Le contenu et l’état de conservation exceptionnel du Codex Borbonicus en font un témoin précieux de la culture du bassin de Mexico-Tenochtitlan à l’époque de l’arrivée des conquistadors. Pour certains historiens il s’agit d’un document assurément précolombien, tandis que pour d’autres, une partie de son contenu graphique dénote une influence culturelle Européenne. Afin d’explorer les savoir-faire mis en œuvre lors de sa production et d’apporter de nouvelles données à ce débat, la nature et le mode de préparation des constituants du manuscrit sont étudiés, dans les limites offertes par les instrumentations transportables et non-invasives (spectroscopies de fluorescence de rayons X, de réflexion, d’émission et Raman). Une première interprétation des données analytiques enregistrées sur le manuscrit se base sur les connaissances issues des sources historiques et du corpus de manuscrits mésoaméricains déjà étudiés. Une analyse plus fine des données est apportée par des calculs de combinaisons spectrales et par l’étude expérimentale de certains colorants, qui permettent une compréhension plus avancée des techniques de production picturale employées. Afin de généraliser les conclusions tirées des mesures localisées, la distribution des constituants sur la totalité du document est également abordée. L’imagerie hyperspectrale, par l’application d’outils statistiques et le développement de cartographies de motifs spectraux spécifiques, apporte ainsi une nouvelle perspective aux résultats des analyses. L’utilisation exclusive de colorants organiques d’origine animale (Dactylopius coccus) ou végétale (Indigofera suffruticosa, Comellina coelestis, Justicia spicigera) dans le Codex Borbonicus, seuls ou en mélanges, correspond aux traditions précolombiennes. L’hypothèse d’une influence européenne ne peut donc s’appuyer sur la nature des constituants du document. Les données présentées viennent par ailleurs enrichir les connaissances sur les techniques de production de manuscrits Mésoaméricains. / The Codex Borbonicus is a great source of knowledge regarding different aspects of the culture of the basin of Mexico-Tenochtitlan at the time of the Spanish conquest. For some historians, the manuscript is definitely Precolumbian while for others, parts of its graphical contents reveal a European cultural influence. In order to investigate the technological knowledge that was involved for its creation, and to bring fresh data to the debate, the manuscript material constituents are studied with transportable, non-invasive analytical techniques (X-Ray fluorescence, reflexion, emission and Raman spectroscopies). A first interpretation of the analytical data recorded on the document is based on the historical records and the corpus of Mesoamerican manuscripts that have already been studied. A finer analysis of the data is done through the calculation of spectral combinations as well as the experimental studies of certain coloring materials, that allow a better understanding of the paint preparation techniques. In order to generalize the conclusion based on localized analyses, the spatial distribution of the constituent on the whole document is also explored. Hyperspectral imaging, with the aid of statistical tools and the mapping of specific spectral features, brings new insights to the first results. The exclusive use of organic colorants extracted from animal (Dactylopius coccus) or vegetable sources (Indigofera suffruticosa, Comellina coelestis, Justicia spicigera) in the Codex Borbonicus, alone or in mixtures, fits what is known of Precolumbian traditions. Therefore, the hypothesis of a European influence can’t be supported by the nature of the manuscript constituents. Moreover, these new data enrich the current knowledge on Mesoamerican manuscript production techniques.

Le domaine intertidal de la Baie de Bourgneuf (SO France) représente un environnement important tant sur le plan écologique que physique. La mobilité des sédiments s'avère une problématique importante pour la dynamique côtière (zone d'engraissement, zone d'érosion) et le développement de la production conchylicole ou biologique en général. Elle est contrôlée à la fois par des processus hydrodynamiques, des processus éoliens et par le comportement cohésif des sédiments. Le phénomène de cohésion est lui-même gouverné par les propriétés physiques intrinsèques aux sédiments. La télédétection hyperspectrale aéroportée est utilisée pour fournir des cartes synoptiques précises de la distribution et de la nature des sédiments de la zone littorale. <br />L'objectif principal de cette thèse est d'obtenir une cartographie des paramètres sédimentaires à partir des images hyperspectrales DAIS et ROSIS. Cela nécessite de caractériser précisément les comportements et les évolutions spectrales en liaison avec les propriétés inhérentes des faciès sédimentaires (granulométrie, contenu en eau, composition). Dans cette perspective, l'utilisation du Modèle Gaussien Modifié [MGM] semble être un outil adapté à l'extraction des propriétés bio-géophysiques. A l'instar de nombreux algorithmes capables de reconnaître les formes spectrales, le MGM permet de déconvoluer un spectre de réflectance en une somme de gaussiennes et d'un ‘continuum', permettant ainsi une estimation respective des effets d'absorption (e.g. Chl-a ; H2O) et de diffusion (e.g. taille des particules). Le travail a nécessité la mise en œuvre de nouvelles méthodologies en télédétection hyperspectrale visant à automatiser le MGM. Ce document contient en outre les mesures radiométriques (ASD Fieldspec3) et les analyses sédimentologiques (Granulométrie Laser, calcimétrie, DRX, MEB) ayant servi à élaborer les relations entre les absorptions, le continuum et les propriétés physiques des sédiments. Il contient également une description détaillée du comportement spectral des sédiments en réponse à la déshydratation. Les analyses ont également permis de montrer que le continuum MGM pouvait être utilisé comme proxy du contenu en eau et de la granulométrie. Par la suite, nous avons appliqué cette méthode d'extraction automatique [MGMA] des paramètres spectraux aux données hyperspectrales DAIS et ROSIS. Des cartes de fractions granulométriques, du contenu en eau et de la biomasse ont été obtenues avec une grande précision.

Afin de traiter la masse d'informations récoltée dans de nombreuses applications, il est nécessaire de proposer de nouvelles méthodes de traitement permettant d'exploiter le caractère « multi-capteur » des données observées. Le sujet de cette thèse consiste à étudier des algorithmes d'estimation dans un contexte multi-capteur où plusieurs signaux ou images issus d'une même application sont disponibles. Ce problème présente un grand intérêt puisqu'il permet d'améliorer les performances d'estimation par rapport à une analyse qui serait menée sur chaque signal indépendamment des autres. Nous avons développé dans ce contexte des méthodes d'inférence bayésienne hiérarchique afin de résoudre efficacement des problèmes de segmentation de signaux multiples et d'analyse d'images hyperspectrales. L'utilisation de méthodes de Monte Carlo par chaînes de Markov permet alors de surmonter les difficultés liées à la complexité calculatoire de ces méthodes d'inférence.

Dans cette thèse, nous avons présenté les aspects de la technologie d'imagerie hyperspectrale en concentrant sur le problème de démélange non-linéaire. Pour cette tâche, nous avons proposé trois solutions. La première consiste à intégrer les avantages de l'apprentissage de variétés dans les méthodes de démélange classique pour concevoir leurs versions non-linéaires. Les résultats avec les données générées sur une variété bien connue - le "Swissroll"- donne des résultats prometteurs. Les méthodes fonctionnent beaucoup mieux avec l'augmentation de la non-linéarité. Cependant, l'absence de contrainte de non-négativité dans ces méthodes reste une question ouverte pour des améliorations à trouver. La deuxième proposition vise à utiliser la méthode de pré-image pour estimer une transformation inverse de l'espace de données entrées des pixels vers l'espace des abondances. L'ajout des informations spatiales sous forme "variation totale" est également introduit pour rendre l'algorithme plus robuste au bruit. Néanmoins, le problème d'obtention des données de réalité terrain nécessaires pour l'étape d'apprentissage limite l'application de ce type d'algorithmes.

Parmi les diverses techniques utilisées pour analyser les pigments sur les peintures de chevalet, l'étude s'intéresse aux techniques optiques, en particulier la spectrophotométrie, l'imagerie hyperspectrale, la photographie et la spectrométrie infrarouge. Toutes présentent l'intérêt d'être non invasives : sans contact, non-destructives et aucune ne nécessite de prélèvement sur les œuvres d'art.Une étude comparative des performances des différents appareils a dans un premier temps été réalisée, puis nous avons testé l'efficacité des méthodes utilisées en routine pour la caractérisation des pigments : identification des pigments purs, en mélange, quantification des pigments en mélange. L'étude fut délibérément circonscrite aux pigments historiques avant le XVIIIème siècle, période où la palette des peintres se réduit à un nombre relativement limité de pigments et où les mélanges restent assez simples.L'imagerie hyperspectrale s'est développée ces dernières années pour l'analyse du patrimoine culturel et génère des quantités importantes de données dont le traitement est complexe. Nous avons traité cette technique à part, pour proposer une utilisation simple et accessible. Notre méthodologie d'exploitation des données d'imagerie hyperspectrale s'inspire de la photographie traditionnelle en fausses couleurs et est ouverte à des développements futurs. En effet, il s'agit de générer trois composites en fausses couleurs, en choisissant les bandes spectrales appropriées puis en les combinant afin de mettre en évidence des différences spectrales entre les pigments d'une même catégorie (bleu, vert, jaune ou rouge).Les méthodes optiques ont été testées dans un premier temps sur des échantillons de pigments purs et de mélanges expérimentaux, puis sur des peintures d'Eustache Le Sueur, peintre français du XVIIème siècle. La méthodologie des composites variables a été appliquée aux œuvres, puis confrontée aux techniques traditionnelles d'analyse des pigments, dont l'analyse par fluorescence X et l'examen à la loupe binoculaire.Les résultats sont cohérents et encourageants ; ils permettent d'envisager dans un proche futur le recours à une utilisation de l'imagerie hyperspectrale, avec un protocole simplifié. / Various techniques are currently used to characterize pigments on easel paintings. The present study focuses on optical techniques, especially spectrophotometry, hyperspectral imaging, photography and infrared spectrometry. These techniques are non-invasive, without contact, non-destructive and request no sampling.A technical comparison of the different devices is given before testing the efficiency of the commonly used methods for pigment characterization – pigment identification (pure or in a mixture) and pigment quantification in mixtures. With respect to the pigments themselves, the pre-18th century period was chosen in particular, as the number of pigments was limited and the mixtures quite simple.Analysis of cultural heritage by hyperspectral imaging has been developing fast over the past few years. This technique generates large amounts of data that are complex to process. A simplified method was developed to process the data. An evolutionary approach was chosen to extract image data and this methodology used takes its roots in false color traditional photography. Indeed, three false-color composites were generated by choosing a composition of spectral bands in order to maximize the spectral differences between the pigments of a same color category (blue, red, yellow or green).In a first step, optical techniques were tested on pigment mock-ups (pure or mixed). The variable composite methodology was applied on paintings by Eustache Le Sueur, a French painter from the 17th century. Finally the results were compared to those achieved by classical analytical tools currently used for cultural heritage such as X-ray fluorescence and optical microscopy. The results are quite consistent and very promising in favor of a more regular use of the hyperspectral imaging method.

La première partie de ce travail présente un état de l'art des principaux critères non supervisés, non paramétriques, d'évaluation d'une partition, des méthodes d'estimation préliminaires du nombre de classes, et enfin des méthodes de classification supervisées, semi-supervisées et non supervisées. Une analyse des avantages et des inconvénients de ces critères et méthodes est menée. L'analyse des performances des méthodes de classification et des critères d'évaluation a été également conduite via l'application visée dans cette thèse. Une approche de partitionnement non supervisée, non paramétrique et hiérarchique s'avère la plus adaptée au problème posé. En effet, ce type d'approche et plus particulièrement la classification descendante donne un partitionnement à plusieurs niveaux et met en évidence des informations plus détaillées d'un niveau à l'autre, ce qui permet une meilleure interprétation de la richesse d'information apportée par l'imagerie hyperspectrale et ainsi conduire à une meilleure décision. Dans ce sens, la deuxième partie de cette thèse présente, tout d'abord l'approche de classification descendante hiérarchique non supervisée (CDHNS) développée. Cette approche non paramétrique, permet l'obtention de résultats stables et objectifs indépendamment des utilisateurs finaux. Le second développement conduit, porte sur la sélection de bandes spectrales parmi celles qui composent l'image hyperspectrale originale afin de réduire la quantité d'information à traiter avant le processus de classification. Cette méthode est également non supervisée et non paramétrique. L'approche de classification et la méthode de réduction ont été expérimentées et validées sur une image hyperspectrale synthétique construite à partir des images réelles puis sur des images réelles dont l'application porte sur l'identification des différentes classes algales. Les résultats de partitionnement obtenus sans réduction montrent d'une part, la stabilité des résultats et, d'autre part, la discrimination des classes principales (végétation, substrat et eau) dès les premiers niveaux. Les résultats de la sélection des bandes spectrales font apparaître leur bonne répartition sur toute la gamme spectrale du capteur (visible et proche-infrarouge). Les résultats montrent aussi que le partitionnement avec et sans réduction sont globalement similaires. De plus, le temps de calcul est fortement réduit. / The upstream location of the different algal species causing clogging in the EDF nuclear power plants cooling systems along the Channel coastline, by analyzing hyperspectral aerial image is today the most appropriate means. Indeed, hyperspectral imaging allows, through its spatial resolution and its broad spectral range covering the areas of visible and near infrared, the objective discrimination of plant species on the foreshore, necessarily yielding accurate maps on large coastal areas. To provide a solution to this problem and achieve the objectives, the work conducted within the framework of this thesis lies in the development of unsupervised partitioning approaches to data with large spectral and spatial dimensions. The first part of this work presents a state of the art of main unsupervised criteria, and nonparametric, for partitioning evaluation, the preliminary methods for estimating the number of classes, and finally, supervised, semi-supervised and unsupervised classification methods. An analysis of the advantages and drawbacks of these methods and criteria is conducted. The analysis of the performances of these classification methods and evaluation criteria was also conducted through the application targeted in this thesis. An unsupervised, nonparametric, hierarchical partitioning approach appears best suited to the problem. Indeed, this type of approach, and particularly the descending classification, gives a partitioning at several levels and highlights more detailed information from one level to another, allowing a better interpretation of the wealth of information provided by hyperspectral imaging and therefore leading to a better decision. In this sense, the second part of this thesis presents, firstly the unsupervised hierarchical descending classification (UHDC) approach developed. This nonparametric approach allows obtaining stable and objective results regardless of end users. The second development proposed concerns the selection of spectral bands from those that make up the original hyperspectral image, in order to reduce the amount of information to be processed before the classification process. This method is also unsupervised and nonparametric. The classification approach and the reduction method have been tested and validated on a synthetic hyperspectral image constructed from real images, and then on real images, with application to the identification of different algal classes. The partitioning results obtained without reduction show firstly, the stability of the results and, secondly, the discrimination of the main classes (vegetation, substrate and water) from the first levels. The results of the spectral bands selection method show that the retained bands are well distributed over the entire spectral range of the sensor (visible and near-infrared). The results also show that partitioning results with and without reduction are broadly similar. Moreover, the computation time is greatly reduced.

L’imagerie hyperspectrale issue de la télédétection, va devenir une nouvelle modalité d’imagerie médicale pouvant assister le diagnostic de plusieurs pathologies via la détection des marges tumorales des cancers ou la mesure de l’oxygénation des tissus. L’originalité de ce travail de thèse est de fournir au chirurgien en cours d’intervention une vision améliorée du champ opératoire grâce à une image RGB affichée sur écran, résultat de traitements des cubes hyperspectraux dans le visible, le proche infrarouge et le moyen infrarouge (400-1700 nm). Notre application permet la détection des tissus difficilement détectables et vitaux comme l’uretère. Deux prototypes d’imagerie hyperspectrale utilisant les filtres programmables à cristaux liquides ont été développés, calibrés et mis en oeuvre dans de nombreuses campagnes d’expérimentations précliniques. Les résultats présentés dans cette thèse permettent de conclure que les méthodes de sélection de bandes sont les plus adaptées pour une application interventionnelle de l’imagerie hyperspectrale en salle d’opération puisqu’elles affichent une quantité maximale d’information, un meilleur rendu naturel de l’image RGB résultante et une amélioration maximale de la visualisation de la scène chirurgicale puisque le contraste dans l’image résultat entre le tissu d’intérêt et les tissus environnants a été triplé par rapport à l’image visualisée par l’oeil du chirurgien. Le principal inconvénient de ces méthodes réside dans le temps d’exécution qui a été nettement amélioré par les méthodes combinées proposées. De plus, la bande spectrale du moyen infrarouge est jugée plus discriminante pour explorer les données hyperspectrales associées à l’uretère puisque la séparabilité entre les tissus y est nettement supérieure par rapport à la gamme spectrale du visible. / Hyperspectral imagery initially applied for remote sensing will become a new medical imaging modality that may assist the diagnosis of several diseases through the detection of tumoral margins of cancers or the measure of the tissue oxygenation. The originality of this work is to provide, during surgery, an improved vision of the operative field with a RGB image displayed on screen, as the result of hyperspectral cubes processing in the visible, near infrared and mid-infrared (400-1700 nm). Our application allows the detection of hard noticeable and vital tissues as the ureter. Two hyperspectral imaging prototype using liquid crystal tunable filters have been developed, calibrated and implemented in many preclinical experiments campaigns. The results presented in this thesis allow to conclude that the methods of band selection are most suitable for interventional application of hyperspectral imaging in operating room since they show a maximal amount of information, a better natural rendering of the resulting RGB image and a maximal improvement of visualization of the surgical scene as the contrast in the resulting image between the tissue of interest and the surrounding tissues was tripled compared to the image viewed by the surgeon’s eye. The main drawback of these methods lies in the execution time which was significantly improved by the proposed combined methods. Furthermore, the mid-infrared spectral range is considered more discriminating to explore hyperspectral data associated with the ureter as the separability between tissues is significantly higher compared to the visible spectral range.

Résumé non communiqué par le doctorant. / The optimal exploitation of the information provided by hyperspectral images requires the development of advanced image processing tools. Therefore, under the title Hyperspectral image representation and Processing with Binary Partition Trees, this PhD thesis proposes the construction and the processing of a new region-based hierarchical hyperspectral image representation:the Binary Partition Tree (BPT). This hierarchical region-based representation can be interpretedas a set of hierarchical regions stored in a tree structure. Hence, the Binary Partition Tree succeedsin presenting: (i) the decomposition of the image in terms of coherent regions and (ii) the inclusionrelations of the regions in the scene. Based on region-merging techniques, the construction of BPTis investigated in this work by studying hyperspectral region models and the associated similaritymetrics. As a matter of fact, the very high dimensionality and the complexity of the data require the definition of specific region models and similarity measures. Once the BPT is constructed, the fixed tree structure allows implementing efficient and advanced application-dependent techniqueson it. The application-dependent processing of BPT is generally implemented through aspecific pruning of the tree. Accordingly, some pruning techniques are proposed and discussed according to different applications. This Ph.D is focused in particular on segmentation, object detectionand classification of hyperspectral imagery. Experimental results on various hyperspectraldata sets demonstrate the interest and the good performances of the BPT representation.

Cette thèse est consacrée à l’étude des rangs matriciels et tensoriels des données multidimensionnelles, et au développement de méthodes d’estimation de ces rangs dans le cadre de la transformée en ondelettes. Pour cette étude, nous avons eu re-cours à la décomposition en paquets d’ondelettes et à l’algèbre multilinéaire. Une méthode d’optimisation stochastique bio-inspirée a été adaptée, avec pour objectif final de supprimer le bruit dans des images multidimensionnelles. Pour cela nous avons estimé les différentes valeurs des dimensions du sous-espace de tenseur pour tous les modes des coefficients des paquets d’ondelettes. Nous avons appliqué les méthodes de débruitage proposées à diverses images multidimensionnelles : images RGB, images multispectrales extraites d’images hyperspectrales de pièces métalliques, images par fluorescence des plantes, et images RX multispectrales. Finalement, une étude comparative a été réalisée avec trois principaux types d’algorithmes : d’une part, la méthode de Perona-Malik basée sur la diffusion ; deuxièmement, la troncature de HOSVD (Higher-Order Singular Value Decomposition) et MWF (Multiway Wiener Filtering) et troisièmement, un procédé basé sur la dé- composition en paquets d’ondelettes et MWF (Multiway Wiener Filtering), où les dimensions du sous-espace de signal sont estimées par un critère statistique plutôt que par une méthode d’optimisation. Les résultats sont prometteurs en termes de débruitage en réalité terrain. En définitive, nous aboutissons à un gain de temps avantageux durant le traitement des images hyperspectrales. / This thesis is devoted to study matrix and tensor ranks of multidimensional signalsand to the development of methods for estimating these ranks in the frameworkof the wavelet transform. For this study, we used the wavelet packet decompositionand the multilinear algebra. A bio-inspired stochastic optimization methodhas been adapted, with the ultimate objective of suppressing noise in multidimensionalimages. In order to ensure this, we have estimated the different values ofthe dimensions of the tensor subspace for all the modes of the coefficients of thewavelet packets.We have applied the proposed denoising methods to various multidimensionalimages: RGB images, multispectral images extracted from hyperspectralimages of metal parts, plant fluorescence images, and multispectral RX images.Finally, a comparative study was carried out with three main types of algorithms: onthe one hand, the Perona-Malik method based on diffusion; Second, the truncationof HOSVD and MWF, and thirdly, a method based on wavelet packet decompositionand MWF, where the dimensions of the signal subspace are estimated by a statisticalcriterion rather than by an optimization method. The results are promising in termsof denoising in grund truth. Ultimately, we achieve an advantageous time savingduring the acquisition of hyperspectral images.

Dans cette thèse, nous avons présenté les aspects de la technologie d'imagerie hyperspectrale en concentrant sur le problème de démélange non-linéaire. Pour cette tâche, nous avons proposé trois solutions. La première consiste à intégrer les avantages de l'apprentissage de variétés dans les méthodes de démélange classique pour concevoir leurs versions non-linéaires. Les résultats avec les données générées sur une variété bien connue - le "Swissroll"- donne des résultats prometteurs. Les méthodes fonctionnent beaucoup mieux avec l'augmentation de la non-linéarité. Cependant, l'absence de contrainte de non-négativité dans ces méthodes reste une question ouverte pour des améliorations à trouver. La deuxième proposition vise à utiliser la méthode de pré-image pour estimer une transformation inverse de l'espace de données entrées des pixels vers l'espace des abondances. L'ajout des informations spatiales sous forme "variation totale" est également introduit pour rendre l'algorithme plus robuste au bruit. Néanmoins, le problème d'obtention des données de réalité terrain nécessaires pour l'étape d'apprentissage limite l'application de ce type d'algorithmes. / In this thesis , we present several aspects of hyperspectral imaging technology , while focusing on the problem of non- linear unmixing . We have proposed three solutions for this task. The first one is integrating the advantages of manifold learning in classical unmixing methods to design their nonlinear versions . Results with data generated on a well-known manifold- the " Swissroll " - seem promising. The methods work much better with the increase in non- linearity compared with their linear version. However, the absence of constraint of non- negativity in these methods remains an open question for improvements . The second proposal is using the pre-image method for estimating an inverse transformation of the data form pixel space to abundance of space . The adoption of spatial information as " total variation " is also introduced to make the algorithm more robust to noise . However, the problem of obtaining ground truth data required for learning step limits the application of such algorithms.