François Chung, Ph.D.

Tag: 2013

UREBA Exceptionnel

UREBA Exceptionnel

Projet E²=MC @Jambes, Belgique (2013). Les subventions UREBA Exceptionnel sont octroyées par la Région wallonne pour la réalisation de travaux, tels que l'achat et l'installation de matériaux ou d'équipements, visant l'amélioration de la performance énergétique et l'utilisation rationnelle de l'énergie dans les bâtiments. Ces subventions sont destinées aux personnes de droit public et aux organismes non commerciaux, tels que communes, écoles et hôpitaux.

Les principaux travaux pris en compte par ces subventions sont les suivants:

  • l'isolation thermique des parois du bâtiment;
  • le remplacement ou l'amélioration du système de chauffage;
  • l'amélioration des installations d'éclairage;
  • l'installation d'un réseau de chaleur.

Les critères d'analyse utilisés pour évaluer la pertinence et l'efficacité des travaux envisagés sont les suivants:

  • les caractéristiques techniques;
  • les hypothèses de travail;
  • le dimensionnement du dispositif;
  • l'économie d'énergie;
  • la réduction des émissions polluantes (p. ex. CO2 et SO2);
  • le bilan économique (p. ex. coût et retour sur investissement);
  • la pertinence du choix des techniques;
  • les normes et codes de bonnes pratiques.

En tant que Consultant en Efficacité Energétique, mon travail consiste à analyser ces différents critères techniques, énergétiques et économiques de manière à déterminer l'éligibilité des travaux envisagés en fonction de leur pertinence, et ensuite de les classer en fonction de leur efficacité énergétique.

Références

CVIU 2013 - Article de revue scientifique

CVIU 2013 – Article de revue scientifique

Publication

François Chung, Hervé Delingette; Regional appearance modeling based on the clustering of intensity profiles; In: Computer Vision and Image Understanding (CVIU), 117 (6), pp. 705-717, 2013.

Abstract

Model-based image segmentation is a popular approach for the segmentation of anatomical structures from medical images because it includes prior knowledge about the shape and appearance of structures of interest. This paper focuses on the formulation of a novel appearance prior that can cope with large variability between subjects, for instance due to the presence of pathologies. Instead of relying on Principal Component Analysis (PCA) such as in Statistical Appearance Models (SAMs), our approach relies on a multimodal intensity profile atlas from which a point may be assigned to several profile modes consisting of a mean profile and its covariance matrix. These profile modes are first estimated without any intra-subject registration through a boosted Expectation-Maximization (EM) classification based on spectral clustering. Then, they are projected on a reference mesh whose role is to store the appearance information in a common geometric representation. We show that this prior leads to better performance than the classical monomodal PCA approach while relying on fewer profile modes.

Mots-clés

  • appearance modeling
  • medical imaging
  • model-based image segmentation
  • unsupervised clustering

Références

Publication

Articles associés

3D Anatomical Human (projet INRIA)
Ph.D. Thesis 2011 (thèse de doctorat)

APIFRESH

APIFRESH

Projet Inspiralia @Madrid, Espagne (2013). La compétitivité du secteur apicole européen est en plein déclin suite à la réduction de la production due à une diminution du nombre d'abeilles. En outre, les produits provenants de pays où les normes de qualité sont moindres gagnent des parts de marché en Europe grâce à une concurrence déloyale. A cela s'ajoute une absence de normes au niveau européen pour certains produits apicoles tels que le pollen et la gelée royale.

Concrètement, cela signifie qu'il est possible de trouver sur le marché des produits étiquetés comme tel sans aucun contrôle de qualité et d'authenticité. Peu de pays en Europe ont des recommandations ou des normes régionales pour des produits autres que le miel, ce qui a pour conséquence un manque de standardisation au niveau européen.

Par conséquent, les objectifs du projet APIFRESH sont triples:

  • définir des normes européennes pour le pollen d'abeille et la gelée royale;
  • établir des critères de santé pertinents pour le pollen et la gelée royale;
  • déterminer l'authenticité du pollen et du miel.

Les partenaires de ce projet sont:

  • Balparmak (TR);
  • Campomiel (ES);
  • Centro Agrario de Marchamalo (ES);
  • CTC - Centro Tecnológico Nacional de la Conserva y Alimentación (ES);
  • EPBA - European Professional Beekeepers Association (EU);
  • FNAP - Federação Nacional dos Apicultores de Portugal (PT);
  • Inspiralia (ES);
  • OMME - Országos Magyar Méhészeti Egyesület (HU);
  • Parco Tecnologico Padano (IT);
  • TÜBITAK-MAM - Türkiye Bilimsel ve Teknolojik Araştırma Kurumu-Marmara Araştırma Merkezi (TR).

Dans ce projet, mon travail consiste à développer un logiciel pour la classification et l'authentification du pollen d'abeille. Premièrement, les boules de pollen d'abeille sont photographiées et séparées par type de pollen en utilisant une classification basée sur la couleur. Ensuite, un microscope est utilisé pour capturer une image précise des grains de pollen à partir de laquelle des caractéristiques discriminantes sont extraites afin d'identifier l'origine du pollen, et ce, en considérant le grain de pollen comme appartenant à un type connu (classification) ou à un type inconnu (authentification).

Références

Articles associés

EUE 2017 (livre)
COMPAG 2015 (article de revue scientifique)
Micron 2015 (article de revue scientifique)
Inspiralia 2013 (rapport technique)
Inspiralia 2012 (rapport technique)

En savoir plus

Inspiralia 2013 - Rapport technique

Inspiralia 2013 – Rapport technique

Publication

François Chung, Tomás Rodríguez; A general framework for multi-focal image classification and authentication: Application to microscope pollen images; Inspiralia, Madrid, 2013.

Abstract

In this article, we propose a general framework for multi-focal image classification and authentication, the methodology being demonstrated on microscope pollen images. The framework is meant to be generic and based on a brute force-like approach aimed to be efficient not only on any kind, and any number, of pollen images (regardless of the pollen type), but also on any kind of multi-focal images. All stages of the framework's pipeline are designed to be used in an automatic fashion. First, the optimal focus is selected using the absolute gradient method. Then, pollen grains are extracted using a coarse-to-fine approach involving both clustering and morphological techniques (coarse stage), and a snake-based segmentation (fine stage). Finally, features are extracted and selected using a generalized approach, and their classification is tested with four classifiers: Weighted Neighbor Distance, Neural Network, Decision Tree and Random Forest. The latter method, which has shown the best and more robust classification accuracy results (above 97% for any number of pollen types), is finally used for the authentication stage.

Mots-clés

  • generalized feature extraction
  • image classification
  • microscope images
  • optimal focus selection
  • pollen authentication
  • Random Forest
  • snake-based segmentation
  • supervised clustering

Références

Publication

Related articles

APIFRESH (projet Inspiralia)
EUE 2017 (livre)
Inspiralia 2012 (rapport technique)

En savoir plus