La soutenance de thèse de Kinan Abbas aura lieu le 3 septembre 2024 à 14h en B014 au CGU de Calais
Titre :
Dématriçage et démélange conjoints d’images multispectrales
Résumé :
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 hypothèses classiques 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 proposée présente une meilleure restauration spectrale que la stratégie proposée par le fabricant de la caméra et que la technique de déconvolution classique qu’elle étend.
Mots clés :
Approximation et Complétion de Matrices de Faible Rang, Imagerie Spectrale Snapshot, Démelange, Dématriçage, Déconvolution.
Jury :
M. J. CHANUSSOT, Professeur, INP de Grenoble, rapporteur
M. P. DESBARATS, Professeur, Université Bordeaux, rapporteur
Mme H. CHATOUX, Maître de Conférences, Université de Bourgogne, examinateur
M. R. BOYER, Professeur, Université de Lille, examinateur
M. Y. DEVILLE, Professeur, Université Toulouse 3 Paul Sabatier, examinateur
M. M. PUIGT, Maître de Conférences HDR, Université du Littoral Côte d’Opale, directeur
M. G. ROUSSEL, Professeur, Université du Littoral Côte d’Opale, directeur
M. G. DELMAIRE, Maître de Conférences, Université du Littoral Côte d’Opale, invité
