L'étude des processus évoluant au cours du temps, comme les lésions de sclérose en plaques, peut dans certains cas être une aide considérable au diagnostic. Elle peut aussi servir au suivi d'un patient pour surveiller l'évolution de sa pathologie ou pour étudier les effets d'un nouveau traitement. Notre travail a tout d'abord consisté à choisir et à appliquer des prétraitements sur des séries d'images issues de l'imagerie par résonance magnétique (IRM) de patients atteints de sclérose en plaques ; ceci est nécessaire lorsqu'on veut mener une analyse temporelle automatique. Nous avons ensuite pu développer des méthodes de détection et de quantification des zones évolutives dans des ces images. Une première étude repose sur la comparaison de deux images en utilisant un champ de déplacements apparents d'une image vers l'autre. Ce champ de vecteurs peut être analysé par le biais d'opérateurs différentiels tels que le jacobien. Il est également possible d'extraire une segmentation des régions évolutives en 3D+t avec une telle analyse. Avec cette approche, on suppose que chaque point a une intensité fixe, et qu'il a un mouvement apparent. Une seconde étude consiste à mener une analyse statistique rétrospective sur une série complète d'images (typiquement plus de dix), en s'appuyant sur un modèle paramétrique de zone évolutive. Dans notre cas, les points dont la variation temporelle de l'intensité est significativement due à une lésion sont détectés. Les méthodes statistiques utilisées permettent de prendre en compte la cohérence spatiale des images. Pour cette seconde approche, on suppose que chaque point est immobile et que son intensité varie au cours du temps. Ces travaux ont été réalisés avec plusieurs partenaires cliniques afin de mener une étude expérimentale de nos algorithmes sous le contrôle d'experts médicaux, mais aussi d'entamer un travail de validation clinique.

La plupart des méthodes de surveillance des systèmes sont basées sur l'analyse et la caractérisation de grandeurs physiques qui sont par nature tridimensionnelles. Tracées dans un repère euclidien à trois dimensions, ces grandeurs parcourent en fonction du temps une trajectoire dont les caractéristiques géométriques sont représentatives de l'état du système surveillé. Les techniques classiques de surveillance des systèmes étudient les grandeurs mesurées composante par composante, sans prendre en compte leur nature tridimensionnelle et les propriétés géométriques de leur trajectoire. Une part importante de l'information est ainsi ignorée. Dans le cadre de ce travail de recherche, on se propose de développer une méthode d'analyse et de traitement de grandeurs à trois composantes permettant de mettre en évidence les spécificités géométriques des données et de fournir une information complémentaire pour la surveillance des systèmes. La méthode proposée a été appliquée à deux cas différents : la surveillance des creux de tension des réseaux de puissance triphasés et la surveillance des défauts de roulement des machines électriques tournantes. Dans ces deux cas, les résultats obtenus sont prometteurs et montrent que les indicateurs géométriques estimés mènent à de l'information complémentaire qui peut être utile pour la surveillance des systèmes. / Most methods for condition monitoring are based on the analysis and characterization of physical quantities that are three-dimensional in nature. Plotted in a three-dimensional Euclidean space as a function of time, these quantities follow a trajectory whose geometric characteristics are representative of the state of the monitored system. Usual techniques of condition monitoring study the measured quantities component by component, without taking into account their three-dimensional nature and the geometric properties of their trajectory. A significant part of the information is thus ignored. In this research work, we would therefore like to develop a method for the analysis and processing of three-component quantities capable of highlighting the special geometric features of such data and providing complementary information for condition monitoring. The proposed method has been applied to two different cases: voltage dips monitoring in three-phase power networks and bearing faults monitoring in rotating electrical machines. In this two cases, the results obtained are promising and show that the estimated geometric indicators lead to complementary information that can be useful for condition monitoring.

Les mécanismes d’évolution spatio-temporelle des structures turbulentes instationnaires tridimensionnelles, et en particulier ceux rencontrés aux plus grandes échelles, sont à l’origine de phénomènes d’instabilité qui conduisent très souvent à une diminution de la performance des systèmes énergétiques. C’est le cas des variations cycle-à-cycle dans le moteur à combustion interne. Malgré les progrès substantiels réalisés par la simulation numérique en mécanique des fluides, les approches expérimentales demeurent essentielles pour l’analyse et la compréhension des phénomènes physiques ayant lieu. Dans ce travail de thèse, deux types de vélocimétrie par image de particules (PIV) ont été appliqués et adaptés au banc moteur optique du laboratoire Coria pour étudier l’écoulement en fonction de six conditions de fonctionnement du moteur. La PIV Haute Cadence 2D2C a permis d’abord d’obtenir un suivi temporel de l’écoulement dans le cylindre durant un même cycle moteur ainsi qu’identifier ces variations cycliques. La PIV Tomographique 3D3C a permis ensuite d’étendre les données mesurées vers l’espace tridimensionnel. La Tomo-PIV fait intervenir 4 caméras en position angulaire visualisant un environnement de géométrie complexe, confinée, ayant un accès optique restreint et introduisant des déformations optiques importantes. Cela a nécessité une attention particulière vis-à-vis du processus de calibration 3D des modèles de caméras. Des analyses conditionnées 2D et 3D de l’écoulement sont effectuées en se basant principalement sur la décomposition propre orthogonale (POD) permettant de séparer les différentes échelles de structure et le critère Γ permettant l’identification des centres des tourbillons. / The unsteady evolution of three-dimensional large scale flow structures can often lead to a decrease in the performance of energetic systems. This is the case of cycle-to-cycle variations occurring in the internal combustion engine. Despite the substantial advancement made by numerical simulations in fluid mechanics, experimental measurements remain a requirement to validate any numerical model of a physical process. In this thesis, two types of particle image velocimetry (PIV) were applied and adapted to the optical engine test bench of the Coria laboratory in order to study the in-cylinder flow with respect to six operating conditions. First, the Time-Resolved PIV (2D2C) allowed obtaining a temporal tracking of the in-cylinder flow and identifying cyclic variabilities. Then tomographic PIV (3D3C) allowed extending the measured data to the three-dimensional domain. The Tomo-PIV setup consisted of 4 cameras in angular positioning, visualizing a confined environment with restricted optical access and important optical deformations. This required a particular attention regarding the 3D calibration process of camera models. 2D and 3D conditional analyses of the flow were performed using the proper orthogonal decomposition (POD) allowing to separate the different scales of flow structures and the Γ criterion allowing the identification of vortices centres.

Les techniques de description des éléments caractéristiques d’une image sont omniprésentes dans de nombreuses applications de vision par ordinateur. Nous proposons à travers ce manuscrit une extension, pour décrire (représenter) et apparier les éléments caractéristiques des images. L’extension proposée consiste en une approche originale pour apprendre, ou estimer, la présence sémantique des éléments caractéristiques locaux dans les images. L’information sémantique obtenue est ensuite exploitée, en conjonction avec le paradigme de sac-de-mots, pour construire un descripteur d’image performant. Le descripteur résultant, est la combinaison de deux types d’informations, locale et contextuelle-sémantique. L’approche proposée peut être généralisée et adaptée à n’importe quel descripteur local d’image, pour améliorer fortement ses performances spécialement quand l’image est soumise à des conditions d’imagerie contraintes. La performance de l’approche proposée est évaluée avec des images réelles aussi bien dans les deux domaines, 2D que 3D. Nous avons abordé dans le domaine 2D, un problème lié à l’appariement des éléments caractéristiques dans des images. Dans le domaine 3D, nous avons résolu les problèmes d’appariement et alignement des vues partielles tridimensionnelles. Les résultats obtenus ont montré qu’avec notre approche, les performances sont nettement meilleures par rapport aux autres méthodes existantes. / This manuscript presents an extension of feature description and matching strategies by proposing an original approach to learn the semantic information of local features. This semantic is then exploited, in conjunction with the bag-of-words paradigm, to build a powerful feature descriptor. The approach, ended up by combining local and context information into a single descriptor, is also a generalized method for improving the performance of the local features, in terms of distinctiveness and robustness under geometric image transformations and imaging conditions. The performance of the proposed approach is evaluated on real world data sets as well as in both the 2D and 3D domains. The 2D domain application addresses the problem of image feature matching while in 3D domain, we resolve the issue of matching and alignment of multiple range images. The evaluation results showed our approach performs significantly better than expected results as well as in comparison with other methods.

Les protéines sont considérées comme le macronutriment avec le pouvoir de satiété le plus fort. Pendant la digestion les protéines agissent à différents niveaux: dans l'estomac, elles retardent la vidange gastrique et prolongent donc la distension gastrique agissant ainsi sur le rassasiement; dans l'intestin des acides aminés (AA) et les peptides sont détectés et entraînent l'activation du nerf vague et la libération de médiateurs gastro-intestinaux. Le nerf vague transmet ces signaux vers le complexe vagal dorsal (DVC), responsable du contrôle de l'ingestion. Les peptides gastro-intestinaux ainsi que les AA absorbés sont également détectés au niveau l'hypothalamus, en charge de la régulation de l'équilibre énergétique.<br /> Les mécanismes exacts par lesquels les protéines alimentaires influencent la faim et la satiété ne sont pas encore compris. Pour mieux comprendre ces phénomènes, nous avons réalisé 3 études qui constituent le présent travail de doctorat. Tout d'abord, concernant la transmission des informations relatives à la présence de protéines via le nerf vague, une première étude a montré que les afférences vagales de la zone hépato-portale ne sont pas nécessaires pour la dépression de la prise alimentaire induite par un régime HP. Deuxièmement, nous avons comparé les motifs d'activité neuronale dans le DVC en réponse à une charge protéique ou glucidique. L'utilisation de techniques de modélisation et de reconstruction 3D a permis de montrer que les motifs d'activité neuronale par la présence de protéines et de glucides sont spatialement distinctes. Dans une troisième étude nous avons testé l'effet des protéines sur le métabolisme énergétique et sur la réponse à une stimulation inhibitrice de la faim, ce dernier paramètre ne semble pas être significativement modulé par une augmentation de l'apport en protéine de la ration chez la souris.

Les techniques de description des éléments caractéristiques d'une image sont omniprésentes dans de nombreuses applications de vision par ordinateur. Nous proposons à travers ce manuscrit une extension, pour décrire (représenter) et apparier les éléments caractéristiques des images. L'extension proposée consiste en une approche originale pour apprendre, ou estimer, la présence sémantique des éléments caractéristiques locaux dans les images. L'information sémantique obtenue est ensuite exploitée, en conjonction avec le paradigme de sac-de-mots, pour construire un descripteur d'image performant. Le descripteur résultant, est la combinaison de deux types d'informations, locale et contextuelle-sémantique. L'approche proposée peut être généralisée et adaptée à n'importe quel descripteur local d'image, pour améliorer fortement ses performances spécialement quand l'image est soumise à des conditions d'imagerie contraintes. La performance de l'approche proposée est évaluée avec des images réelles aussi bien dans les deux domaines, 2D que 3D. Nous avons abordé dans le domaine 2D, un problème lié à l'appariement des éléments caractéristiques dans des images. Dans le domaine 3D, nous avons résolu les problèmes d'appariement et alignement des vues partielles tridimensionnelles. Les résultats obtenus ont montré qu'avec notre approche, les performances sont nettement meilleures par rapport aux autres méthodes existantes.

Cette thèse porte sur l'extraction de représentations géométriques à partir d'images tridimensionnelles. Ces représentations ont d'importantes applications dans les domaines médicaux (examen non invasif et simulation, détection de pathologies, chirurgie assistée par ordinateur, fabrication de prothèses, etc) et biologiques (analyse des structures microscopiques et de leur fonctionnement). Deux approches peuvent être suivies~ : - Les méthodes de reconstruction discrète fournissent rapidement une représentation géométrique de ces données, mais laissent de côté l'aspect segmentation de l'image en ses constituants. Parmi ces méthodes, les plus utilisées sont~ : le marching-cubes, qui construit une surface triangulée, et le suivi de surface, qui délimite une surface digitale. En introduisant des considérations de topologie digitale, nous montrons l'équivalence de ces deux représentations. De cette manière, leurs propriétés respectives peuvent être combinées efficacement. - Les méthodes basées sur les modèles déformables réunissent les opérations de segmentation et de reconstruction en un seul processus~ : le modèle recherche les constituants de l'image en se déformant sous l'action de contraintes externes, issues de l'image, et internes, dérivées de sa structure géométrique. Les modèles existants sont souvent limités à l'extraction de formes simples. Nous proposons un modèle déformable générique, basé sur une triangulation de surface, et capable d'adapter automatiquement la topologie de sa maille aux déformations imposées à sa géométrie. Cette capacité permet au modèle d'appréhender les formes arbitrairement complexes de l'image et de les extraire de l'esquisse aux détails par une approche multi-résolution. Enfin, nous présentons l'application de ce modèle à des données biomédicales de modalités variées. Les résultats sont comparés à ceux obtenus par reconstruction discrète, puis combinés afin de tirer parti des avantages spécifiques des deux approches.