|
|
| Vu à la une | INédit | Sommaire n° 65 | Colloques et manifestations | Presse |
|
 |
 |
 |
 |
Évaluer l'impact de l'activité humaine sur l'environnement, détecter les départs de feu ou une source importante de pollution, optimiser la croissance d'une plante ou simuler la diffusion d'OGM, sont autant de questions qui nécessitent de prendre en compte de très nombreuses observations de terrain. Ces dernières sont fournies par des capteurs ou des réseaux de capteurs, souvent extrêmement coûteux, et l'une des questions essentielles posées aux Stic est de les utiliser le plus judicieusement possible. Par exemple, il est important de savoir combien de capteurs sont nécessaires (et suffisants) et où les disposer pour détecter convenablement une émission polluante en provenance d'un site à risque. Le mathématicien doit alors résoudre un problème d'optimisation souvent complexe qui, à partir d'une analyse des événements passés, permet d'estimer la qualité de la prévision en fonction du nombre et de la position des capteurs, ainsi que des facteurs géographiques et météorologiques. La préoccupation est identique lorsqu'il est envisagé d'envoyer des ballons sondes pour des mesures en météorologie ou de positionner des navires à des points stratégiques pour prendre des mesures océanographiques.
Une fois les observations recueillies, des questions d'interprétation peuvent se poser qui suscitent le développement de solutions mathématiques originales. Par exemple, l'analyse de la parole a trouvé une application inédite dans le traitement de données d'enquêtes (voir page 8). Mais les travaux les plus nombreux réalisés à l'INRIA concernent l'interprétation d'images. En particulier, les images satellitaires, de plus en plus employées en météorologie et océanographie, fournissent de très nombreuses données d'observation mais ne sont pas directement utilisables. L'information pertinente doit être extraite de séquences d'images 2D. Les mesures de température, par exemple, doivent être déduites des mesures de radiance fournies par les images ; les données sur la vitesse du vent doivent être déduites des mesures de hauteur de l'eau. L'information doit également être mise sous une forme exploitable par les modèles de simulation auxquelles elles sont destinées en tenant compte, par exemple, des problèmes d'échelles différentes pour les images et les modèles.
Mais les images fournissent d'autres informations, plus complexes, que les spécialistes aimeraient être en mesure d'exploiter automatiquement pour la prévision. Par exemple, il faudrait pouvoir caractériser mathématiquement un tourbillon qui se déplace et utiliser cette information dans le modèle. « Il y a là tout un pan de recherche à développer sur les formes pertinentes à repérer, sur l'échelle à laquelle elles doivent être identifiées, comment les détecter automatiquement puis comment mathématiquement introduire ces données dans le modèle », explique Isabelle Herlin, responsable de l'équipe-projet CLIME. « Nous travaillons en collaboration avec l'équipe-projet MOISE, le laboratoire des écoulements géophysiques et industriels de Grenoble et Météo France pour détecter sur les images les phénomènes précurseurs d'événements extrêmes comme les tempêtes. Nous avons, par exemple, utilisé des images satellitaires infra-rouges pour améliorer la prévision obtenue par un modèle de circulation océanique en Mer Noire » (voir illustration).
 |
Fig.2 : Extraction de formes de flamants roses (ellipses)
pour dénombrer une colonie en camargue © Station biologique de la Tour du Valat |
La détection de forme peut s'appliquer à des objets moins volatils qu'en météorologie. Il est alors possible d'identifier quasi-automatiquement ces objets en développant des techniques de traitement de l'image adaptées à chaque type de capteur et à chaque type d'objet observé. Il peut s'agir d'identifier une forme géométrique complexe dans une série d'images vidéo (voir encadré), de reconstituer en 4D l'évolution de tissus biologiques enregistrés en microscopie confocale, d'estimer la couverture forestière pour l'Inventaire forestier national (IFN) ou de détecter sur des photos satellitaires des départs de feux. Les chercheurs se fondent pour cela sur des caractéristiques de l'objet à identifier (couleur, forme géométrique, ombre portée, etc.) qui permettront, par exemple, de dénombrer une colonie de flamants roses, une opération effectuée jusqu'à présent manuellement sur des agrandissements de photos aériennes (voir Fig. 2). Les chercheurs de l'équipe-projet ARIANA, à l'origine de cette recherche, développent des techniques d'analyse d'images adaptées à chaque type d'images satellitaires et, en particulier, capables de traiter les images à très haute résolution fournies par les satellites les plus récents (comme Ikonos, Quickbird et le futur satellite français Pléiades). « Les satellites à moyenne résolution - comme SPOT 4 par exemple - fournissent une image texturée d'où les objets sont extraits en utilisant des modèles markoviens. L'extraction de formes sur les images fournies par les satellites civils les plus récents, dont la résolution peut atteindre soixante centimètres (un pixel représente un carré de 60 cm par 60 cm), nécessite la mise au point de techniques d'extraction d'objets spécifiques impliquant des processus ponctuels marqués », explique Josiane Zerubia, responsable de l'équipe-projet ARIANA. Une autre direction de recherche consiste à améliorer la résolution des images de plus basses résolutions obtenues avec des satellites en combinant plusieurs images de même résolution légèrement décalées. « Cette approche, nommée super-résolution, est prometteuse. Elle fait appel à des techniques de traitement d'images fondées sur la théorie de l'échantillonnage. On peut espérer de très bons résultats d'ici quelques années », conclut Josiane Zerubia.
Isabelle Herlin,
Équipe-projet CLIME, INRIA Paris - Rocquencourt,
Tél. : +33 1 39 63 53 71
Josiane Zerubia,
Équipe-projet ARIANA, INRIA Sophia Antipolis - Méditerranée,
Tél. : +33 4 92 38 78 65
Qui est cet intrus ?
Se passer de pesticides est louable mais encore faut-il être capable d'identifier rapidement la présence de ravageurs sur les cultures pour que l'introduction de leurs prédateurs ait une chance de juguler leur multiplication. C'est l'objectif de l'action de recherche collaborative Bioserre qui vise à surveiller les plantations de roses sous serre pour détecter puis identifier automatiquement les mouches blanches et autres ravageurs qui s'attaqueraient aux tiges ou aux feuilles. Des caméras vidéo sans fil sont placées à des points stratégiques déterminés par les biologistes du centre de recherche de la chambre d'agriculture de Nice et de l'unité de pathologie végétale de l'Inra à Avignon. La difficulté est d'analyser cet important flux d'images au moindre coût. Pour cela les chercheurs de l'INRIA combinent leurs différentes compétences en analyse d'images. Le savoir-faire de VISTA en analyse spatio-temporelle du mouvement permettra de sélectionner les images à analyser plus finement. Celui de PULSAR en interprétation de scènes permettra d'analyser les ravageurs et de les compter. Par la suite, l'objectif sera de réunir des informations sur le comportement de ces insectes. Un défi vu la petitesse des protagonistes et leur tendance à s'agglutiner ! Contact : Sabine Moisan, coordonnatrice de Bioserre, |
