Applicabilité de la texture couleur à la différentiation des classes d’occupation du territoire sur des images satellitales multispectrales

La texture est un élément clé pour l’interprétation des images de télédétection à fine résolution spatiale. L’intégration de l’information texturale dans un processus de classification automatisée des images se fait habituellement via des images de texture, souvent créées par le calcul de matrices de co-occurrences (MCO) des niveaux de gris. Une MCO est un histogramme des fréquences d’occurrence des paires de valeurs de pixels présentes dans les fenêtres locales, associées à tous les pixels de l’image utilisée; une paire de pixels étant définie selon un pas et une orientation donnés. Les MCO permettent le calcul de plus d’une dizaine de paramètres décrivant, de diverses manières, la distribution des fréquences, créant ainsi autant d’images texturales distinctes. L’approche de mesure des textures par MCO a été appliquée principalement sur des images de télédétection monochromes (ex. images panchromatiques, images radar monofréquence et monopolarisation). En imagerie multispectrale, une unique bande spectrale, parmi celles disponibles, est habituellement choisie pour générer des images de texture. La question que nous avons posée dans cette recherche concerne justement cette utilisation restreinte de l’information texturale dans le cas des images multispectrales. En fait, l’effet visuel d’une texture est créé, non seulement par l’agencement particulier d’objets/pixels de brillance différente, mais aussi de couleur différente. Plusieurs façons sont proposées dans la littérature pour introduire cette idée de la texture à plusieurs dimensions. Parmi celles-ci, deux en particulier nous ont intéressés dans cette recherche. La première façon fait appel aux MCO calculées bande par bande spectrale et la seconde utilise les MCO généralisées impliquant deux bandes spectrales à la fois. Dans ce dernier cas, le procédé consiste en le calcul des fréquences d’occurrence des paires de valeurs dans deux bandes spectrales différentes. Cela permet, en un seul traitement, la prise en compte dans une large mesure de la « couleur » des éléments de texture. Ces deux approches font partie des techniques dites intégratives. Pour les distinguer, nous les avons appelées dans cet ouvrage respectivement « textures grises » et « textures couleurs ». Notre recherche se présente donc comme une analyse comparative des possibilités offertes par l’application de ces deux types de signatures texturales dans le cas spécifique d’une cartographie automatisée des occupations de sol à partir d’une image multispectrale. Une signature texturale d’un objet ou d’une classe d’objets, par analogie aux signatures spectrales, est constituée d’une série de paramètres de texture mesurés sur une bande spectrale à la fois (textures grises) ou une paire de bandes spectrales à la fois (textures couleurs). Cette recherche visait non seulement à comparer les deux approches intégratives, mais aussi à identifier la composition des signatures texturales des classes d’occupation du sol favorisant leur différentiation : type de paramètres de texture / taille de la fenêtre de calcul / bandes spectrales ou combinaisons de bandes spectrales. Pour ce faire, nous avons choisi un site à l’intérieur du territoire de la Communauté Métropolitaine de Montréal (Longueuil) composé d’une mosaïque d’occupations du sol, caractéristique d’une zone semi urbaine (résidentiel, industriel/commercial, boisés, agriculture, plans d’eau…). Une image du satellite SPOT-5 (4 bandes spectrales) de 10 m de résolution spatiale a été utilisée dans cette recherche. Puisqu’une infinité d’images de texture peuvent être créées en faisant varier les paramètres de calcul des MCO et afin de mieux circonscrire notre problème nous avons décidé, en tenant compte des études publiées dans ce domaine : a) de faire varier la fenêtre de calcul de 3*3 pixels à 21*21 pixels tout en fixant le pas et l’orientation pour former les paires de pixels à (1,1), c'est-à-dire à un pas d’un pixel et une orientation de 135°; b) de limiter les analyses des MCO à huit paramètres de texture (contraste, corrélation, écart-type, énergie, entropie, homogénéité, moyenne, probabilité maximale), qui sont tous calculables par la méthode rapide de Unser, une approximation des matrices de co-occurrences, c) de former les deux signatures texturales par le même nombre d’éléments choisis d’après une analyse de la séparabilité (distance de Bhattacharya) des classes d’occupation du sol; et d) d’analyser les résultats de classification (matrices de confusion, exactitudes, coefficients Kappa) par maximum de vraisemblance pour conclure sur le potentiel des deux approches intégratives; les classes d’occupation du sol à reconnaître étaient : résidentielle basse et haute densité, commerciale/industrielle, agricole, boisés, surfaces gazonnées (incluant les golfs) et plans d’eau. Nos principales conclusions sont les suivantes a) à l’exception de la probabilité maximale, tous les autres paramètres de texture sont utiles dans la formation des signatures texturales; moyenne et écart type sont les plus utiles dans la formation des textures grises tandis que contraste et corrélation, dans le cas des textures couleurs, b) l’exactitude globale de la classification atteint un score acceptable (85%) seulement dans le cas des signatures texturales couleurs; c’est une amélioration importante par rapport aux classifications basées uniquement sur les signatures spectrales des classes d’occupation du sol dont le score est souvent situé aux alentours de 75%; ce score est atteint avec des fenêtres de calcul aux alentours de11*11 à 15*15 pixels; c) Les signatures texturales couleurs offrant des scores supérieurs à ceux obtenus avec les signatures grises de 5% à 10%; et ce avec des petites fenêtres de calcul (5*5, 7*7 et occasionnellement 9*9) d) Pour plusieurs classes d’occupation du sol prises individuellement, l’exactitude dépasse les 90% pour les deux types de signatures texturales; e) une seule classe est mieux séparable du reste par les textures grises, celle de l’agricole; f) les classes créant beaucoup de confusions, ce qui explique en grande partie le score global de la classification de 85%, sont les deux classes du résidentiel (haute et basse densité). En conclusion, nous pouvons dire que l’approche intégrative par textures couleurs d’une image multispectrale de 10 m de résolution spatiale offre un plus grand potentiel pour la cartographie des occupations du sol que l’approche intégrative par textures grises. Pour plusieurs classes d’occupations du sol un gain appréciable en temps de calcul des paramètres de texture peut être obtenu par l’utilisation des petites fenêtres de traitement. Des améliorations importantes sont escomptées pour atteindre des exactitudes de classification de 90% et plus par l’utilisation des fenêtres de calcul de taille variable adaptées à chaque type d’occupation du sol. Une méthode de classification hiérarchique pourrait être alors utilisée afin de séparer les classes recherchées une à la fois par rapport au reste au lieu d’une classification globale où l’intégration des paramètres calculés avec des fenêtres de taille variable conduirait inévitablement à des confusions entre classes.

Simulation des fonctions de texture bidirectionnelles

Le réalisme des objets en infographie exige de simuler adéquatement leur apparence sous divers éclairages et à différentes échelles. Une solution communément adoptée par les chercheurs consiste à mesurer avec l’aide d’appareils calibrés la réflectance d’un échantillon de surface réelle, pour ensuite l’encoder sous forme d’un modèle de réflectance (BRDF) ou d’une texture de réflectances (BTF). Malgré des avancées importantes, les données ainsi mises à la portée des artistes restent encore très peu utilisées. Cette réticence pourrait s’expliquer par deux raisons principales : (1) la quantité et la qualité de mesures disponibles et (2) la taille des données. Ce travail propose de s’attaquer à ces deux problèmes sous l’angle de la simulation. Nous conjecturons que le niveau de réalisme du rendu en infographie produit déjà des résultats satisfaisants avec les techniques actuelles. Ainsi, nous proposons de précalculer et encoder dans une BTF augmentée les effets d’éclairage sur une géométrie, qui sera par la suite appliquée sur les surfaces. Ce précalcul de rendu et textures étant déjà bien adopté par les artistes, il pourra mieux s’insérer dans leurs réalisations. Pour nous assurer que ce modèle répond aussi aux exigences des représentations multi-échelles, nous proposons aussi une adaptation des BTFs à un encodage de type MIP map.

Rôle du régulateur Fur et des petits ARN non codants RfrA et RfrB dans l’homéostasie du fer et la virulence de Salmonella

La régulation de l’homéostasie du fer est cruciale chez les bactéries. Chez Salmonella, l’expression des gènes d’acquisition et du métabolisme du fer au moment approprié est importante pour sa survie et sa virulence. Cette régulation est effectuée par la protéine Fur et les petits ARN non codants RfrA et RfrB. Le rôle de ces régulateurs est d’assurer que le niveau de fer soit assez élevé pour la survie et le métabolisme de Salmonella, et assez faible pour éviter l’effet toxique du fer en présence d’oxygène. Les connaissances concernant le rôle de ces régulateurs ont été principalement obtenues par des études chez S. Typhimurium, un sérovar généraliste causant une gastro-entérite chez les humains. Très peu d’informations sont connues sur le rôle de ces régulateurs chez S. Typhi, un sérovar humain-spécifique responsable de la fièvre typhoïde. Le but de cette étude était de déterminer les rôles de Fur, RfrA et RfrB dans l’homéostasie du fer et la virulence de Salmonella, et de démontrer qu’ils ont une implication distincte chez les sérovars Typhi et Typhimurium. Premièrement, Fur, RfrA et RfrB régulent l’homéostasie du fer de Salmonella. Les résultats de cette étude ont démontré que Fur est requis pour la résistance au stress oxydatif et pour une croissance optimale dans différentes conditions in vitro. La sensibilité du mutant fur est due à l’expression des petits ARN RfrA et RfrB, et cette sensibilité est beaucoup plus importante chez S. Typhi que chez S. Typhimurium. Également, Fur inhibe la transcription des gènes codant pour les sidérophores en conditions riches en fer, tandis que les petits ARN RfrA et RfrB semblent être importants pour la production d’entérobactine et de salmochélines chez S. Typhi lors de conditions pauvres en fer. Ensuite, ces régulateurs affectent la virulence de Salmonella. Fur est important pour la motilité de Salmonella, particulièrement chez S. Typhi. Fur est nécessaire pour l’invasion des deux sérovars dans les cellules épithéliales, et pour l’entrée et la survie de S. Typhi dans les macrophages. Chez S. Typhimurium, Fur ne semble pas impliqué dans l’interaction avec les macrophages. De plus, les petits ARN RfrA et RfrB sont importants pour la multiplication intracellulaire de Salmonella dans les macrophages pour les deux sérovars. Finalement, la protéine Fur et les petits ARN RfrA et RfrB régulent l’expression de l’opéron fimbriaire tcf, absent du génome de S. Typhimurium. Un site de liaison putatif de la protéine Fur a été identifié dans la région promotrice de tcfA chez S. Typhi, mais une régulation directe n’a pas été confirmée. L’expression de tcf est induite par le fer et par Fur, et est inhibée par les petits ARN RfrA et RfrB. Ainsi, ces régulateurs affectent des gènes de virulence qui sont retrouvés spécifiquement chez S. Typhi. En somme, ce projet a permis de démontrer que les régulateurs de l’homéostasie du fer de Salmonella peuvent affecter la résistance de cette bactérie pathogène à différents stress, notamment le stress oxydatif, la croissance en conditions de carence en fer ainsi que la virulence. Ces régulateurs jouent un rôle distinct chez les sérovars Typhi et Typhimurium.

La texture et la granulométrie de la moulée influencent les concentrations d’acide propionique et butyrique de même que la prévalence d’Escherichia coli dans le tractus gastro-intestinal du porc d’engraissement

Certaines stratégies alimentaires sont actuellement considérées pour remplacer l’usage des antimicrobiens dans les fermes porcines. Les objectifs de cette étude étaient d'évaluer l'effet de la granulométrie et de la texture des aliments sur les concentrations d'acides gras volatils intestinaux, la composition des populations pathogènes et commensales d’E. coli et sur les performances de croissance des porcs. Des porcs d'engraissement (n= 840) ont reçu l'une des six diètes suivantes: moulée texturée 500, 750 et 1250 µm et moulée cubée 500, 750 et 1250 µm. Le gain de poids a été mesuré à chaque changement de formulation de moulée. À l'abattoir, les contenus du caecum et du côlon de 165 porcs ont été échantillonnés pour le dénombrement des E. coli par PCR quantitatif (qPCR) et pour la quantification des AGV. Le gène yccT a été utilisé pour dénombrer les E. coli totaux. Une diminution du taux de conversion alimentaire a été associée avec la moulée cubée et/ou la moulée de 500 µm. Les concentrations d’acide propionique et butyrique, et ce tant au niveau du caecum que du côlon, étaient plus élevées chez les porcs recevant de la moulée texturée que chez ceux recevant de la moulée cubée. Du point de vue de la granulométrie, les concentrations caecales et du côlon d’acide butyrique étaient plus élevées chez les porcs alimentés avec de la moulée de 1250 µm que chez ceux recevant de la moulée de 500 µm. D'autre part, les niveaux intestinaux d’E. coli totaux étaient plus élevés pour les porcs nourris avec de la moulée cubée que pour ceux ayant reçu de la moulée texturée. Les résultats ont montré que la moulée texturée est associée à des performances de croissance plus faibles mais à des changements intestinaux favorables.

Newly-developed parameters to quantify texture : application to polymeric porous structures

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.