37 research outputs found
Kentaro Sasaki : Physical education teacher belonged to Kinan-Sakkyou : His joining in Kinan・Sakkyou
No full textKentaro Sasaki, the author of "Taiiku-no-ko" had made many famous P.E.practices as a teacher of junior high school and high school at Kinan district since the end of the World War2.The features of his practices are ; 1) using compositions as educational method, 2) combining with educational guidance, 3) starting from reality of children's bodies and minds, and so on. This study attempts to clarify the process of his joining in Kinan-Sakkyou and the way to use compositions to practices anal- yzing his articles and "Kinan Kyoiku" which were bulletins of Kinan-Sakkyou
Menilik Kedudukan dan Ideologi Kinan di Series Layangan Putus dalam Perspektif Islam
No full textThis article focuses on the web series Layangan Putus that is broadcast on one of the online video channels. The author tries to see the position of the wife in the character Kinan who became the main character in the web series Layangan Putus. By raising the theme of household and the presence of a third person in the household, the web series Layangan Putus became popular in the community. Kinan, who betrayed by Aris with his manipulative demeanor, becomes a central figure who fighting for herself and her family. With regard to research’s aim, this article proposed issues: (1) Does Kinan display the figure of a wife who is filial to the husband in accordance with the Islamic perspective? (2) What is the ideology displayed from this broken Kite web series? This article uses John Fiske's semiotics methods with literature studies and interviews with people around the author who understand the problems in this article. The results showed that Kinan was a loyal wife and devoted to her husband. Kinan is very much trying for a marriage that is sakinah, mawadah, and warohmah. Despite conflicts within her family, Kinan never exposed the matter to others, including his mother. This Kite Break up web series shows the existence of feminism and patriarchal ideologies in storylines and characterizatio
Joint demosaicing and unmixing of multispectral images
No full textDans cette thèse, nous considérons des images captées par une caméra multispectrale (MS) miniaturisée « snapshot ». Contrairement aux caméras RVB classiques, l’imagerie MS permet d’observer une scène sur des dizaines de longueurs d’onde différentes, permettant une analyse beaucoup plus précise du contenu observé. Alors que la plupart des caméras MS nécessitent un scan pour générer une image, les caméras MS snapshot peuvent fournir instantanément des images, voire des vidéos. Lorsque la caméra est miniaturisée, au lieu d’un cube de données 3D, elle fournit une image 2D, chaque pixel étant associé à une version filtrée du spectre théorique sensé être acquis. Un post-traitement, appelé «dématriçage », est alors nécessaire pour reconstruire le cube de données. De plus, dans chaque pixel de l’image, le spectre observé peut être considéré comme un mélange de spectres de matériaux purs présents dans le pixel. L’estimation de ces spectres nommés endmembers ainsi que leur distribution spatiale (appelée abondances) est appelée « démélange ». Alors qu’un pipeline classique pour traiter les images MS snapshot consiste d’abord à dématricer puis à démélanger les données, les travaux présentés dans cette thèse explorent des stratégies alternatives dans lesquelles le dématriçage et le démélange sont effectués conjointement. En étendant les hypothèsesclassiques rencontrées dans l’analyse des composantes parcimonieuses et dans le démélange MS utilisé en télédétection, nous proposons deux cadres différents pour restaurer et démélanger la scène acquise, basés respectivement sur la complétion de matrice de faible rang et la déconvolution, cette dernière étant spécifiquement conçue pour les filtres Fabry-Pérot utilisés dans la caméra considérée. Les quatre méthodes proposées présentent une bien meilleure qualité de démélange que les variantes qu’elles étendent lorsque ces dernières sont appliquées à des données dématricées. Néanmoins, elles permettent des performances de dématriçage similaires à celles des méthodes de l’état de l’art. La dernière partie de cette thèse introduit une approche de déconvolution pour restaurer les spectres de telles caméras. Notre contribution réside dans les poids du terme de pénalisation qui sont automatiquement fixés en utilisant l’entropie des harmoniques de Fabry-Pérot. La méthode proposéeprésente une meilleure restauration spectrale que la stratégie proposée par le fabricant de la caméra et que la technique de déconvolution classique qu’elle étend.In this thesis, we consider images sensed by a miniaturized multispectral (MS) snapshot camera. Contrary to classical RGB cameras, MS imaging allows to observe a scene on tens of different wavelengths, allowing a much more precise analysis of the observed content. While most MS cameras require a scan to generate an image, snapshot MS cameras can instantaneouslyprovide images, or even videos. When the camera is miniaturized, instead of a 3D data cube, it gets a 2D image, each pixel being associated with a filtered version of the theoretical spectrum it should acquire. Post-processing, called “demosaicing”, is then necessary to reconstruct a data cube. Furthermore, in each pixel of the image, the observed spectrum can be considered as a mixture of spectra of pure materials present in the pixel. Estimating these spectra named endmembers as well as their spatial distribution (named abundances) is called “unmixing”. While a classical pipeline to process MS snapshot images is to first demosaice and then unmix the data, the work introduced in this thesis explores alternative strategies in which demosaicing and unmixing are jointly performed. Extending classical assumptions met in sparse component analysis and in remote sensing MS unmixing, we propose two different frameworks to restore and unmixing the acquired scene, based on low-rank matrix completion and deconvolution, respectively, the latter being specifically designed for Fabry-Perot filters used in the considered camera. The four proposed methods exhibit a far better unmixing enhancement than the variants they extend when the latter are applied to demosaiced data. Still, they allow a similar demosaicing performance as state-of-the-art methods. The last part of this thesis introduces a deconvolution approach to restore the spectra of such cameras. Our contribution lies in the weights of the penalization term which are automatically set using the entropy of the Fabry-Perot harmonics. The proposed method exhibits a better spectrum restoration than the strategy proposed by the camera manufacturer and than the classical deconvolution technique it extends
Dématriçage et démélange conjoints d'images multispectrales
No full textIn this thesis, we consider images sensed by a miniaturized multispectral (MS) snapshot camera. Contrary to classical RGB cameras, MS imaging allows to observe a scene on tens of different wavelengths, allowing a much more precise analysis of the observed content. While most MS cameras require a scan to generate an image, snapshot MS cameras can instantaneouslyprovide images, or even videos. When the camera is miniaturized, instead of a 3D data cube, it gets a 2D image, each pixel being associated with a filtered version of the theoretical spectrum it should acquire. Post-processing, called “demosaicing”, is then necessary to reconstruct a data cube. Furthermore, in each pixel of the image, the observed spectrum can be considered as a mixture of spectra of pure materials present in the pixel. Estimating these spectra named endmembers as well as their spatial distribution (named abundances) is called “unmixing”. While a classical pipeline to process MS snapshot images is to first demosaice and then unmix the data, the work introduced in this thesis explores alternative strategies in which demosaicing and unmixing are jointly performed. Extending classical assumptions met in sparse component analysis and in remote sensing MS unmixing, we propose two different frameworks to restore and unmixing the acquired scene, based on low-rank matrix completion and deconvolution, respectively, the latter being specifically designed for Fabry-Perot filters used in the considered camera. The four proposed methods exhibit a far better unmixing enhancement than the variants they extend when the latter are applied to demosaiced data. Still, they allow a similar demosaicing performance as state-of-the-art methods. The last part of this thesis introduces a deconvolution approach to restore the spectra of such cameras. Our contribution lies in the weights of the penalization term which are automatically set using the entropy of the Fabry-Perot harmonics. The proposed method exhibits a better spectrum restoration than the strategy proposed by the camera manufacturer and than the classical deconvolution technique it extends.Dans cette thèse, nous considérons des images captées par une caméra multispectrale (MS) miniaturisée « snapshot ». Contrairement aux caméras RVB classiques, l’imagerie MS permet d’observer une scène sur des dizaines de longueurs d’onde différentes, permettant une analyse beaucoup plus précise du contenu observé. Alors que la plupart des caméras MS nécessitent un scan pour générer une image, les caméras MS snapshot peuvent fournir instantanément des images, voire des vidéos. Lorsque la caméra est miniaturisée, au lieu d’un cube de données 3D, elle fournit une image 2D, chaque pixel étant associé à une version filtrée du spectre théorique sensé être acquis. Un post-traitement, appelé «dématriçage », est alors nécessaire pour reconstruire le cube de données. De plus, dans chaque pixel de l’image, le spectre observé peut être considéré comme un mélange de spectres de matériaux purs présents dans le pixel. L’estimation de ces spectres nommés endmembers ainsi que leur distribution spatiale (appelée abondances) est appelée « démélange ». Alors qu’un pipeline classique pour traiter les images MS snapshot consiste d’abord à dématricer puis à démélanger les données, les travaux présentés dans cette thèse explorent des stratégies alternatives dans lesquelles le dématriçage et le démélange sont effectués conjointement. En étendant les hypothèsesclassiques rencontrées dans l’analyse des composantes parcimonieuses et dans le démélange MS utilisé en télédétection, nous proposons deux cadres différents pour restaurer et démélanger la scène acquise, basés respectivement sur la complétion de matrice de faible rang et la déconvolution, cette dernière étant spécifiquement conçue pour les filtres Fabry-Pérot utilisés dans la caméra considérée. Les quatre méthodes proposées présentent une bien meilleure qualité de démélange que les variantes qu’elles étendent lorsque ces dernières sont appliquées à des données dématricées. Néanmoins, elles permettent des performances de dématriçage similaires à celles des méthodes de l’état de l’art. La dernière partie de cette thèse introduit une approche de déconvolution pour restaurer les spectres de telles caméras. Notre contribution réside dans les poids du terme de pénalisation qui sont automatiquement fixés en utilisant l’entropie des harmoniques de Fabry-Pérot. La méthode proposéeprésente une meilleure restauration spectrale que la stratégie proposée par le fabricant de la caméra et que la technique de déconvolution classique qu’elle étend
Dématriçage et démélange conjoints d'images multispectrales
No full textIn this thesis, we consider images sensed by a miniaturized multispectral (MS) snapshot camera. Contrary to classical RGB cameras, MS imaging allows to observe a scene on tens of different wavelengths, allowing a much more precise analysis of the observed content. While most MS cameras require a scan to generate an image, snapshot MS cameras can instantaneouslyprovide images, or even videos. When the camera is miniaturized, instead of a 3D data cube, it gets a 2D image, each pixel being associated with a filtered version of the theoretical spectrum it should acquire. Post-processing, called “demosaicing”, is then necessary to reconstruct a data cube. Furthermore, in each pixel of the image, the observed spectrum can be considered as a mixture of spectra of pure materials present in the pixel. Estimating these spectra named endmembers as well as their spatial distribution (named abundances) is called “unmixing”. While a classical pipeline to process MS snapshot images is to first demosaice and then unmix the data, the work introduced in this thesis explores alternative strategies in which demosaicing and unmixing are jointly performed. Extending classical assumptions met in sparse component analysis and in remote sensing MS unmixing, we propose two different frameworks to restore and unmixing the acquired scene, based on low-rank matrix completion and deconvolution, respectively, the latter being specifically designed for Fabry-Perot filters used in the considered camera. The four proposed methods exhibit a far better unmixing enhancement than the variants they extend when the latter are applied to demosaiced data. Still, they allow a similar demosaicing performance as state-of-the-art methods. The last part of this thesis introduces a deconvolution approach to restore the spectra of such cameras. Our contribution lies in the weights of the penalization term which are automatically set using the entropy of the Fabry-Perot harmonics. The proposed method exhibits a better spectrum restoration than the strategy proposed by the camera manufacturer and than the classical deconvolution technique it extends.Dans cette thèse, nous considérons des images captées par une caméra multispectrale (MS) miniaturisée « snapshot ». Contrairement aux caméras RVB classiques, l’imagerie MS permet d’observer une scène sur des dizaines de longueurs d’onde différentes, permettant une analyse beaucoup plus précise du contenu observé. Alors que la plupart des caméras MS nécessitent un scan pour générer une image, les caméras MS snapshot peuvent fournir instantanément des images, voire des vidéos. Lorsque la caméra est miniaturisée, au lieu d’un cube de données 3D, elle fournit une image 2D, chaque pixel étant associé à une version filtrée du spectre théorique sensé être acquis. Un post-traitement, appelé «dématriçage », est alors nécessaire pour reconstruire le cube de données. De plus, dans chaque pixel de l’image, le spectre observé peut être considéré comme un mélange de spectres de matériaux purs présents dans le pixel. L’estimation de ces spectres nommés endmembers ainsi que leur distribution spatiale (appelée abondances) est appelée « démélange ». Alors qu’un pipeline classique pour traiter les images MS snapshot consiste d’abord à dématricer puis à démélanger les données, les travaux présentés dans cette thèse explorent des stratégies alternatives dans lesquelles le dématriçage et le démélange sont effectués conjointement. En étendant les hypothèsesclassiques rencontrées dans l’analyse des composantes parcimonieuses et dans le démélange MS utilisé en télédétection, nous proposons deux cadres différents pour restaurer et démélanger la scène acquise, basés respectivement sur la complétion de matrice de faible rang et la déconvolution, cette dernière étant spécifiquement conçue pour les filtres Fabry-Pérot utilisés dans la caméra considérée. Les quatre méthodes proposées présentent une bien meilleure qualité de démélange que les variantes qu’elles étendent lorsque ces dernières sont appliquées à des données dématricées. Néanmoins, elles permettent des performances de dématriçage similaires à celles des méthodes de l’état de l’art. La dernière partie de cette thèse introduit une approche de déconvolution pour restaurer les spectres de telles caméras. Notre contribution réside dans les poids du terme de pénalisation qui sont automatiquement fixés en utilisant l’entropie des harmoniques de Fabry-Pérot. La méthode proposéeprésente une meilleure restauration spectrale que la stratégie proposée par le fabricant de la caméra et que la technique de déconvolution classique qu’elle étend
Diffusion Models for Multifractal Texture Synthesis
No full textInternational audienceMultifractal textures provide a robust framework for modeling real-world textures characterized by complex, transient, and statistically rich patterns, with applications spanning biomedical imaging to material science. While diffusion models have proven effective in generative tasks, their ability to synthesize textures, i.e., images with no geometry but instead with rich and complex spatial dynamics, remains underexplored. This study investigates the performance of diffusion neural networks in generating multifractal textures, which are used as representatives of such complex textures with prescribed statistical properties, yet without embedding multifractal information in the training loss. From a dataset of 1000 multifractal textures, a U-Net-based diffusion model is trained, under four different noise schedulers to explore their influence on synthesis quality. Performance is evaluated by comparing the multifractal statistics, assessed by wavelet-leader analysis, of generated textures against those of the training set. Results suggest that overall the linear noise scheduler performs best in reproducing multifractal properties in textures.</div
PEMBERDAYAAN MASYARAKAT PESISIR DALAM PELESTARIAN LINGKUNGAN HIDUP DI DESA MARGASARI KECAMATAN LABUHAN MARINGGAI LAMPUNG TIMUR
No full textABSTRAK
Masyarakat pesisir yang tinggal didaerah pantai atau tepi laut,
masyarakat pesisir bergantung pada sumber daya laut untuk
kehidupan, seperti perikanan dan perdagangan. Adaptasi terhadap
lingkungan pesisir serta perubahan iklim menjadi faktor penting dalam
keberlanjutan kehidupan mereka. Lingkungan pesisir memiliki
keanekaragaman hayati yang tinggi dan menyediakan berbagai
layanan ekosistem yang penting bagi manusia. Namun, masyarakat
pesisir belum terlalu peduli terhadap lingkungan pesisir yang
menyebabkan kerusakan yang terjadi baik di wilayah pesisir maupun
di bawah laut tempat ekosistem biota. Upaya yang dilakukan oleh
Lembaga Swadaya Masyarakat (LSM) Mitra Bentala adalah
melaksanakan pemberdayaan nelayan, dengan memberikan
pengetahuan dan pelatihan melalui kegiatan pelestarian lingkungan
pesisir di desa Margasari. Hal ini didasari oleh rendahnya pengetahuan
dan keterampilan nelayan dalam menerapkan penangkapan dengan
jaring ramah lingkungan, Lembaga Swadaya masyarakat (LSM) Mitra
Bentala hadir sebagai agen perubahan bagi nelayan di desa Margasari.
Rumusan masalah dalam penelitian ini yaitu proses pemberdayaan
masyarakat pesisir dalam melestarian lingkungan pesisir oleh
Lembaga Swadaya Masyarakat (LSM) Mitra Bentala di Desa
Margasari Kecamatan Labuhan Maringgai Lampung Timur. Dengan
tujuan penelitian yaitu untuk mengetahui proses pemberdayaan
masyarakat pesisir dalam melestarikan lingkungan pesisir oleh
Lembaga Swadaya Masyarakat (LSM) Mitra Bentala di Desa
Margasari Kecamatan Labuhan Maringgai Lampung Timur.
Dalam penelitian ini menggunakan metode kualitatif dengan
jenis penelitian yaitu field research dan pendekatan kualitatif serta
sifat penelitian deskriptif. Adapun teknik pengumpulan data pada
penelitiam ini penulis menggunakan teknik purposive sampling yaitu
pengambilan sampel berdasarkan dengan pertimbangan subjektif
peneliti, dasar pertimbangan ditentukan peneliti berdasarkan kriteria
sebagai sampel. Hasil penelitian ini menunjukkan bahwa proses pemberdayaan
masyarakat nelayan melalui program pelestarian lingkungan pesisir
yang dilakukan Lembaga Swadaya Masyarakat (LSM) Mitra Bentala
dapat meningkatkan kapasitas nelayan berupa meningkatnya
pengetahuan, kesadaran, keterampilan nelayan dalam menjaga
lingkungan pesisir untuk menjaga keberlanjutan dan kesejahteraan
masayarakat pesisir.
Kata Kunci : Pemberdayaan Masyarakat Pesisir, Pelestarian
Lingkungan Pesisir.ABSTRACT
Coastal communities live in coastal or seaside areas, coastal
communities depend on marine resources for life, such as fishing and
trade. Adaptation to the coastal environment and climate change are
important factors in the sustainability of their lives. Coastal
environments have high biodiversity and provide a variety of
important ecosystem services for humans. However, coastal
communities do not really care about the coastal environment which
causes damage to both coastal areas and underwater biota
ecosystems. The efforts made by the Non-Governmental Organization
(NGO) Mitra Bentala are to empower fishermen, by providing
knowledge and training through coastal environmental preservation
activities in Margasari village. This is based on the low level of
knowledge and skills of fishermen in implementing fishing with
environmentally friendly nets. The non-governmental organization
(NGO) Mitra Bentala is present as an agent of change for fishermen
in Margasari village. The formulation of the problem in this research
is the process of empowering coastal communities in preserving the
coastal environment by the Non-Governmental Organization (NGO)
Mitra Bentala in Margasari Village, Labuhan Maringgai District,
East Lampung. The aim of the research is to determine the process of
empowering coastal communities in preserving the coastal
environment by the Non-Governmental Organization (NGO) Mitra
Bentala in Margasari Village, Labuhan Maringgai District, East
Lampung.
This research uses qualitative methods with research types,
namely field research and a qualitative approach as well as
descriptive research. As for the data collection technique in this
research, the author used a purposive sampling technique, namely
sampling based on the researcher's subjective considerations, the
basis of consideration was determined by the researcher based on the
criteria for the sample.
The results of this research show that the process of
empowering fishing communities through the coastal environment conservation program carried out by the Non-Governmental
Organization (NGO) Mitra Bentala can increase the capacity of
fishermen in the form of increased knowledge, awareness and skills of
fishermen in protecting the coastal environment to maintain the
sustainability and welfare of coastal communities.
Keywords: Empowerment of Coastal Communities, Preservation of
the Coastal Environment
Locally-Rank-One-Based Joint Unmixing and Demosaicing Methods for Snapshot Spectral Images. Part I: a Matrix-Completion Framework
No full textInternational audienceWith the recent advancements in design and processing speed, a new snapshot mosaic imaging sensor architecture (SSI) has been successfully developed, holding the potential to transform the way dynamic scenes are captured using miniaturized platforms. However, SSI systems encounter a core trade-off concerning spatial and spectral resolution due to the assignment of individual spectral bands to each pixel. While the SSI camera manufacturer provides a pipeline to process such data, we propose in this paper to process the RAW SSI data directly. We show this strategy to be much more accurate than post-processing after the pipeline. In particular, in the first part of this paper, we propose a low-rank matrix factorization and completion framework which jointly tackles both the demosaicing and the unmixing steps of the SSI data. In addition to a "natural" technique, we expand the well-known pure pixel assumption to the SSI sensor level and propose two dedicated methods to extract the endmembers. The first one can be seen as a weighted Sparse Component Analysis (SCA) method, while the second one relaxes the abundance sparsity assumption of the former. The abundances are then recovered by applying the naive approach with the fixed extracted endmembers. Finally, we experimentally validate the merits of the proposed methods using synthetically generated data and real images obtained with an SSI camera
Joint Unmixing and Demosaicing Methods for Snapshot Spectral Images
No full textInternational audienceRecent technological advances in design and processing speed have successfully demonstrated a new snapshot mosaic imaging sensor architecture (SSI), allowing miniaturized platforms to efficiently acquire the spatio-spectral content of the dynamic scenes from a single exposure. However, SSI systems have a fundamental trade-off between spatial and spectral resolution because they associate each pixel with a specific spectral band. In this paper, we introduce the problem of joint "demosaicing" and "unmixing" for the hyperspectral images acquired by the SSI camera that we formulate as a low-rank matrix factorization and completion problem. For that reason—and in addition to a "naive" approach—we extend the "pure pixel" framework to the SSI sensor patch level and propose a dedicated method which (i) assumes the observed data to be locally rank-1 in some SSI "patches" to find, (ii) estimates endmembers in these patches which are (iii) clustered to derive the actual spectra. The abundances are then recovered using nonnegative least squares in each patch. The experiments show that our proposed scheme provides a slightly better demosaicing performance than state-of-the-art methods and a much higher unmixing enhancement
Méthodes parcimonieuses de déconvolution et démélange pour les images multispectrales "snapshot"
No full textNational audienceIn this paper, we propose a new unmixing method for snapshot spectral imaging (SSI) systems using Fabry-Perotfilters. These cameras only provide a part of the observed spectral content, and a classical strategy consists of unmixing after imagerestoration (aka demosaicing). In this paper, we propose two approaches based on Fabry-Perot filter deconvolution. Revisitingconcepts met in sparse component analysis, these methods extend the “pure pixel” framework to the SSI sensor patch level, thatwe name “pure patch” assumption. Our experiments show that our proposed approaches significantly outperform state-of-the-artmethods, including our recently proposed low-rank-matrix-completion-based joint unmixing and demosaicing method.Dans cet article, nous proposons une nouvelle méthode de démélange pour les systèmes d’imagerie spectrale « snapshot »(SSI) utilisant des filtres de Fabry-Perot. Ces caméras ne fournissent qu’une partie du contenu spectral observé et la stratégieclassique consiste à réaliser le démélange après la restauration de l’image (ou dématriçage). Dans cet article, nous proposons deuxapproches fondées sur la déconvolution des filtres de Fabry-Perot. Revisitant des concepts introduits pour les approches d’analyseen composantes parcimonieuses, ces méthodes étendent le cadre de « pixel pur » au niveau du patch de capteur SSI, que nousnommons hypothèse de « patch pur ». Nos expériences montrent qu’elles surpassent de manière significative les méthodes de lalittérature, y compris une méthode de démélange et de dématriçage conjoints fondée sur la complétion de matrice de faible rang quenous avons récemment proposé
