L’objectif de ces travaux de thèse est la reconnaissance automatique des espèces d’arbres à partir de scans laser terrestres, information indispensable en inventaire forestier. Pour y répondre, nous proposons différentes méthodes de reconnaissance d’espèce basées sur la texture géométrique 3D des écorces.Ces différentes méthodes utilisent la séquence de traitement suivante : une étape de prétraitement, une étape de segmentation, une étape d’extraction des caractéristiques et une dernière étape de classification. Elles sont fondées sur les données 3D ou bien sur des images de profondeur extraites à partir des nuages de points 3D des troncs d’arbres en utilisant une surface de référence.Nous avons étudié et testé différentes approches de segmentation sur des images de profondeur représentant la texture géométrique de l'écorce. Ces approches posent des problèmes de sur-Segmentation et d'introduction de bruit. Pour cette raison, nous proposons une nouvelle approche de segmentation des nuages de points 3D : « Burst Wind Segmentation », inspirée des lignes de partage des eaux. Cette dernière réussit, dans la majorité des cas, à extraire des cicatrices caractéristiques qui sont ensuite comparées à un dictionnaire des cicatrices (« ScarBook ») pour discriminer les espèces d’arbres.Une grande variété de caractéristiques est extraite à partir des régions segmentées par les différentes méthodes proposées. Ces caractéristiques représentent le niveau de rugosité, la forme globale des régions segmentées, la saillance et la courbure du contour, la distribution des points de contour, la distribution de la forme selon différents angles,...Enfin, pour la classification des caractéristiques visuelles, les forêts aléatoires (Random Forest) de Leo Breiman et Adèle Cutler sont utilisées dans une approche à deux étapes : sélection des variables importantes, puis classification croisée avec les variables retenues, seulement.L’écorce de l’arbre change avec l'accroissement en diamètre ; nous avons donc étudié différents critères de variabilité naturelle et nous avons testé nos approches sur une base qui présente cette variabilité. Le taux de bonne classification dépasse 96% dans toutes les approches de segmentation proposées mais les meilleurs résultats sont atteints avec la nouvelle approche de segmentation « Burst Wind Segmentation » étant donné que cette approche réussit mieux à extraire les cicatrices, utilise un dictionnaire de cicatrices et a été évaluée sur une plus grande variété de caractéristiques de forme, de courbure, de saillance et de rugosité. / The objective of the thesis is the automatic recognition of tree species from Terrestrial LiDAR data. This information is essential for forest inventory. As an answer, we propose different recognition methods based on the 3D geometric texture of the bark.These methods use the following processing steps: a preprocessing step, a segmentation step, a feature extraction step and a final classification step. They are based on the 3D data or on depth images built from 3D point clouds of tree trunks using a reference surface.We have investigated and tested several segmentation approaches on depth images representing the geometric texture of the bark. These approaches have the disadvantages of over segmentation and are quite sensitive to noises. For this reason, we propose a new 3D point cloud segmentation approach inspired by the watershed technique that we have called «Burst Wind Segmentation». Our approach succeed in extracting in most cases the characteristic scars that are next compared to those stored in a dictionary («ScarBook») in order to determine the tree species.A large variety of characteristics is extracted from the regions segmented by the different methods proposed. These characteristics are the roughness, the global shape of the segmented regions, the saliency and the curvature of the contour, the distribution of the contour points, the distribution of the shape according to the different orientations.Finally, for the classification of the visual characteristics, the Random Forest method by Leo Breiman and Adèle Cutler is used in a two steps approach: selection of the most important variables and cross classification with the selected variables.The bark of the tree changes with the trunk diameter. We have thus studied different natural variability criteria and we have tested our approaches on a test set that includes this variability. The accuracy rate is over 96% for all the proposed segmentation approaches but the best result is obtained with the «Burst Wind Segmentation» one due to the fact that this approach can better extract the scars, it uses a dictionary of scars for recognition, and it has been evaluated on a greater variety of shapes, curvatures, saliency and roughness.

De nos jours, l’identification automatique des espèces de plantes par l’analyse d’images, devient incontournable pour faire perdurer, standardiser voire approfondir les connaissances relatives à la communauté végétale. Cette thèse aborde le problème d’identification automatique des espèces de plantes en utilisant les images de feuilles. Elle s’attaque à deux principaux challenges: Le premier challenge est le grand nombre et la large variabilité de la morphologie foliaire des espèces et le deuxième challenge est la variabilité intra-espèces qui se manifeste localement au niveau de régions particulières des feuilles. Pour pallier à ces deux problèmes, un retour à la botanique et notamment aux concepts botaniques foliaires a été établi pour définir une structuration automatique des feuilles à deux niveaux: Le premier niveau concerne un schéma de catégorisation selon les deux concepts botaniques “arrangement” et “lobation”. Le deuxième niveau consiste à définir les parties sémantiques qui composent la feuille. L’approche de la thèse s’articule autour de deux principaux volets: Dans le premier volet, nous nous intéressons à mettre en place cette structuration guidée par la sémantique botanique en définissant des propriétés géométriques simples corrélées avec les définitions et les observations botaniques. Dans le deuxième volet, nous étudions la faisabilité et la pertinence d’intégrer cette structuration dans la chaîne d’identification. Particulièrement, nous établissons des recherches ciblées dans les catégories et nous définissons des modèles de parties à significations botaniques. Nous établissons notre évaluation sur les deux bases d’images de Scans de feuilles ImageCLEF 2011 et ImageCLEF 2012. Nous comparons notre approche par rapport à un schéma d’identification de référence, appliqué sur la totalité de la base et en utilisant l’image entière, et par rapport à plusieurs méthodes référencées dans la littérature. / Nowadays, automatic identification of plant species, by image analysis, has become crucial to maintain, standardize or deepen knowledge about the plant community. This thesis focus on the problem of automatic identification of plant species using leaf images. It addresses two main challenges: The first challenge is the large number and the high variability in foliar morphology across species. The second challenge is the intra-species variability which occurs locally at particular regions of leaves. To overcome these two problems, a return to botany and especially to leaf botanical concepts is established in order to define an automatic structuring of leaves at two levels: The first level concerns a categorisation scheme according to the botanical concepts “arrangement” and “lobation". The second level consists in decomposing leaves into semantic parts. The approach of the thesis is based on two key parts: In the first part, we focus on establishing this botanical-based structuring process by defining simple geometric properties correlated with botanical definitions and observations. In the second part, we investigate the feasibility and opportunities to integrate this structuring process in the identification scheme. Particularly, we make targeted researches in categories and we define specific part-based models.Experiments are conducted using the ImageCLEF 2011 and 2012 Scan images leaf databases. We compare our approach with respect to the reference identification scheme, applied on the whole databaseand using the entire images, and with respect to several methods referenced in the literature.

Les bactéries du genre Agrobacterium forment un ensemble taxonomiquement diversifié composé de nombreuses espèces, présent dans la plupart des sols et des rhizosphère. Les agrobactéries sont le plus souvent anodines voire stimulatrices de la croissance des plantes. Par contre, celles qui hébergent un plasmide Ti induisent la maladie de la galle du collet à de nombreuses plantes d'intérêt agronomique. Dans ce contexte, nous avons d'une part donné l'état actuel des connaissances sur la taxonomie du genre Agrobacterium, et nous avons fait une revue des méthodes d'isolement et de typage de ces bactéries. D'autre part, nous avons cherché à mettre au point des méthodes d'identification rapides et fiables des différentes espèces d'agrobactérie. La méthode de MALDI-TOF MS a permis d'identifier les espèces mais elle n'était pas assez résolutive pour typer des souches et encore moins la présence de plasmides Ti dans les isolats. Nous avons alors développé des amorces de PCR spécifiques de 17 espèces, du genre Agrobacterium et de la famille Rhizobiaceae. Ces amorces se sont révélées efficaces pour identifier les bactéries cultivées et aussi pour détecter leur présence dans des communautés microbiennes. Nous avons utilisé ces outils pour étudier la répartition des agrobactéries à l'échelle d'un pays, d'une station et entre sols nus et sols rhizosphériques en utilisant soit des isolats soit des ADN extraits des différents environnements. Enfin, nous avons montré que le clonage-séquençage ou le séquençage à haut débit d'amplicons obtenus à partir d’ADN de communautés microbiennes nous permettaient de connaître la diversité des populations d'agrobactéries / Agrobacterium are Alphaproteobacteria common in most soils that closely interact with plants in two respects. Firstly, they are rhizospheric bacteria saprophytically living in the rhizosphere of numerous plants and they are likely beneficial to plants. Secondly, when they harbor a dispensable Ti plasmid (i.e. tumor inducing plasmid), agrobacteria are plant pathogens able to cause the crown gall disease to most dicots and gymnosperms and some monocots. An epidemiological survey of crown gall thus also requires expert determination of the Agrobacterium taxonomy. In this thesis we evaluated the usefulness of MALDI-TOF MS technique as a high throughput tool to determine and classify agrobacteria. Then we set up a recA-based PCR method to accurately and exhaustively assess agrobacterial diversity either of isolated agrobacteria or directly in various biotopes. We applied standard biochemical, recA-based and Ti plasmid-based identification methods to study the prevalence of pathogenic and non-pathogenic agrobacteria at the country and local scales. Finally, we tested whether analyzing the internal composition of recA amplicons could be a way to directly assess the micro-diversity of agrobacterial populations using cloning sequencing or pyrosequencing approaches. The later methodology was applied to establish the actual field diversity of Agrobacterium and to evaluate whether plant genotypes differentially select agrobacteria in their root systems, providing first data upon biotic factors shaping the population structure of agrobacteria