Search

International audience; This article shows a comparison of rigid image registration methods of monomodal and multimodal images. These methods are applied on different images of oak wood pieces. The work presented in this article is a part of a complete vision system which aims to analyze the visual and physico-chemical aspect of oak wood piece surface. In this context, a multi-sensor acquisition using a multimodal imagery platform is performed. The acquired images are not superimposable due to the rigid deformations resulting from the use of different sensor scanners and the presence of imperfections during the image acquisition process. This leads to consider image registration as a preprocessing step. The efficiency of the registration method depends on the deformation itself and the type of image to be registered. That is why we propose a comparison of different built-in and extended MATLAB registration methods, based on cross-correlation, phase correlation, mutual information and alignment of geometric primitives. The registration evaluation of the different methods is done by using quantitative measure of image alignment, visual inspection and computational time. Finally, the choice of the most adapted image registration methods, based on the existing differences between the acquired images, in terms of type of deformations and image modality, is discussed.

This study proposes a methodology for automatic camera selection based on the application context modeling. The integration of knowledge about the event makes it possible to identify the sources of interest in the scene. This methodology is applied in the context of the broadcasting of a basketball match. The automatic camera selection is based on the location of the action of interest and the detection of free throws in the video streams., Cette étude propose une méthodologie de sélection automatique de caméras se basant sur la modélisation du contexte d'application. L'intégration de connaissances sur l'évènement permet d'identifier les sources d'intérêts dans la scène. Cette méthodologie est appliquée dans le cadre de la diffusion d'un match de basket. La sélection automatique de la caméra est basée sur la localisation de l'action d'intérêt et la détection des lancers-francs dans les flux vidéos.

National audience; Cette étude se place dans le cadre d'une thèse CIFRE entre le CRAN et la société CitizenCam. Cette entreprise a pour objectif de rendre la captation et la diffusion de tout type d'évènement accessible économiquement en proposant un système multi-caméras. Afin de réduire les coûts et d'améliorer le confort utilisateur, l'entreprise souhaite proposer un système de montage automatique, adaptable à chaque contexte d'application. De plus, CitizenCam souhaite proposer différents flux vidéo répondant aux desiderata des spectateurs. Une étude bibliographique sur le montage automatique de séquences vidéo a montré que les méthodes existantes sont très spécifiques au contexte applicatif et donc très peu généralisables.Dans le cadre de la thèse, nous avons proposé une approche méthodologique du montage automatique, basée sur une structure générique pouvant être adaptée en fonction du contexte, tout en prenant en compte des préférences utilisateurs. Cette approche est basée sur la modélisation des connaissances du contexte applicatif qui nous permet d'identifier les sources d'intérêts : les personnes et les actions. De plus l'exploitation des connaissances nous permet d'aider à mettre en place les méthodes permettant l'extraction des caractéristiques sur ces sources d'intérêts.Nous nous intéressons dans cette étude à la détection de l'action d'intérêt " Lancer franc ", afin de fournir aux spectateurs un flux vidéo personnalisé contenant uniquement les lancers francs ayant eu lieu durant la rencontre. Pour ce faire, nous nous basons sur les informations fournies par le règlement officiel de la fédération internationale de basket amateur. Ce texte rassemble un certain nombre de connaissances sur les actions ayant lieu lors d'une rencontre et notamment des informations sur le déroulement de l'action lancer franc dans l'article 43. L'exploitation de ce document nous permet également de recueillir des informations sur la position que doivent respecter les joueurs durant toute la durée de cet évènement.Ces informations sont utilisées afin de mettre en place une méthode de détection de lancers francs. L'utilisation d'une caméra azimutale afin de capter l'évènement, permet de comparer les zones de lancers francs et les positions des joueurs. Les régions d'intérêt correspondantes aux positions attendues lors d'un lancer franc sont définies manuellement. Les positions des joueurs sont extraites grâce à la soustraction du fond de la scène, modélisé par un mélange de Gaussienne, aux images de la caméra. Un lancer franc est détecté lorsque les joueurs participant à l'action sont dans les positions de lancer franc tandis que les autres joueurs se trouvent derrière la ligne de lancer franc. Afin d'éviter des fausses détections lorsque les joueurs traversent les zones définies, un lancer franc est détecté lorsque les conditions sont réunies pendant un nombre d'images successives suffisant.La méthode proposée a été testée sur différents extraits vidéos contenants des lancers francs annotés manuellement. Pour chacune des vidéos, l'ensemble des lancers francs ont été détectés avec une précision comprise entre 81 et 100%. La majorité des erreurs de détections ont lieu lors de la mise en place du lancer franc et entre deux lancers francs successifs, du fait que les joueurs se déplacent par rapport à leurs zones. Dans l'objectif de proposer un flux vidéo monté, il est préférable de ne montrer que les vrais lancers francs quitte à en manquer le début (mise en place). Un délai de 10 images permet de détecter tous les lancer francs, tout en évitant un grand nombre de faux-positifs. Afin de proposer la visualisation de la totalité des lancers-francs, la date de début de l'action pourra être avancée en fonction du délai. Les résultats montrent que le système proposé permet de pouvoir proposer aux spectateurs un flux vidéo personnalisé contenant les lancers-francs ayant eu lieu lors d'une rencontre.

International audience; This article presents an automatic video editing method for video stream selection in a multi-camera environment. The specific context of this study is council meetings recording and broadcasting. In order to offer the best view to spectator our method is based on a speaker detection, to select the right camera. Since no sound information is available, the proposed method is based on the detection of the change in the visual state of the microphones LED in image sequences, in order to automatically and efficiently select the camera where the speaker is. Studies about the suitable size of the used sliding window and about the relevant features' selection for the verification of microphones' activation are also presented. We have selected seven features to effectively train one classifier, which can be used on different cameras. The feasibility of this approach is shown by the experimentation on councils' videos where the proposed method allows a very efficient detection of the speaker in real-time.

International audience; We propose a novel method for the localization and the identification of a speaker in the context of conference situations. For doing this, LED lights attached to the microphones are used as visible light communications transmitters. Once the speaker activate the microphone, LED transmits the speaker identification. At the receiver side, LED lights are identified and separated from video streams acquired by a low cost IP CMOS camera. Then, identification of the speaker is performed by recovering the data from the separated image. Results in terms of BER acquired from experimental demonstration are presented for different distances between the camera and the light source, i.e., 35 cm, 1, 2 and 5 meters.

Présentation des différents travaux réalisés dans notre équipe concernant l'étude du matériau Bois.Ces travaux développés dans le cadre de partenariats industriels (LUSXSCAN, SIAT-BRAUN, ...) sont appliqués sur la plate-forme TRACILOGIS du CRAN. Conçue pour valider des travaux de recherche sur des produits « bois », elle est composée de divers matériels dont des postes d’acquisition de données numériques de différents types (Caméra couleur, tomographe RX, ultra son, …) qui permettent des analyses non destructives des produits concernés.

National audience; Dans cet article, nous proposons deux approches permettant de prendre en compte au plus tôt la qualité d’un produit bois issu d’une ligne de sciage en définissant la notion de qualité virtuelle. La mise en place d’un système de tri reposant sur une numérisation obtenue grâce à la tomographie RX permet d’aider à prédire la qualité finale le plus en amont possible de la ligne de production. Après avoir explicité la notion de qualité d’un produit de sciage en créant notamment une ontologie d’un produit, nous présentons tout d’abord l’approche « billon » qui vise améliorer le tri les billons à partir de sa vue 3D issue de la tomographie, en reliant la qualité billon (modélisée par une ontologie) à la qualité produit. Ensuite l’approche « produit » est détaillée. Elle vise à exprimer directement la qualité prévisible à partir d’un produit virtuel obtenu après une opération de sciage virtuel effectué sur la tomographie de la grume. La prise en compte de la gradualité de la qualité, de son caractère subjectif ainsi que les imprécisions ou incertitudes implicites au processus de virtualisation est permise par l’utilisation de méthodes ou outils adéquats comme les intégrales de Choquet ou la notion de variable linguistique floue.

20 pages. http://hdl.handle.net/2042/28614; National audience; Cet article présente un système de reconnaissance couleur formalisé sous le concept de capteur flou. L'objectif principal est d'améliorer la classification couleur de planches de bois. Notre étude concerne le développement d'un système de vision industriel permettant la reconnaissance de couleurs graduelles. Ce contexte impose une contrainte forte de fiabilité, les capteurs utilisés aujourd'hui n'étant pas toujours suffisamment robustes. Ainsi, nous nous sommes intéressés à des techniques qui améliorent la prise en compte des imprécisions des mesures physiques et la subjectivité concernant la définition de la couleur du bois par l'Homme, les classes de couleur n'étant jamais bien identifiées ni séparées. De plus, les différents utilisateurs peuvent en avoir des perceptions différentes. Par ailleurs, et dans ce contexte particulier, un système de vision doit être simple à régler. Pour réaliser un tel système, nous proposons de baser le capteur flou sur une méthode de classification par règles linguistiques floues (Fuzzy Reasoning Classifier) dont les principaux avantages résident dans sa capacité de généralisation à partir de lot de données réduits en apprentissage et dans l'interprétabilité de sa base de règles. Les résultats que nous obtenons montrent l'efficacité de notre capteur intelligent.

8 pages; National audience; Cet article présente une méthode de fuzzification automatique visant à faciliter les réglages d'un Classificateur par Raisonnement Flou et ainsi à améliorer un système d'inspection automatique d'avivés par vision. La classification supervisée est réalisée par un moteur d'inférences floues à base de règles linguistiques, générées à partir de petits lots de données. Cette étude répond à un double besoin industriel. Premièrement, peu d'échantillons sont disponibles pour générer les modèles de reconnaissance, rendant ainsi moins performantes les méthodes par compilation comme les réseaux de neurones. Deuxièmement, les réglages de la méthode doivent être simplifiés, car les utilisateurs ne sont ni experts en vision ni en logique floue. Dans cet article, une méthode automatique de fuzzification est proposée, utilisant les coefficients de corrélation des typicalités de chaque classe. Les résultats obtenus sur des échantillons réels montrent la capacité de généralisation de la méthode de classification à partir de lots d'apprentissages réduits.

4 pages; National audience; Cet article expose une méthode de fuzzyfication automatique pour un classificateur à base de règles linguistiques floues à partir de l'analyse des scores de typicalité des attributs. La méthode proposée est appliquée à la reconnaissance de couleur sur des avivés. L'utilisation d'un classificateur flou n'est pas aisée pour des non experts. Ainsi, l'industrialisation d'une telle méthode nécessite une simplification des phases de réglages. De plus, le cadre applicatif spécifique de cette étude ne permet d'avoir à disposition qu'une quantité de données très faible pour réaliser la phase d'apprentissage des différentes couleurs. Les scores de typicalité des attributs présentent l'avantage de discriminer les plages de valeurs associées à chaque classe de sortie. Une étude des corrélations des typicalités permet d'améliorer la fuzzyfication des paramètres. Les essais réalisés sur des lots de données « industrielles » montrent l'augmentation du taux de reconnaissance par rapport à ceux obtenus à partir d'une fuzzyfication équirépartie, ainsi qu'une diminution du nombre de règles floues générées dans le modèle. Les temps de traitements en généralisation sont ainsi réduits.

12 pages; Cet article présente un système de classification supervisé par règles lin-guistiques floues à partir d'un lot d'apprentissage composé de peu d'échantillons. Le module de reconnaissance FRC (Fuzzy Reasoning Classifier) développé répond à un double besoin industriel pour la classification de singularités et de couleur du bois. D'une part, peu d'échantillons sont disponi-bles pour l'apprentissage du modèle de reconnaissance ce qui rend les métho-des par compilation comme les réseaux de neurones moins efficaces ; d'autre part, le domaine étant spécifique, nous proposons de spécialiser la méthode en y intégrant les connaissances expertes des domaines mis en œuvre (domaine du bois et domaine de la vision). Dans cet article deux points sont abordés. L'un illustre la capacité de généralisation de notre méthode en comparaison de mé-thodes telles que les réseaux de neurones, classificateur bayésien ou k plus proches voisins. L'autre montre l'intérêt de la spécialisation aux vues des taux de reconnaissance obtenus.

8 pages; Cet article présente une première partie de nos travaux sur une extension floue de la méthode de modélisation NIAM. Pour nos travaux de conception d'un module d'identification de défaut sur des planches de bois par vision industrielle, nous avons développé un module décisionnel basé sur la logique floue et sur l'intégration de connaissances expertes des domaines étudiés. Cependant, à l'usage, nous avons approché les limites de la méthode NIAM qui sait modéliser l'imprécision et l'incertitude mais ne peut pas la quantifier. A partir des travaux menés par M. Zgorzelski et Z. Zalewski définissant les grandes lignes et les premières propositions de Fuzzy NIAM, nous avons choisi d'approfondir leur raisonnement afin de pallier les manques de la méthode NIAM et afin de construire des modèles de connaissances prenant en compte l'imprécision et l'incertitude liées aux connaissances expertes.

Nous développons une démarche de modélisation et d'intégration de connaissances expertes visant à améliorer un système de reconnaissance de formes basés sur un mécanisme d'inférence par règles linguistiques floues. Nos travaux s'appuient sur une collaboration Université-Entreprise avec la société LUXSCAN TEHCNOLOGIE, et s'appliquent dans le cadre du développement de deux capteurs Vision dans le domaine du bois, l'un pour l'identification défauts sur des planches de bois, l'autre sur l'appariement couleur de pièces de bois. Les connaissances sur lesquelles nous nous basons sont issues de deux domaines d'expertise : l'expertise du métier du bois et l'expertise de la vision industrielle. L'extraction et la modélisation de ces connaissances sont basées sur la méthode NIAM/ORM, les formalisant à partir de leur expression en langage naturel. Pour améliorer le système de reconnaissance existant, nous proposons d'intégrer ces connaissances métiers pour construire en partie le modèle numérique qui effectue concrètement la reconnaissance de formes (défauts ou couleur). Ce modèle est créé selon une structure arborescente où chaque noeud est un moteur d'inférence constitué d'un Système d'Inférences Floues reposant sur un mécanisme à base de règles linguistiques. Pour l'application mise en oeuvre, nous avons choisi de retenir un mécanisme de règles conjonctives et plus particulièrement des règles à possibilité où l'inférence est une pseudo implication réalisée par une T-Norme. Ces règles sont particulièrement bien adaptées au problème d'analyse de données. Chaque règle de l'ensemble est activée en parallèle et les résultats partiels sont ensuite combinés par un opérateur flou de disjonction T-Conorme : T(x, y) = max(x, y). L'inférence repose sur le modèle de Larsen qui utilise comme opérateur de pseudo implication floue la T-Norme produit : T(x, y) = x * y. Les connaissances expertes précédemment modélisées permettent de configurer chaque nœud de l'arborescence ainsi créée. L'intérêt de l'intégration par un Système d'Inférences Floues basé sur un système de règles linguistiques floues réside en la possibilité d'interpréter linguistiquement chaque inférence du modèle. Il est alors possible de comprendre le comportement du modèle numérique et ainsi vérifier que, d'une part, les connaissances expertes ont bien été intégrées dans le modèle, et d'autre part, qu'il existe bien une cohérence entre les données présentées au modèle et les connaissances utilisées pour le construire. Une différence entre les données et les connaissances peut signifier que les données utilisées ne sont pas réellement représentatives du domaine ou que les connaissances expertes exprimées initialement sont insuffisantes ou incomplètes. Par ailleurs, le capteur, contrairement au domaine de la commande, délivre une sortie qualitative (non defuzzifiée) qui peut être ensuite fusionnée avec la sortie d'autres capteurs du même type. Les essais réalisés sur des lots tests réels montrent une amélioration des taux de reconnaissance par rapport aux méthodes utilisées actuellement sur sites.

7 pages; National audience; Cet article expose une démarche de modélisation et d'intégration de connaissances expertes issues de deux domaines d'expertise visant à améliorer un système de reconnaissance de défauts sur des planches de bois. Les domaines d'expertise concernés sont le métier du bois et la vision industrielle. L'extraction et la modélisation de ces connaissances sont basées sur la méthode NIAM et le formalisme ORM, les formalisant à partir de leur expression en langage naturel. Pour améliorer le système de reconnaissance existant, nous proposons d'intégrer ces connaissances métiers pour construire en partie le modèle numérique. Ce modèle est créé selon une structure arborescente où chaque moteur d'inférence est constitué d'un Système d'Inférences Floues reposant sur un mécanisme à base de règles linguistiques floues. Les connaissances expertes précédemment modélisées permettent de configurer chaque nœud de l'arborescence ainsi créée. Les résultats obtenus sur un lot de production montrent l'amélioration du taux de reconnaissance par rapport à la méthode en place dans l'entreprise.

Les travaux présentés sont réalisés dans le cadre d'une collaboration entre le Centre de Recherche en Automatique de Nancy (CRAN) et la société luxembourgeoise Luxscan Technologies. Cette étude aborde le contrôle qualité de planches de bois, et plus particulièrement l'appariement couleur de ces planches. Aujourd'hui, l'Homme ne dispose pas d'un modèle universel pour définir un ensemble de couleur. Chaque individu possède ses propres caractéristiques visuelles et perceptives, la vision humaine n'est pas un outil totalement fiable et surtout répétable. C'est pourquoi, il est indispensable de rechercher des algorithmes robustes de classification pour traiter des images couleur. A ce niveau, nous devons résoudre deux problèmes. Le premier concerne les données délivrées par le capteur. En effet, ce dernier peut injecter des imprécisions et des incertitudes dans les données, l'imprécision étant due à la variabilité du capteur lui-même, et l'incertitude étant due au mode d'extraction et au choix des caractéristiques dont nous ne sommes pas certains qu'elles soient totalement représentatives de l'information couleur qui nous intéresse. Le deuxième problème abordé réside dans la subjectivité de la perception que nous pouvons avoir des couleurs. En effet, la définition des classes de sortie n'est pas stricte, elle peut varier d'un opérateur à l'autre et présenter des intersections non nulles. Pour faciliter la manipulation de telles données et de pouvoir prendre en compte cette subjectivité, nous avons décidé d'utiliser une méthode basée sur la théorie des ensembles flous. Nous utilisons plus précisément un mécanisme d'inférences floues à base de règles conjonctives qui sont mieux adaptées à notre problème d'analyse de données. Ce principe nous permet également d'obtenir une rapidité de calcul en accord avec les contraintes industrielles temps-réel. Pour améliorer encore plus les temps de traitements, nous appliquons notre méthode suivant une structure arborescente dans laquelle chaque nœud décisionnel est un système d'inférences floues (S.I.F). Il est à noter que nous utilisons une logique de classification supervisée piloté par un modèle généré suivant trois étapes : la fuzzyfication des attributs d'entrée qui représente la traduction des données quantitatives en variables linguistiques en fonction d'un nombre de termes adéquats, la génération des règles linguistiques floues du type « Si ... Alors ... » qui décrivent la perception que le système a des couleurs, l'ajustement du modèle suivant un lot d'échantillons pertinents. L'avantage d'utiliser plusieurs S.I.F. successivement réside dans la réduction du nombre de règles de classification. Les résultats obtenus avec notre méthode montre une amélioration d'environ 5% par rapport à des méthodes de classification plus classiques comme les k plus proches voisins ou les classificateurs bayésiens. Nous obtenons un taux de reconnaissance avoisinant les 94% de bonnes identifications. Notre méthode permet de également diminuer le temps de traitement des données en moyenne de 350µs par images traitées. Nous travaillons actuellement à l'amélioration les résultats en incluant dans le vecteur caractéristique d'entrée des paramètres représentatifs de la texture qui peut perturber l'aspect visuel des planches de bois que nous cherchons à appareiller.

International audience; This study suggests two approaches in order to define wood product quality in upstream production flow. Both approaches use X ray tomographic information about round timber (raw material). The first one is a "log approach" based on volumetric information. It correlates a log quality with a given product quality. The second one is a "product approach" and is an extension of the first one. It is based on virtual product surface information obtained from images of round timber and its virtual sawing. Both suggested approaches allow having a better knowledge of round timber and so to define more accurately future made product quality. As results, this better product quality estimation reduces real end product downgrading. New downgrading rates are estimated to 5% with the first approach and 1% with the second whereas the actual real rate is from 15 to 20% in sawmills. This better estimation improves all decisions and production flows.

http://rim.tfb.ba/common/Program%20RIM%202013.pdf; International audience; In the work a method of wood species identification by using computed tomography was proposed. Computed tomography allows us to explore internal characteristics of wood and specific anatomical features of different species. A data base of variables was obtained, that was analysed by mathematicstatistical methods such as box plots, PCA, classification tree. The analysis revealed, that the method allows us to identify different wood species with good accuracy.

International audience; This paper presents a way to evaluate the wood product quality according to his tomographic image. The use of X ray computed tomography and ad-hoc software allows to have a representation of an item (a product) before the first cutting operation. From this representation, we aim to obtain an honest evaluation of their aesthetic quality. To do that singularity features are extracted and their impact on the product visual quality is assesed thanks to the Choquet integral. Next, the visual quality is evaluated by merging singularity impacts and singularity number criterion using suitable operators. Three operators are compared to the mean operator which is the commonly used one when there are few knowledge on the decision process.

National audience; Ce papier propose un processus de qualification de produits bois basé sur l'exploitation de leur représentation virtuelle (avant le sciage de la matière première). Dans un premier temps, la notion de qualité esthétique est définie ainsi que l'optimisation des billons pour en comprendre les enjeux. Ensuite sont présentés les processus de numérisation des pièces par tomographie RX et de débit virtuel de la matière utilisé pour obtenir les images exploitées ultérieurement dans l'estimation de la qualité esthétique. Puis nous détaillons les caractéristiques à extraire ainsi que les critères permettant de le faire. Après une description de la méthode utilisée, un exemple applicatif sur des données réelles provenant de scierie est explicité afin de montrer la faisabilité et l'intérêt de la démarche proposée pour la gestion de production en scierie ou dans d'autres industries à processus divergents.

National audience; L'objectif de cette étude est de mettre en avant l'apport de l'élaboration et l'exploitation des ontologies métier afin de concevoir ou améliorer le modèle fonctionnel d'un système. Le cas applicatif est un système de vision automatisé permettant de valoriser l'approvisionnement en grume d'une scierie. L'objectif est atteint par la modélisation des connaissances métier de l'entreprise vis-à-vis de la qualité de ses produits à différents niveaux de la chaine de production. La méthode de modélisation NIAM-ORM est utilisée pour obtenir les modèles ontologiques des qualités Sciage et Billon. La confrontation manuelle des deux ontologies par le cogniticien permet la création du modèle génétique. Ce modèle génétique et le modèle ontologique de la qualité Billon sont ensuite combinés afin d'obtenir le modèle fonctionnel du système. Ce modèle fonctionnel définit les caractéristiques ainsi que les mesures de la matière que le système de vision doit opérer. L'étude propose également d'agréger la connaissance de la matière Bois afin d'enrichir et améliorer le modèle fonctionnel théorique initial qui ne tenait pas compte des contraintes techniques du système.

International audience; In woodprocessing industry the correct identification of forest species is important. Different wood species have dissimilar physico-mechanical charac-teristics and vary greatly in price. It makes them appropriate to special applica-tions. Tree species are usually known at felling time but the information may be loosed during the wood chain transformation. The identity of tree can be known by examining it manually, but it takes a long time to train a person to be compe-tent in wood identification, and also it can lead to classification errors because of the human factor. In addition, sorting by manual measurements does not corre-spond to current industrial speeds of logs subsequent processing. These prob-lems motivated to develop such a system to identify the species of wood without any difficulties. X-ray scanning is the most recent technology in woodworking. There are not any studies on wood species recognition with X-ray. The study was aimed to develop X-ray technology for identification of wood species to obtain one more benefit.

Communication first opresented at the IV France-Russia Conference New Achievements in Materials and Environmental Sciences, NAMES'10, 26-29 October 2010, Nancy, France; International audience; This presentation is the first phase of a more complete study about the interest of the use of an X-ray scanner in the context of a planing mill. This scanner, placed upstream to edging phases of concerned wood products (unedged timber, square edged timber), allows to make visible not perceptible defect of the material by the human operator eye. These new knowledge in correlation with rough materials has to allow an improvement of the valuation of the end products, but also has to indicate the improvement tracks of the production installation. Our first tries aim at validating this hypothesis.

Une technique pour l'identification des espèces d'arbres à l'aide de la tomodensitométrie est suggérée, ce qui permet d'étudier les caractéristiques internes et les caractéristiques de la structure anatomique de diverses races. Sur la base de ces caractéristiques, une base de données de variables a été obtenue, qui a été traitée en utilisant des méthodes mathématiques-statistiques, telles que: les boîtes à moustaches, la méthode des composantes principales, l'arbre de décision. L'analyse a montré que cet algorithme permet l'identification des roches avec une grande précision., In the work a method of wood species identification by using computed tomography was proposed. Computed tomography allow us to explore internal characteristics of wood and specific anatomical features of different species. Data base of variables was obtained, that was analysed by mathematic-statistical methods such as box plots, PCA, Classification tree. The analyze revealed, that the method allow us to identify different species of wood with good accuracy.

International audience; L'objectif de cette étude est de mettre en avant l'apport de la modélisation dans l'intégration des connaissances métier dans un système automatisé. L'étude est développée par le biais d'exemples concrets basés sur la réalité industrielle d'une scierie française. Le cas modélisé dans cette scierie est l'analyse qualitative des bois ronds et des bois sciés sur la base des savoirs faire des opérateurs de production. La méthode de modélisation sélectionnée, la méthode NIAM-ORM, permet d'établir simplement les liens existants ou manquants entre les différents niveaux de qualités mais aussi d'extraire et d'intégrer une ou plusieurs méthodes de décision basées sur la connaissance des experts de l'entreprise.

National audience; Dans ce travail, une nouvelle approche de diagnostic thermique de bâtiments est présentée. L'idée consiste à recaler une image infrarouge (IR) du bâtiment avec le nuage de points acquis au moyen d'un télémètre Laser terrestre (TLS). La méthode proposée se décompose en trois étapes principales. En premier lieu, le nuage de points du TLS est segmenté en plusieurs surfaces planes. Nous avons utilisé l'algorithme RANSAC (Random Sampling Consensus). Puis, pour chaque plan, l'extraction des contours repose sur une propriété de la triangulation de Delaunay qui stipule que les points des contours correspondent aux extrémités des plus longues arêtes des triangles de Delaunay. La seconde étape vise à extraire les points contour de l'image IR qui correspondent à des variations brusques de température ; elles sont souvent présentes au niveau des jonctions des éléments de la façade (mur-toiture, fenêtremur, etc). La détection de contours est réalisée en utilisant le filtre de Canny. La troisième étape concerne le recalage qui a pour objet la mise en correspondance des contours extraits lors des deux étapes précédentes. Cette mise en correspondance se fait par la recherche d'une transformation géométrique permettant de passer d'une image à une autre. En général, le calcul de cette transformation se fait par sélection manuelle de points de contrôle sur les images originale et cible ; la qualité du recalage est fortement liée à la qualité de leur positionnement. Pour s'affranchir du problème d'une sélection approximative des points de contrôle, nous proposons une approche qui consiste à déplacer ces points de contrôle de façon à maximiser le nombre de pixels confondus dans les contours des images. L'intérêt d'utiliser ce critère repose sur le fait que les deux types de contours (nuage de points et image infrarouge) n'ont pas la même cardinalité. Il peut donc être délicat (et coûteux) d'évaluer une distance entre les points des contours. En revanche, compter le nombre de points communs ne présente aucune difficulté. L'algorithme d'optimisation utilisé est de type "glouton" : il consiste à modifier successivement la position des points de contrôle, chaque point étant autorisé à évoluer dans le voisinage d'un pixel autour de la position courante. La méthode a été appliquée au diagnostic thermique d'un module destiné à étudier et à valider les modèles d'isolation thermique développés au CRITTBOIS.

4 pages; International audience; This paper proposed an extension of an iterative method to select suitable features for pattern recognition context. The main improvement is to replace its iterative step with another criterion based on importance and interaction indexes, providing suitable feature reduced set. This new scheme is embedded on a hierarchical fuzzy rule classification system. At last, each node gathers a set of classes having a similar aspect. The aim of the proposed method is to automatically extract an efficient subset of suitable features for each node. A selection of features is given. The associated criterion is directly based on importance index and assessment of positive and negative interaction between features. An experimental study, made in a wood defect recognition industrial context, shows the proposed method is efficient to producing significantly fewer rules.

Session Poster; International audience; Dans ce travail, une approche de recalage de données télémétriques avec des images photographiques de bâtiments est présentée. Il s'agit, d'une part, d'un problème de segmentation d'un nuage de points 3D de bâtiment et d'extraction des contours du nuage de points. Pour le recalage, nous adoptons une approche contour et proposons un algorithme qui permet de s'affranchir d'une sélection approximative des points de contrôle. L'approche est appliquée à des données réelles.