CRAN - Campus Sciences
BP 70239 - 54506 VANDOEUVRE Cedex
Tél : +33 (0)3 72 74 52 90 Fax : +33 (0)3 72 74 53 08
cran-secretariat@univ-lorraine.fr
 
 
Sujet de Thèse : Méthodes rapides de traitement d'images hyperspectrales polarisées. Application à la caractérisation en temps réel du matériau bois
Dates : 2016/10/24 - 2019/09/30
Etudiant : Ludivine NUS
Directeur(s) CRAN : David BRIE , Sebastian MIRON
Description : Le bois est un matériau dont le rendu naturel est apprécié dans de nombreuses applications (parquets, ameublement, agencement
intérieur ou extérieur, etc.). Cependant son hétérogénéité et sa variabilité de surface rendent souvent problématique la maitrise et
l’harmonie des rendus, générant parfois des non-qualités. Ce rendu et cette harmonie sont majoritairement regardés au travers d’une
finition appliquée sur le bois (vernis, peinture, etc.). La qualité de la finition et le rendu final sont impactés par le couple bois-finition. La
texture physique, l’acidité, la présence de molécules pouvant migrer ou réagir avec la finition, sont des facteurs potentiellement
impactant.
Les travaux de cette thèse sont financés par le projet ANR OPTIFIN qui a pour objectif le développement d’une méthode
permettant de prédire et de classifier la qualité des rendus en fonction d’une analyse de surface (voir dans une faible épaisseur de
surface), en temps réel du bois.

Une des techniques proposées s'appuiera sur des caméras installées sur la ligne de production, permettant d'acquérir en temps
réel des images hyperspectrales polarisées.
L'objectif de cette thèse est de développer des algorithmes rapides pour le traitement des images ainsi acquises, permettant
l'extraction des paramètres d'intérêt, nécessaires à la classification des différents types de bois.

Il faudra donc, dans un premier temps, étudier les signatures spectrales des structures que l’on cherche à imager dans le bois, à
partir de leur composition chimique. Dans un second temps, l’interaction entre la lumière polarisée et les fibres du bois sera analysée.
Cela permettra d’établir des modèles mathématiques pour les données hyperspectrales polarisées qui guideront, par la suite, les choix
algorithmiques. Plus particulièrement, il est important de savoir si la diversité de polarisation est invariante par rapport à la diversité
spectrale et/ou spatiale. Cette propriété d’invariance permettra d’appliquer des algorithmes de séparation de mélanges bilinéaires ou
trilinéaires pour extraire les informations à partir des données acquises [3]. Ce travail sera réalisé en étroite collaboration avec les
laboratoires spécialisés dans l’analyse physico-chimique des matériaux (LCPME, Critt Bois).

L’étape de modélisation sera suivie par une phase de développement algorithmique. Les méthodes de séparation de mélanges
proposées seront adaptées aux modèles établis lors de l’étape précédente. Une étude sera nécessaire afin de déterminer la façon la
plus efficace d’utiliser l’information de polarisation dans les algorithmes de traitement. Selon les résultats de l’étape de modélisation
physico-chimique, l’information de polarisation sera utilisée soit pour réduire la dimension de l’espace des solutions, soit comme une
diversité supplémentaire pour aboutir à des décompositions trilinéaires de type Candecomp/Parafac (voir e.g. [1,2,3,4,5]). Dans le
dernier cas, l’unicité de la décomposition sera analysée afin de définir un protocole expérimental permettant d’identifier sans
ambiguïté les paramètres d’intérêt. Les méthodes ainsi développées seront testées « hors-ligne » sur des données simulées et sur des
données réelles, afin de quantifier leurs performances.

L’objectif final est la mise en place d’un système d’analyse « en ligne » des planches de bois. Pour cela il est nécessaire de disposer
des algorithmes rapides permettant d’extraire en temps réel les informations nécessaires à l’étape de classification. Le développement
des méthodes « séquentielles » de séparation de mélanges semble être une solution adéquate pour ce type de problème (voir e.g. [6,
7, 8]) . Il s’agit de construire des algorithmes permettant de mettre à jour au rythme de l’acquisition les paramètres estimés. Une autre
technique pour accélérer la décomposition est d’estimer uniquement une partie des paramètres du modèle et plus précisément, les
paramètres utiles à l’étape de classification qui s’en suit. Par conséquent, une partie de nos travaux de recherche visera le
développement de ce type de méthodes ainsi que la quantification du gain de temps réalisé suite à leur mise en œuvre.

[1] X. Guo, S. Miron, D. Brie, The effect of polarization separation on the performance of Candecomp/Parafac-based vector sensor array
processing, Physical Communication, Vol. 5, Issue 4, pp. 289-295, 2012

[2] X. Guo, S. Miron, D. Brie, A. Stegeman, Uni-Mode and Partial Uniqueness Conditions for CANDECOMP/PARAFAC of Three-Way Arrays
with Linearly Dependent Loadings, SIAM Journal on Matrix Analysis and Applications, Vol.33, Issue 1, pp. 111-129, 2012

[3] S. Miron, M. Dossot, C. Carteret, S. Margueron, D. Brie, Joint processing of the parallel and crossed polarized Raman spectra and
uniqueness in blind nonnegative source separation, Chemometrics and Intelligent Laboratory Systems, Vol. 105, Issue 1, pp. 7-18, 2011

[4] F. Caland, S. Miron, D. Brie, C. Mustin, A CANDECOMP/PARAFAC approach to the estimation of environmental pollutant
concentrations using biosensors, IEEE SSP 2011, Nice, France, June 28-30, 2011

[5] S. Miron, D. Brie, M. Dossot, C. Carteret, Micro-crystal orientations estimation in polarized Raman microscopy using an acquisition
scheme with multiple diversities, IEEE SSP 2011, Nice, France, June 28-30, 2011

[6] Pei, X., Xiao, L., & Chen, C. (2009, December). Adaptive Nonnegative Matrix Factorization Method. In Computational Intelligence and
Software Engineering, 2009. CiSE 2009. International Conference on (pp. 1-4). IEEE.

[7] Driesen, J., Ten Bosch, L., & Van Hamme, H. (2009). Adaptive non-negative matrix factorization in a computational model of language
acquisition.

[8] Nion, D. et Sidiropoulos, Nicholas D. , Adaptive algorithms to track the PARAFAC decomposition of a third-order tensor. Signal
Processing, IEEE Transactions on, 2009, vol. 57, no 6, p. 2299-2310.
Mots clés : imagerie hyperspectrale, polarisation, factorisations non-négatives
Conditions : Profil recherché : Titulaire d’un Master Recherche ou diplôme d’Ingénieur Grandes Ecoles avec des compétences en traitement du
signal ou d'image et/ou mathématiques appliquées.

Envoyer dossier complet (CV + lettre de motivation + relevé de notes + nom des encadrants de stage + lettres de recommandations) par
email à david.brie@univ-lorraine.fr et sebastian.miron@univ-lorraine.fr.
Département(s) :
Santé - Biologie - Signal
Financement : Contrat doctoral (financement ANR) avec possibilité de DCCE