La thèse traite de l'analyse et la classification des états émotionnels perçus dans la parole lors de conversations naturelles. La majorité des expériences ont été effectuées sur des données enregistrées dans un centre d'appel médical contenant 20h de conversation homme-homme. La première partie du travail a consisté à proposer un protocole d'annotation adapté à la complexité des données réelles avec en particulier la possibilité d'annoter deux états émotionnels par segment. Des réflexions ont été conduites sur la manière de valider ces annotations et un vecteur " émotion " a été déduit de chaque annotation. Ces vecteurs ont révélé la présence d'états émotionnels mélangés qui ont été analysés et validés par des tests perceptifs. La deuxième partie porte sur la mise en oeuvre d'algorithmes de classification pour détecter des états émotionnels après l'extraction de plus d'une centaine d'indices paralinguistiques par segment. Les segments non complexes du corpus ont été utilisés pour entraîner des classifieurs, principalement des Support Vector Machine (SVM), afin de discriminer 2 à 5 classes " Emotion ". Les performances ont également été comparées selon le type d'indices extraits et en prenant en considération le sexe ou le rôle (agent/client) du locuteur. Une collaboration a été effectuée avec d'autres sites du réseau d'excellence HUMAINE afin de comparer les indices et méthodes sur des données en allemand. Les performances du LIMSI étaient au niveau de l'état de l'art. Enfin, une comparaison entre les états émotionnels présents dans des données actées et naturelles a montré que les modèles entraînés sur un type de données ne fonctionnaient pas forcément sur l'autre.

Les techniques d'analyse des images présentées dans cette thèse sont élaborées dans le cadre du Projet Européen dédié au développement d'une plateforme automatique pour l'évaluation de la cristallisation des protéines membranaires. Un grand nombre d'échantillons est simultanément produit et évalué par microscopie électronique en transmission (MET). Pour rendre cette tache automatique, une analyse en ligne des images acquises est indispensable ; des régions d'intérêt essentielles pour le pilotage du microscope sont progressivement sélectionnées afin d'évaluer les cristaux de protéines a fort grossissement.L'observation de l'échantillon à moyen grossissement fournit des informations nécessaires pour la caractérisation du succès de la cristallisation 2D. Les objets résultants, et en particulier le gris. De plus, ces membranes sont pratiquement transparentes aux électrons et donc, apparaissent faiblement contrastées.Cette thèse présente un ensemble de techniques de traitement d'images pour leur analyse à moyen grossissement (5-15 nm/pixel). La contribution originale de ce travail est située sur i) une évaluation statistique des contours en mesurant la corrélation entre les niveaux de gris proche du contour et un filtre de gradient pour réduire le sur segmentation, ii) la reconnaissance des objets de l'image, iii) une étude préliminaire de classification. Cette chaîne est en cours de validation sur un prototype. / The image analysis techniques presented in the présent thesis have been developed as part of a European projeet dedicated to the development of an automatic membrane protein crystallization pipeline. A large number of samples is simultaneously produced and assessed by transmission electron microscope (TEM) screening. Automating this fast step implicates an on-fine analysis of acquired images to assure the microscope control by selecting the regions to be observed at high magnification and identify the components for specimen characterization.The observation of the sample at medium magnification provides the information that is essential to characterize the success of the 2D crystallization. The resulting objects, and especially the artificial membranes, are identifiable at this scale. These latter present only a few characteristic signatures, appearing in an extremely noisy context with gray-level fluctuations. Moreover they are practically transparent to electrons yielding low contrast. This thesis presents an ensemble of image processing techniques to analyze medium magnification images (5-15 nm/pixel). The original contribution of this work lies in: i) a statistical evaluation of contours by measuring the correlation between gray-levels of neighbouring pixels to the contour and a gradient signal for over-segmentation reduction, ii) the recognition of foreground entities of the image and iii) an initial study for their classification. This chain has been already tested on-line on a prototype and is currently evaluated.

Deux problématiques se croisent dans nos travaux de recherches, ils ne font pas parties du même domaine: la première est issue du TAL (Traitement Automatique des Langues), la seconde est relié au domaine de l'ALAO (Apprentissage des Langues Assisté par Ordinateur).La première partie de nos travaux de recherches rentre dans le cadre de l'analyse morphologique des textes arabes. Pour la création d'un analyseur morphologique, nous avons commencé par la réalisation de toutes les ressources nécessaires (Dictionnaires pour la langue arabe, Matrices de compatibilités, Règles, Corpus d'apprentissage, Modèle de langage, etc.). Nous avons utilisé une approche statistique basée sur les Modèles de Markov Cachés (MMC) qui adhère à des principes de bonne pratique bien établis dans le domaine de l'analyse morphologique. Cette méthodologie a donné naissance à @rab-Morph : un analyseur morphologique robuste et performant pour l'arabe.La deuxième partie des travaux menés se situe dans le cadre de l'ALAO, où l'objectif principal est d'apporter des éléments de réponse à la question suivante ; comment peut-on profiter des outils issues du TAL arabe pour apporter des solutions aux plateformes d'apprentissage de l'arabe langue étrangère? Pour y parvenir et montrer l'intérêt d'avoir recours à des procédures, solutions et outils TAL pour l'apprentissage des langues, nous avons développé un prototype pour l'apprentissage de l'arabe baptisé @rab-Learn. Cet environnement utilise des outils issues du TAL, principalement notre analyseur morphologique @rab-Morph, pour créer des activités pédagogiques variés et automatiser d'avantage le traitement de la langue dans ces plateformes. / L'auteur n'a pas fourni de résumé en anglais

Notre travail de thèse porte sur la détection et la modélisation de configurations dynamiques dans des séquences d'images. Nous développons des approches statistiques locales sans apprentissage supervisé. Notre application principale est la microscopie de fluorescence, un outil fondamental de la biologie cellulaire moderne. Deux cas peuvent se présenter : 1. les objets étudiés n'interagissent pas, et les dynamiques individuelles peuvent être analysées indépendamment ; 2. les objets étudiés interagissent, et la dynamique à analyser est celle du groupe entier d'objets. En ce qui concerne les dynamiques individuelles, nous nous intéressons à des séquences d’images biologiques dans lesquelles des protéines évoluent au sein de la cellule. Plus précisément, nous étudions la fusion de vésicules à la frontière de la cellule, appelée membrane plasmique. Les vésicules sont des intermédiaires de transport qui véhiculent des molécules dans la cellule. À la fin du processus d’exocytose, la fusion des vésicules avec la membrane s’accompagne d’une diffusion desdites protéines. Les images sont acquises en microscopie de fluorescence par réflexion totale interne (TIRF). Afin de repérer les évènements de fusion, nous proposons une nouvelle méthode de détection de spots. Puis, nous modélisons les dynamiques des protéines et estimons les paramètres biophysiques associés dans les séquences TIRF. La dynamique de groupe, quant à elle, est notamment rencontrée dans les mouvements de tissus cellulaires, le développement embryonnaire ou dans d’autres domaines, comme les mouvements de foules dans des vidéos. Nous proposons une nouvelle méthode d’estimation du mouvement de groupe permettant de caractériser le mouvement à la fois de façon quantitative et qualitative. Elle est utilisée pour classifier le mouvement de groupe, retrouver les chemins principaux dans la scène et détecter des anomalies locales. Dans l'un ou l'autre cas d'étude, nous abordons les problématiques selon une démarche commune, essentiellement dirigée par les données et mettant en œuvre des tests statistiques. Par ailleurs, nous avons le souci de proposer des méthodes nécessitant le réglage d'un faible nombre de paramètres qui sont, de plus, peu sensibles ou calibrés avec des règles statistiques. Enfin, nous adoptons des approches locales, qui ont l’avantage d’être rapides, flexibles et peu sensibles aux variations de contexte, qu’elles soient spatiales (arrière-plan variable) ou temporelles (changement d’illumination globale comme le photoblanchiment en microscopie de fluorescence). / In this thesis, we investigate statistical methods to detect, estimate and characterize dynamical events in image sequences. Our main focus is on fluorescence microscopy images, which represent a fundamental tool for cell biology. There are two cases : 1. Studied objects do not interact, and individual dynamics can be independently analyzed ; 2. Studied objects interact, and group dynamics must be analyzed as a whole. In the case of individual dynamics, our primary focus is on biological image sequences showing proteins evolving in a cell, and more precisely at the cell frontier named plasma membrane. Proteins transported in the cell by vesicles, are observed in total internal reflection fluorescence microscopy (TIRFM), an observation technique well adapted to plasma membrane dynamics analysis. At the end of the exocytosis process, vesicles fuse to the plasma membrane and release proteins, which then diffuse. We first propose a new spot detection method aimed at localizing fusion events. Then, we model the protein dynamics and estimate the biophysical parameters in TIRFM image sequences for further biological analysis. We also address the processing of image sequences at lower magnifications, that is, depicting groups of cells, instead of an isolated cell. We propose a method to jointly estimate quantitative and qualitative motion measurements. It is used to classify the group motion, recover principal paths followed in the scene, and detect localized anomalies. Since they are free of appearance model, the developed methods are quite general and also applied to other applications including crowd motion analysis in videos. Whether it is for spot detection, protein dynamics estimation or group motion analysis, a common approach is ubiquitous, however. First, statistical arguments are used to automatically infer the method parameters. Secondly, we rely on local approaches, which have the advantage of being computationally efficient. Local modeling handles spatially varying image statistics much more easily and more accurately than global modeling. Local approaches also allow neglecting contextual variations such as spatially varying background contrast or, in fluorescence microscopy, temporal fading known as photobleaching.

Le domaine de recherche dans l'évaluation objective de la qualité des images couleur a connu un regain d'intérêt ces dernières années. Les travaux sont essentiellement dictés par l'avènement des images numérique et par les nouveaux besoins en codage d'images (compression, transmission, restauration, indexation,…). Jusqu'à présent la meilleure évaluation reste visuelle (donc subjective) soit par des techniques psychophysiques soit par évaluation experte. Donc, il est utile, voire nécessaire, de mettre en place des critères et des mesures objectifs qui produisent automatiquement des notes de qualité se rapprochant le plus possible des notes de qualité données par l'évaluation subjective. Nous proposons, tout d'abort, une nouvelle métrique avec référence d'évaluation de la qualité des images couleur, nommée Delta E globale, se base sur l'aspect couleur et intègre les caractéristiques du système visuel humain (SVH). Les performances ont été mesurées dans deux domaines d'application la compression et la restauration. Les expérimentations réalisées montrent une corrélation importante entre les résultats obtenus et l'appréciation subjective. Ensuite, nous proposons une nouvelle approche d'évaluation sans référence de la qualité des images couleur en se basant sur les réseaux de neurones : compte tenu du caractère multidimensionnel de la qualité d'images, une quantification de la qualité a été proposée en se basant sur un ensemble d'attributs formant le descripteur PN (Précision, Naturalité). La précision traduit la netteté et la clarté. Quant à la naturalité, elle traduit la luminosité et la couleur. Pour modéliser le critère de la couleur, trois métriques sans référence ont été définies afin de détecter la couleur dominante dans l'image, la proportion de cette couleur et sa dispersion spatiale. Cette approche se base sur les réseaux de neurones afin d'imiter la perception du SVH. Deux variantes de cette approche ont été expérimentées (directe et progressive). Les résultats obtenus ont montré la performance de la variante progressive par rapport à la variante directe. L'application de l'approche proposée dans deux domaines : dans le contexte de la restauration, cette approche a servi comme un critère d'arrêt automatique pour les algorithmes de restauration. De plus, nous l'avons utilisé au sein d'un système d'estimation de la qualité d'images afin de détecter automatiquement le type de dégradation contenu dans une image. Dans le contexte de l'indexation et de la recherche d'images, l'approche proposée a servi d'introduire la qualité des images de la base comme index. Les résultats expérimentaux ont montré l'amélioration des performances du système de recherche d'images par le contenu en utilisant l'index qualité ou en réalisant un raffinement des résultats avec le critère de qualité. / The research area in the objective quality assessment of the color images has been a renewed interest in recent years. The work is primarily driven by the advent of digital pictures and additional needs in image coding (compression, transmission, recovery, indexing,...). So far the best evaluation is visual (hence subjective) or by psychophysical techniques or by expert evaluation. Therefore, it is useful, even necessary, to establish criteria and objectives that automatically measures quality scores closest possible quality scores given by the subjective evaluation. We propose, firstly, a new full reference metric to assess the quality of color images, called overall Delta E, based on color appearance and incorporates the features of the human visual system (HVS). Performance was measured in two areas of application compression and restoration. The experiments carried out show a significant correlation between the results and subjective assessment.Then, we propose a new no reference quality assessmenent color images approach based on neural networks: given the multidimensional nature of image quality, a quantification of quality has been proposed, based on a set of attributes forming the descriptor UN (Utility, Naturalness). Accuracy reflects the sharpness and clarity. As for naturality, it reflects the brightness and color. To model the criterion of color, three no reference metrics were defined to detect the dominant color in the image, the proportion of that color and its spatial dispersion. This approach is based on neural networks to mimic the HVS perception. Two variants of this approach have been tried (direct and progressive). The results showed the performance of the progressive variant compared to the direct variant. The application of the proposed approach in two areas: in the context of restoration, this approach has served as a stopping criterion for automatic restoration algorithms. In addition, we have used in a system for estimating the quality of images to automatically detect the type of content in an image degradation. In the context of indexing and image retrieval, the proposed approach was used to introduce the quality of images in the database as an index. The experimental results showed the improvement of system performance image search by content by using the index or by making a quality refinement results with the quality criterion.

La matière organique dissoute (MOD) est constituée d’un mélange hétérogène et complexe de molécules. Elle intervient dans de nombreux processus physiques, biologiques et chimiques dans les milieux aquatiques, et notamment dans les grands cycles biogéochimiques ou le transport et la biodisponibilité des contaminants.Ainsi un des enjeux actuels de nombreux domaines de recherche (chimie, écologie, océanographie) est de mieux comprendre et caractériser la MOD dans l’environnement. Dans ce contexte-là, l’objectif de ces travaux a été le développement d’une méthodologie analytique pour l’analyse et la séparation, en fonction de la taille, par fractionnement par couplage flux-force avec flux asymétrique (AF4) de la MOD. Le développement a principalement porté sur la phase mobile, le flux croisé, le temps de focus et l’utilisation d’étalons organiques proches de la MOD, permettant de calculer sa masse moléculaire moyenne.Cette méthode optimisée, couplée à un détecteur UV/Vis, équipée d’une membrane de 1kDa, d’un espaceur de 490μm et d’une phase mobile de 5mM en tampon phosphate a permis l’étude de la dynamique de la MOD.L’application de cette méthode couplée aux techniques de spectroscopie optique (absorbance et fluorescence) a permis l’étude de la MOD dans les estuaires de Seine et de Gironde mettant en avant les effets de la marée et des saisons sur la taille et le type de MOD.De plus, différentes approches statistiques ont été développées afin de mieux appréhender les multiples variables (analytiques ou environnementales) et notamment les modèles de régression linéaire ou les cartes auto-organisatrices de Kohonen. / Dissolved organic matter (DOM) is a heterogeneous and complex mixture of molecules. It is involved in many physical, biological and chemical processes in aquatic ecosystems, especially in the major biogeochemical cycles or transport and bioavailability of contaminants.Thus one of the current issues in many areas of research (chemistry, ecology, oceanography) is to better understand and characterize DOM in the environment. In this context, the aim of this work was the development of an analytical methodology for DOM analysis and separation, depending on its size, by asymmetrical flow field-flow fractionation (AF4). The development focused on the mobile phase, the cross-flow, the focus time and the use of organic macromolecules standards close to DOM, in order to calculate its molecular weight.This optimized method, coupled with a UV/Vis detector, equipped with a 1kDa membrane, a 490μm spacer and a mobile phase of 5 mM phosphate buffer allowed us to study the MOD dynamics in estuarine environments.The application of this method coupled to optical spectroscopy techniques (absorbance and fluorescence) permitted the study of MOD in the Seine and Gironde estuaries and to highlight the tidal and the seasonal effects on the size and type of DOM.Furthermore, different statistical approaches have been developed to better understand the multiple variables (analytical or environmental), especially linear regression models or self-organizing maps (Kohonen).