Analyse d'image hyperspectrale

Résumé : Les travaux de thèse effectués dans le cadre de la convention Cifre conclue entrele laboratoire de mathématiques de Besançon et Digital Surf, entreprise éditrice dulogiciel d’analyse métrologique Mountains, portent sur les techniques d’analyse hyperspectrale.Sujet en plein essor, ces méthodes permettent d’exploiter des imagesissues de micro-spectroscopie, et en particulier de spectroscopie Raman. Digital Surfambitionne aujourd’hui de concevoir des solutions logicielles adaptées aux imagesproduites par ces appareils. Ces dernières se présentent sous forme de cubes de valeurs,où chaque pixel correspond à un spectre. La taille importante de ces données,appelées images hyperspectrales en raison du nombre important de mesures disponiblespour chaque spectre, obligent à repenser certains des algorithmes classiquesd’analyse d’image.Nous commençons par nous intéresser aux techniques de partitionnement de données.L’idée est de regrouper dans des classes homogènes les différents spectres correspondantà des matériaux similaires. La classification est une des techniques courammentutilisée en traitement des données. Cette tâche fait pourtant partie d’unensemble de problèmes réputés trop complexes pour une résolution pratique : les problèmesNP-durs. L’efficacité des différentes heuristiques utilisées en pratique était jusqu’àrécemment mal comprise. Nous proposons des argument théoriques permettantde donner des garanties de succès quand les groupes à séparer présentent certainespropriétés statistiques.Nous abordons ensuite les techniques de dé-mélange. Cette fois, il ne s’agit plus dedéterminer un ensemble de pixels semblables dans l’image, mais de proposer une interprétationde chaque pixel comme un mélange linéaire de différentes signatures spectrales,sensées émaner de matériaux purs. Cette déconstruction de spectres compositesse traduit mathématiquement comme un problème de factorisation en matrices positives.Ce problème est NP-dur lui aussi. Nous envisageons donc certaines relaxations,malencontreusement peu convaincantes en pratique. Contrairement au problème declassification, il semble très difficile de donner de bonnes garanties théoriques sur laqualité des résultats proposés. Nous adoptons donc une approche plus pragmatique,et proposons de régulariser cette factorisation en imposant des contraintes sur lavariation totale de chaque facteur.Finalement, nous donnons un aperçu d’autres problèmes d’analyse hyperspectralerencontrés lors de cette thèse, problèmes parmi lesquels figurent l’analyse en composantesindépendantes, la réduction non-linéaire de la dimension et la décompositiond’une image par rapport à une librairie regroupant un nombre important de spectresde référence.
Type de document :
Thèse
Théorie spectrale [math.SP]. Université Bourgogne Franche-Comté, 2017. Français. 〈NNT : 2017UBFCD075〉
Liste complète des métadonnées

Littérature citée [40 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01881335
Contributeur : Abes Star <>
Soumis le : mardi 25 septembre 2018 - 16:49:07
Dernière modification le : mercredi 26 septembre 2018 - 01:12:50
Document(s) archivé(s) le : mercredi 26 décembre 2018 - 16:00:49

Fichier

these_A_FAIVRE_Adrien_2017.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01881335, version 1

Collections

Citation

Adrien Faivre. Analyse d'image hyperspectrale. Théorie spectrale [math.SP]. Université Bourgogne Franche-Comté, 2017. Français. 〈NNT : 2017UBFCD075〉. 〈tel-01881335〉

Partager

Métriques

Consultations de la notice

112

Téléchargements de fichiers

43