Our conclusions are: CCA is an im- provement for dimension reduction of multispectral images; CCA is really a nonlinear extension of PCA; CCA optimization through PCA called CCAinitPCA allows a reduction of the computation burden but provides a result identical to that of CCA. © 2006 Society of Photo-Optical Instrumentation

International audience; Le champ des recherches concernant les pratiques enseignantes en étude de la langue demeure peu fertile (on citera entre autres : Bulea Bronckart et al. , 2018 ; Riou, 2017) et supporte peu de généralisations, la portée statistique semblant difficilement atteignable, pour des raisons pragmatiques. Par ailleurs, l’importante recherche Lire – Écrire menée par l’Ifé en 2010-2013 (Goigoux, 2015) a ouvert la voie méthodologique à des études quantitatives dans le domaine de la didactique. C’est dans ce cadre que la recherche REAlang1 s’est donné comme objectif, entre autres, d’évaluer la performance des classes de CE2, CM1 et CM22 concernant des savoirs grammaticaux et orthographiques fondamentaux, autour du verbe et de l’adjectif. L’objectif général de REAlang est de rendre compte des réalités d’enseignement-apprentissage de la langue en milieu scolaire ; pour ce faire, il s’agit de mettre en relation des pratiques observables avec une typologie de classe établie pour rendre compte du degré d’efficacité observée via des passations d’évaluations. L’enjeu méthodologique sur lequel nous allons précisément revenir ici est la conception et l’utilisation de différentes variables de rendement (performances d’élèves dans un domaine défini) dans le but d’établir une typologie de performances des classes, et donc, potentiellement, des enseignants.Le corpus a été constitué par le biais d’un test écrit : il s’agit de trois épreuves, administrées à l’identique deux fois, en septembre puis en janvier, à une population constante d’élèves. Les trois épreuves sont conçues dans le but de rendre compte des compétences et des connaissances des élèves concernant deux notions fondamentales de la grammaire scolaire3 : le verbe et l’adjectif. Les élèves ont ainsi successivement écrit un texte dicté, souligné les verbes puis les adjectifs dans un texte normé, défini ce qu’est un verbe puis ce qu’est un adjectif par le biais d’une production écrite4. Les cohortes d’élèves sont de 502 individus répartis dans 28 classes en CE2, 536 individus répartis dans 32 classes en CM1, 585 individus répartis dans 32 classes en CM2. L’ensemble des tests écrits a été soumis à un processus d’encodage numérique permettant de constituer une base de données exploitable par les logiciels de statistiques.Notre protocole décrit les performances des élèves par le biais de quatorze variables5, sur la pertinence desquelles nous aurons à discuter lors de cette présentation. Partant de là, nous avons utilisé trois méthodes d’investigation.Dans un premier temps, nous avons partitionné les populations d’élèves en usant d’un outil basé sur le critère d'information bayésien. Ce partitionnement permet d’observer des groupes d’élèves en fonction de leur performance selon tout ou partie des variables.Une autre méthode consiste à comparer des classes sélectionnées pour leurs performances à certaines variables selon la méthode des boites de Tukey (Le Guen, 2002). Cette comparaison permet d’établir plusieurs types de rendement au sein des classes, en s’appuyant sur une logique de partition des classes en quartiles.Enfin, nous avons comparé des classes et étudier leurs rendements selon un test inspiré de l’ANOVA de Friedman par rangs. Il s’agit de mesurer la moyenne des rangs des élèves d’une classe pour une ou plusieurs variables. Cette méthode permet notamment d’étudier le rendement des classes sur les résultats d’une épreuve donnée tandis que les deux méthodes précédentes visent à comparer des résultats sur des variables issues d’épreuves différentes.Cette exploration de nos données nous permet d’avancer une première série de résultats. Le plus important concerne la solidité du corpus constitué, puisque l’observation de certaines classes montre la fiabilité de l’évaluation construite : les variables permettent en bonne part d’inférer le travail effectué en classe en termes de contenus d’enseignement. Ce point devra être conforté par une observation directe et systématique des pratiques des enseignants.Nous montrerons également comment le jeu de données constitué peut permettre d’esquisser la progression des apprentissages au cours du curriculum, et donc de situer les performances des élèves par rapport à des repères pragmatiques, réalistes. Cette réflexion s’avère importante, en réaction à des positions institutionnelles qui mettent en difficulté enseignants et élèves, construisant des objectifs grammaticaux inatteignables pour soutenir des visées orthographiques illusoires.

The Great National Debate, decided by Emmanuel Macron at the beginning of 2019 to respond to the Yellow Vests social movement, allowed the collection of citizens’ contributions on the ecological transition via an online platform. In this article, we use the corpus constituted by these contributions to identify areas where participants are asking for the development of bicycle paths and railway facilities. For this purpose, we have created a classification model to identify contributions dealing with the theme of transportation and proposed a method for extracting patterns that reflect the contributors’ proposals. We then represented these patterns on maps, using the contributors’ postal codes., Le Grand Débat National, décidé par Emmanuel Macron début 2019 pour répondre au mouvement social des Gilets Jaunes, a permis de collecter les contributions de citoyens sur la transition écologique via une plateforme en ligne. Dans cet article, nous exploitons le corpus constitué par ces contributions pour identifier des zones où les participants demandent le développement de pistes cyclables et d’équipements ferroviaires. Pour cela, nous avons créé un modèle de classification permettant d’identifier les contributions traitant de la thématique du transport et proposé une méthode d’extraction de motifs traduisant les propositions des contributeurs. A l’aide des codes postaux donnés par les contributeurs, nous présentons les motifs extraits sur plusieurs cartes.

International audience; In the context of vineyard soils characterizationn this paper explores and compare dierent recent Non Linear Dimensionality Reduction (NLDR) methods on a high-dimensional Near InfraRed Spectroscopy (NIRS) dataset. NLDR methods are based on k-neighborhood criterion and Euclidean and fractional distances metrics are tested. Results show that Multiscale Jensen-Shannon Embedding (Ms JSE) coupled with eu-clidean distance outperform all over methods. Application on data is made at global scale and at dierent scale of depth of soil.

In the field of microbiology, many experiments are based on a fine observation of microorganisms. Because of their interest in the development of modern agri-food processes, it is important to study their development and survival rate under specific environmental conditions such as osmotic or thermal stress. Microscopic imaging is one of the most used tools for observing microorganisms. The manual interpretation of acquired images raises problems of subjectivity, cost and reproducibility. This thesis proposes the development of standardized image analysis tools allowing the interpretation of images at two scales:- At the scale of the observation slide: the use of specific counting slides (Malassez) allows, from the counting of the cells present in the zone of interest of the slide, to deduce the cell concentration of a solution of Saccharomyces cerevisiae subjected to osmotic stress. The tools developed allow for the identification and characterization of this area of interest (grid) and precise counting of the cells.- At the cell scale: a mutant strain of Saccharomyces cerevisiae allows for the observation in fluorescence the Pab1p-GFP protein involved in the formation of intracellular ribo-nucleoprotein aggregates consecutive to thermal stress. The tools developed allows for obtaining a statistical view of the development of these aggregates by automating the estimation of their number for a very large number of cells., Dans le domaine de la microbiologie, de nombreuses expériences se basent sur une fine observation des micro-organismes. De par leur intérêt dans le développement de procédés agroalimentaires modernes, il est important d’étudier leur développement et leur taux de survie dans des conditions environnementales spécifiques telles que des stress osmotiques ou thermiques. L’imagerie microscopique est un des outils les plus utilisés pour observer les micro-organismes. L’interprétation manuelle des images acquises pose des problèmes de subjectivité, de coût et reproductibilité. Cette thèse propose le développement d’outils d’analyse d’image standardisés permettant l’interprétation des images à deux échelles :- A l’échelle de la lame d’observations : l’utilisation de lames de comptage spécifiques (Malassez) permet, à partir du comptage des cellules présente dans la zone d’intérêt de la lame, de déduire la concentration cellulaire d’une solution de Saccharomyces cerevisiae soumises à un stress osmotique. Les outils développés permettent l’identification et la caractérisation de cette zone d’intérêt (grille) puis le comptage précis des cellules.- A l’échelle de la cellule : une souche mutante de Saccharomyces cerevisiae permet d’observer en fluorescence la protéine Pab1p-GFP impliquée dans la formation d’agrégats ribo-nucléoprotéiques intracellulaires consécutifs à un stress thermique. Les outils développés permettent d’obtenir une vue statistique du développement de ces agrégats grâce à l’automatisation de l’estimation de leur nombre pour un très grand nombre de cellules.

In the domain of vineyard precision spraying research, one of the most importantobjectives is to minimize the volume of phytosanitary products ejected bya sprayer in order to be more environmentally respectful with more effectivevine leaf treatments. Unfortunaltely, even if lot of works have been carriedout at a parcel scale, mainly on losses caused by drift, less works have beencarried out at the leaf scale in order to understand which parameters influencethe spray quality. Since few years, recent improvements in image processing,sensitivity of imaging systems and cost reduction have increased the interestof high-speed imaging techniques. Analyzing the behavior of droplets afterimpact with the leaf thanks to high speed imaging technology is a relevantsolution. By this way, we propose a droplets behavior analyzing process invineyard spraying context based on high-speed acquision system combinedwith image processing techniques. This process allows us to extract dropletsparameters. Therefore, a statistical study is processed in order to determinethe effects of droplets parameters on leaf impact or to predict behavior of asingle droplet. Since this behavior is strongly related to leaf surface, we alsopropose to validate a natural leaf roughness characterization method basedon texture analysis, Dans le contexte actuel de diminution des pollutions d’origine agricole, laréduction des apports d’intrants devient un enjeu primordial. En France, laviticulture est l’activité qui possède le taux le plus important de traitementsphytosanitaires par unité de surface. Elle représente, à elle seule, 20% de laconsommation annuelle de pesticides. Par conséquent, il est nécessaire d’étudierle devenir des pesticides appliqués afin de réduire les quantités perduesdans l’environnement. Dans le cadre de la réduction d’apport de produitsphytosanitaires dans les vignes, de nombreux travaux ont été effectués sur lamodélisation du comportement d’un spray de gouttelettes et sa répartitionau niveau de la parcelle et de l’air environnant. Cependant, il est égalementimportant de s’intéresser au comportement de la gouttelette directement auniveau de la feuille. Les progrès dans le domaine de l’imagerie et la diminutiondu coût des systèmes ont rendus ces systèmes beaucoup plus attractifs.Le travail de cette thèse consiste en la mise en place d’un système d’imagerierapide qui permet l’observation du comportement à l’impact de gouttelettesrépondant aux conditions de pulvérisation. Les caractéristiques ainsi que lecomportement associé de chaque gouttelette sont extraits grâce à une méthodede suivi d’objets. Une analyse statistique basée sur un nombre représentatifde résultats permet ensuite d’évaluer de manière robuste le devenir d’unegoutte en fonction de ses caractéristiques. Parallèlement, un paramètre décrivantl’état de surface de la feuille est également étudié grâce à l’imagerie : larugosité qui joue un rôle prédominant dans la compréhension des mécanismesd’adhésion