Approches parcimonieuses pour la sélection de variables et la classification

127 Pages·2017·2.56 MB·French

by  Leïla Belmerhnia

E´cole doctorale IAEM Lorraine
Approches parcimonieuses pour la
s´election de variables et la
classification : application `a la
spectroscopie IR de d´echets de bois
`
THESE
pr´esent´ee et soutenue publiquement le 2 mai 2017
pour l’obtention du
Doctorat de l’Universit´e de Lorraine
(mention automatique, traitement de signal et des images et g´enie informatique)
par
Le¨ıla BELMERHNIA
Composition du jury
Pr´esident : R´egis Lengelle´ Professeur `a l’Universit´e de Technologie de Troyes
Rapporteurs : Andr´e Ferrari Professeur `a l’Universit´e de Nice-Sophia Antipolis
Alain Rakotomamonjy Professeur `a l’Universit´e de Rouen Normandie
Examinateurs : C´edric Carteret Professeur `a l’Universit´e de Lorraine
David Brie Professeur `a l’Universit´e de Lorraine
El-Hadi Djermoune Maˆıtre de conf´erences `a l’Universit´e de Lorraine
Invit´es : Antoine Bourely Directeur R&D Pellenc ST
Eric Masson Responsable Pˆole R&D Crittbois
Centre de Recherche en Automatique de Nancy — UMR 7039
Misenpageaveclaclassethesul.
Remerciements
MesremerciementslesplusprofondsetlesplussincèresvontenpremieràDavidBrie,Professeurà
l’universitédeLorraine,etàEl-HadiDjermoune,Maîtredeconférenceàl’universitédeLorraine,pour
leur excellent encadrement et leurs conseils précieux tout au long de la thèse. Pour vous avoir côtoyés
depuisplusde4ans,votrerigueuretvotreexigencedetravailm’onttoujoursincitéesàpousserplusloin
mesréflexions.Jevousremercieégalementpourvotrepatienceetsurtoutvotreconfianceenmontravail
quim’apermisd’évoluertantsurleplanprofessionnelquesurleplanpersonnel.
Jetiensàexprimermagratitudeàl’ensembledesmembresdujurydethèsequim’ontfaitl’honneur
d’examiner mon travail et de me faire part de leurs appréciations. Merci à Monsieur Régis Lengellé,
Professeur à l’Université de Technologie de Toyes, pour avoir accepté de présider le jury de thèse de
masoutenance.JeremercietoutparticulièrementMonsieurAndréFerrariProfesseuràl’Universitéde
Nice-Sophia Antipolis, et Monsieur Alain Rakotomamonjy, Professeur à l’Université de Rouen Nor-
mandiepourl’intérêtetletempsqu’ilsontconsacréàl’évaluationdemontravailderecherche,etsurtout
pourlescommentairesaviséesqu’ilontapportésàmonmanuscritetpendantmasoutenancedethèse.
MesremerciementschaleureuxvontàCédricCarteretpoursonaideprécieuselorsdemapremière
année de thèse. Ses conseils et sont encadrement pour l’acquisition de mes données au LCPME m’ont
été d’une grande utilité pour bien entamer mes travaux. Je me souviendrai toujours de sa sympathie, de
sonenthousiasmeetdesesgrandesqualitésdetravail.
Je remercie également nos partenaires du projet TRISPIRABOIS pour la collaboration fructueuse
quinousauniedepuisledébutdeceprojet.Enparticulier,jetiensàexprimermagratitudeàMonsieur
AntoineBourely,DirecteurR&DdePellencSTetMonsieurEricMasson,ResponsablePôleR&Dau
Crittboisd’avoiracceptédeparticiperaujurydethèse.
Merci aux doctorants Marc, Yinyin, Mamadou et Ludivine, qui ont partagé mon bureau pendant
mes années de thèse. Merci pour votre compagnie au quotidien et l’ambiance calme et sereine dont j’ai
jouipourlaréalisationetlarédactiondemathèse.Jeremercieégalementtouslesautresdoctorants:Ka-
rima, Magalie, JB, Simon, Marie... pour leur amitié et pour les moments agréables qu’on a partagés.
Merci aux permanents du laboratoire : Sam, Magalie, Sebastien, Charles... pour la qualité des discus-
sions scientifiques et la convivialité des échanges lors de diverses occasions. Je remercie aussi l’équipe
del’IUTBraboispourleurcontributionaubondéroulementdemathèsesurtoutBriceetMichaël.
UngrandmerciàChristelle,MoniqueetSabinepourleurgestiondemondossieruniversitaireainsi
queleurdisponibilitésystématiquepourm’assisterdansmesdémarchesadministratives.
Je tiens également à remercier ma famille pour leur soutien pendant ces années de thèse. Enfin, un
mercitoutparticulieràMichelpoursonamour,sesencouragementsetsadisponibilitéentouttemps.
1
2
À la mémoire de mon très cher père,
3
4
Tables des matières
Tabledesfigures 9
Listedestableaux 11
Introductiongénérale 13
1 Contexteetobjectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Contributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 ListedesPublications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Chapitre1
ProjetTRISPIRABOIS
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.2 Objectifsduprojet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2 SpectroscopieIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2.1 Typesderayonnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2.2 Spectroscopievibrationnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2.3 Spectrométrieinfra-rouge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3 Étiquetagedesdonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4 Caractéristiquesdesspectromètres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4.1 SpectromètrePellencST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4.2 SpectromètredulaboratoireLCPME. . . . . . . . . . . . . . . . . . . . . . . . 24
1.4.3 SpectromètreduCrittbois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.5 Acquisitiondesdonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.5.1 Formesdesspectres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.5.2 Basededonnéesspectrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5
Tablesdesmatières
Chapitre2
Analyseetclassificationdedonnéesspectroscopiques
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Pré-traitementdesdonnéesspectrales . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3 Explorationdedonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3.1 Analyseencomposantesprincipales . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3.2 Analyseencomposantesprincipalesparcimonieuses . . . . . . . . . . . . . . . 36
2.4 Méthodesdeclassificationnonsupervisée . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4.1 K-means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4.2 Analysepargroupementhiérarchique . . . . . . . . . . . . . . . . . . . . . . . 37
2.5 Méthodesdeclassificationsupervisée . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.5.1 LesK-plusprochesvoisins(K-NN) . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5.2 Lamodélisationindépendanted’analogiedeclasse . . . . . . . . . . . . . . . . 40
2.5.3 L’analysediscriminanteparmoindrescarréspartiels . . . . . . . . . . . . . . . 41
2.5.4 L’analysediscriminanteparprojectionsorthogonalesdestructureslatentes . . . 42
2.5.5 Lesmachinesàvecteursdesupport . . . . . . . . . . . . . . . . . . . . . . . . 43
2.5.6 SVMparcimonieux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5.7 Lesréseauxdeneurones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6 Classificationdesspectresdedéchetsbois . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Chapitre3
Méthodesd’approximationparcimonieuse
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2 Approximationparcimonieuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.1 Méthodesgloutonnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.2 Méthodesbaséessurlarelaxation(cid:96) . . . . . . . . . . . . . . . . . . . . . . . . 55
1
3.2.3 Lasso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.2.4 FusedsparseLasso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.5 SmoothsparseLasso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2.6 GroupsparseLasso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.2.7 Exemplesdedé-bruitaged’image . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.3 Lesapprochesgloutonnespourl’approximationparcimonieusesimultanée . . . . . . . . 65
3.3.1 SimultaneousOrthogonalMatchingPursuit . . . . . . . . . . . . . . . . . . . . 66
3.3.2 SimultaneousCoSaMP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3.3 SimultaneousOLS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3.4 SimultaneousSingleBestReplacement . . . . . . . . . . . . . . . . . . . . . . 67
6
3.4 Comparaisondesapprochesgloutonnes . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.4.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.4.2 Résultatsdessimulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
Chapitre4
RegularizedSimultaneousSparseApproximationMethodsforVariableSelection
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.2 Regularizedsimultaneoussparseapproximation . . . . . . . . . . . . . . . . . . . . . . 75
4.3 ConvexrelaxationapproachesofRSSA . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.3.1 FusedSparseLasso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.3.2 FusedSparseGroupLasso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.3.3 NonnegativeSparseFusedGroupLasso . . . . . . . . . . . . . . . . . . . . . . 79
4.4 Applicationtowoodwastessorting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.4.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.4.2 Dataacquisitionandpre-processing . . . . . . . . . . . . . . . . . . . . . . . . 83
4.4.3 Variableselection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.4.4 ClassificationofwoodwastesusingNIRspectra . . . . . . . . . . . . . . . . . 84
4.4.5 Classificationofhyperspectralimagesofwoodwastes . . . . . . . . . . . . . . 87
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Chapitre5
Automatisationdutridebois:aspectsindustriels
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.2 Descriptiondel’outildetraitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.3 Testsréalisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.3.1 Récupérationdesboispurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.3.2 Traitementsanslesboismassifsavecducréosoteoudesselsmétalliques . . . . 99
5.3.3 Traitementdesboissurfacés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.3.4 Rejetdesboisindésirables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
Conclusiongénérale
1 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
Bibliographie 109
7
Tablesdesmatières
8