Thèse ULP 2006 Petremand

Thèse de l'Université Louis Pasteur - Strasbourg

Matthieu Petremand : Détection des galaxies à faible brillance de surface et segmentation hyperspectrale dans le cadre de l'observatoire virtuel

Laboratoire

LSIIT - Laboratoire des Sciences de l'Image, de l'Informatique et de la Télédétection

http://lsiit.u-strasbg.fr/

CNRS : UMR7005 – Université Louis Pasteur - Strasbourg I

Pole API Bd Sebastien Brant BP 10413 67412 Illkirch CEDEX

France

OAS - Observatoire astronomique de Strasbourg

http://astro.u-strasbg.fr/

CNRS : UMR7550 – INSU – Université Louis Pasteur - Strasbourg I

11 Rue de l'université 67000 STRASBOURG

France

Résumé

Les progrès technologiques de l'instrumentation astronomique soulèvent des problématiques variées. L'imagerie monobande permet, grâce aux capteurs de résolution et de sensiblité croissante, de découvrir des objets autrefois inobservables. En particulier, le développement des capteurs multispectraux permet l'acquisition de masses de données porteuses d'une information très riche. Néanmoins, l'interprétation et le traitement de tels volumes de données restent délicats pour la communauté astronomique. Dans le cadre de cette thèse nous proposons un ensemble de méthodes facilitant le processus d'interprétation réalisé par l'astronome. Nous introduisons une nouvelle méthode de segmentation floue par champs de Markov permettant de prendre en compte les spécificités des observations astronomiques : frontières des objets non définies et objets diffus. Un pixel flou de la carte de segmentation appartient ainsi à une ou deux classes dures en fonction d'un certain degré d'appartenance. Nous proposons également une méthode de détection de galaxies à faible brillance de surface (galaxies LSB) basée sur l'utilisation d'une segmentation markovienne par quadarbre. Cette segmentation permet de dégager les galaxies LSB du fond de ciel grâce à une estimation fine de la statistique du bruit présent dans l'observation. Un ensemble d'étapes de sélection est ensuite mis en oeuvre afin de caractériser la galaxie. Nous proposons deux méthodes de visualisation d'images multispectrales permettant de synthétiser l'information portée par toutes les bandes dans une composition colorée réalisée dans l'espace TSL (Teinte Saturation Luminance). Enfin, nous étudions une nouvelle méthode de segmentation de cubes de données hyperspectraux basée sur une approche de discrimination spectrale puis sur une régularisation spatiale de la carte de segmentation par une approche markovienne par quadarbre. Ces méthodes sont validées sur des images astronomiques et ont fait l'objet d'une interaction particulièrement riche entre communauté STIC et communauté astronomique. De plus, deux méthodes sont validées sur des images issues du domaine de la télédétection pour lesquelles certaines problématiques restent communes.

domaine

Sciences de l'ingénieur/Signal

Sciences de l'univers/Astrophysique

Sciences informatiques/IHM, images, données et connaissances

Projet(s), Collaboration(s)

ACI Masses de Données en Astronomie, CDS (Centre de Données Astronomiques de Strasbourg)

Équipe(s) de recherche

LSIIT, Equipe PASEO

organisme de délivrance

Université Louis Pasteur - Strasbourg I

école doctorale

Sciences de la Terre, de l'Univers et de l'Environnement de Strasbourg

spécialité

informatique

autres localisations

http://picabia.u-strasbg.fr/lsiit/perso/collet/ftp/PhD/PhD_Petremand.pdf

langue

Français

directeur de thèse

Christophe Collet

courriel du directeur

Christophe.Collet@ensps.u-strasbg.fr

composition du Jury

• Françoise Génova (co-directrice)
• Eric Slézak (rapporteur externe)
• Kacem Chehdi (rapporteur externe)
• Christian Boily (rapporteur interne)
• Mireille Louys (examinateur)
• François Bonnarel (membre invité)

mots-clés

Imagerie hyperspectrale – modèles markoviens flous – segmentation – réduction de dimensionnalité – visualisation – détection de galaxies – astronomie

mots-clés en anglais

Hyperspectral imagery – fuzzy Markovian models – segmentation – dimensionality reduction – visualization – galaxy detection – astronomy

Source