Description du sujet :

Classification d’images multi et hyper spectrale à ultra haute résolution. Application à la proxidétection et à la télédétection des maladies du bois de la vigne

Contexte Général

Les Maladies du Bois de la Vigne (MBV) entraînent des pertes économiques de plus en plus importantes en France. Selon les estimations, tous les vignobles sont concernés. Avec 15 à 50 % des surfaces atteintes par les MBV en France, la perte annuelle pour la filière viticole est estimée à 1,5 milliard d’euros. Les efforts de recherche, passés ou en cours, sont principalement centrés sur la compréhension des maladies du bois de la vigne et peu de solutions concrètes sont encore disponibles pour freiner l’épidémie.
Le projet ADVANTAGE [1], qui finance cette thèse à travers le Fond Unique Interministériel et plusieurs collectivités locales, vise à développer une solution reposant sur des combinaisons de produits de protection aux modes d’action complémentaires, mais également sur des outils d’aide à la décision.
En particulier, les stratégies de protection développées seront évaluées par suivi de l’état sanitaire des parcelles. Ce suivi sera fondé sur des techniques de modélisation innovantes et sur l’acquisition et l’analyse automatique d’images de proxi ou de télédétection permettant ainsi d’évaluer le niveau d’infestation des parcelles et le niveau de risque de développement des maladies du bois de la vigne afin de mieux positionner les traitements.
Le travail de thèse s’effectuera en collaboration avec les partenaires du projet ADVANTAGE, et en particulier avec les sociétés CybeleTech et Telespazio

Contexte Scientifique et Méthodologie

Les symptômes des Maladies du Bois de la Vigne sont souvent diffus, très ressemblants à ceux d’autres maladies, et ne couvre qu’une partie du feuillage de la plante affectée. La technique d’acquisition des images sera donc critique au regard de la qualité du diagnostic.
Aussi, afin de parvenir à une détection aussi fiable et précoce que possible, plusieurs techniques d’imageries sont envisagées. Elles reposent sur des vecteurs d’acquisition offrant des résolutions différentes (ULM, drone), sur des capteurs multi et hyperspectraux, mais aussi des stratégies multi temporelles, afin de pouvoir caractériser à la fois la signature spectrale et la signature spatiotemporelle de la maladie (structures spatiales, spectrales et temporelles, combinées ou non).
Une fois les images acquises, les techniques d’analyse à mettre en œuvre reposeront quant à elles sur des prétraitements des signaux (étalonnage, sélection des composantes et dé-mélange spectral), de modélisation des dépendances spatiales, spectrales et temporelles et de classification.
Ces outils feront appel à une combinaison appropriée d’outils disponibles dans la littérature (ACP, ACI,…) et développés au sein du Laboratoire IMS (représentations multi-échelles, modèles multivariés, distributions elliptiques [2]). Ces outils se sont récemment montrés très efficaces dans des contextes de classification d’images de télédétection optique [3] et radar[4] ou combinant les deux [5].

Missions du (de la)  doctorant(e)

• Le/la doctorant(e) sera en charge de la définition du protocole expérimental d’acquisition des images et de sa mise en œuvre.
• Il/elle élaborera les chaînes de traitements des images à partir des modules disponibles, qu’il/elle adaptera si nécessaire.
• Il/elle conduira l’exploitation des résultats et leur validation.

Ces missions s’effectueront en collaboration avec les partenaires industriels et académiques du projet ADVANTAGE.

Cadre académique

Laboratoire IMS, de l’Intégration du Matériau au Système, UMR CNRS à Talence
Bordeaux Sciences Agro, Gradignan
Ecole Doctorale Sciences Physique et de l’Ingénieur – Université de Bordeaux
 

Profil recherché

Ingénieur Agronome spécialisé en Technologies de l’Information et de la Communication, ayant un goût prononcé pour la télédétection, l’analyse des images et la programmation.
Maitrise de Matlab (ou équivalent) souhaitée.

Début de la thèse

Octobre 2015

Contact /candidature

Envoyer lettre de motivation et CV à Christian GERMAIN et Lionel BOMBRUN (Bordeaux Sciences Agro – UMR IMS)
christian.germain@agro-bordeaux.fr
lionel.bombrun@agro-bordeaux.fr

Références  bibliographiques

[1] Projet FUI ADVANTAGE : http://www.vegepolys.eu/media/cp_vegepolys__fui__advantage_01_04_2015__005363500_1507_02042015.pdf
[2] Bombrun, L. & Beaulieu, J.-M ; Fisher Distribution for Texture Modeling of Polarimetric SAR Data. IEEE Geoscience and Remote Sensing Letters, 5(3), pp. 512-516., 2008.
[3] Regniers, O. ; Bombrun, L. ; Guyon, D. ; Samalens, J.-C. ; Germain Ch., “Wavelet-based texture features for the classification of age classes in a maritime Pine forest”, IEEE Geoscience and Remote Sensing Letters, 12(3), Pages 621-625, 2015.
[4] Ilea I.; Bombrun L., Germain Ch., Champion I., Terebes. R., Borda M., “Statistical hypothesis test for maritime pine forest SAR images Classification based on the geodesic distance”, Proc. of IEEE IGARSS 2015.
[5] Regniers O., Bombrun L., Ilea I., Lafon V., Germain Ch. ; “Classification Of Oyster Habitats By Combining Wavelet-Based Texture Features And Roughness Descriptors” Proc. of IEEE IGARSS 2015.