Literatura científica selecionada sobre o tema "Reconstruction d’image"

La correction chirurgicale d’un trouble statique de l’avant-pied ou de l’arrière-pied est fondée sur une évaluation clinique complétée par des radiographies conventionnelles et une tomodensitométrie avec reconstruction. En peropératoire, les traits d’ostéotomies et les corrections angulaires manquent de précision. La tomodensitométrie préopératoire est actuellement de pratique courante. Nos objectifs étaient de visualiser, après impression du modèle en trois dimensions (3D), les déformations et de les corriger avec précision dans les trois plans de l’espace. La méthodologie utilisée est comparable à celle de l’orthodontie avec grande précision. Dans notre expérience, nous avons obtenu une reproduction identique à la déformation clinique avec possibilité de procéder à la correction 3D de la déformation à la même échelle que l’original. L’utilisation de fantômes en cas d’ostéosynthèse autorise un prémoulage. Cette étape expérimentale est une approche technique objective peu coûteuse du geste à réaliser. Dans un deuxième temps, il apparaît possible de réaliser un cadre externe stérile pour guider avec une approche mini-invasive le trait d’ostéotomie dans les trois plans de l’espace. Cette approche méthodologique fondée sur un traitement d’image après tomodensitométrie a montré sa faisabilité et est une approche innovante pour la conceptualisation de la prise en charge chirurgicale des cals vicieux et des déformations complexes du pied.

Les datasets photographiques, au cœur des algorithmes d’intelligence artificielle appliquée aux images, illustrent la place centrale qu’occupe la photographie dans ces dispositifs de machine learning. Mais que révèlent ces vastes ensembles d’images, et à travers quelles opérations ? Entre 2005 et 2021, les régimes visuels observés dans vingt-cinq datasets évoluent : des ensembles restreints d’images normées et descriptives laissent place à des collectes massives sur Internet, automatisées et sans curation. Les pratiques et protocoles de sélection, d’annotation et les traitements visuels opérés sur les photographies entendent neutraliser les biais et échantillonner un visible fragmenté et décontextualisé. Ainsi, ces datasets, plus qu’un reflet, traduisent une reconstruction du réel au service de problématiques algorithmiques de plus en plus complexes. La photographie devient une matière première exploitée, façonnée au sein d’une extraction industrielle.

L’adolescent en souffrance rejoue et diffracte sur l’institution des modalités de liens spécifiques à sa famille interne. Si l’on considère que les groupes internes désignent des schèmes de relations d’objet intériorisés, inhérentes au groupe primaire, l’on peut alors considérer que les groupes externes peuvent être utilisés comme autant de scènes qui permettent de les réactiver. La prise en compte de la manière dont l’adolescent entre en lien avec l’institution pourra éclairer le soignant sur la manière dont il signifie son mal-être en deçà des mots, et dont il rejoue des liens familiaux anciens. Mailler des liens autour de l’adolescent, sur le mode d’une enveloppe familiale contenante, lui permet de reconstruire des imagos familiales satisfaisantes et peu à peu de se différencier et de s’individuer.

Le but de cette étude est d’évaluer l’influence de la mesure de points dans les images avec une précision subpixellaire, et sa contribution à l’étalonnage des caméras numériques. De plus, l’effet des mesures subpixellaires sur la détermination des coordonnées 3D dans l’espace objet est évalué à partir de points de contrôle. Dans ce but, unalgorithme semi-automatique a été implémenté pour la détermination subpixellaire de points d’intérêt, basé sur un opérateur de Förstner. Des expériences ont été réalisées sur un bloc d’images acquises avec une caméra multispectrale DuncanTech MS3100-CIR. L’influence des mesures subpixellaires dans un ajustement par moindres carrés a été évaluée en comparant l’écart-type estimé des paramètres dans deux cas : avec une mesure manuelle (précision pixellaire) et avec une estimation subpixellaire. De plus, l’influence des mesures subpixellaires sur la reconstruction 3D a été analysée. A partir des résultats obtenus, i.e. la réduction de l’écart-type sur les paramètres d’orientation interne et del’erreur relative de la reconstruction 3D, il est démontré que les mesures de précision subpixellaire sont pertinentes pour certains travaux photogrammétriques, notamment ceux pour lesquels la qualité métrique est très importante, comme l’étalonnage de caméras.

Cette thèse porte sur le développement et l’implémentation des algorithmes de détection et de correction des erreurs dans les images, en vue de contrôler la qualité des images produites en sortie des décodeurs numériques. Pour atteindre les objectifs visés dans cette étude, nous avons commencé par faire l’état de lieu de l’existant. L’examen critique des approches en usage a justifié la construction d’un ensemble de méthodes objectives d’évaluation de la qualité visuelle des images, basées sur des méthodes d’apprentissage automatique. Ces algorithmes prennent en entrées un ensemble de caractéristiques ou de métriques extraites des images. En fonction de ces caractéristiques, et de la disponibilité ou non d’une image de référence, deux sortes de mesures objectives ont été élaborées : la première basée sur des métriques avec référence, et la seconde basée sur des métriques sans référence ; toutes les deux à distorsions non spécifiques. En plus de ces méthodes d’évaluation objective, une méthode d’évaluation et d’amélioration de la qualité des images basée sur la détection et la correction des pixels défectueux dans les images a été mise en œuvre. Les applications ont contribué à affiner aussi bien les méthodes d’évaluation de la qualité visuelle des images que la construction des algorithmes objectifs de détection et de correction des pixels défectueux par rapport aux diverses méthodes actuellement en usage. Une implémentation sur cartes FPGA des techniques développées a été réalisée pour intégrer les modèles présentant les meilleures performances dans de la phase de simulation
This thesis deals with the development and implementation of error detection and correction algorithms in images, in order to control the quality of produced images at the output of digital decoders. To achieve the objectives of this work, we first study the state-of the-art of the existing approaches. Examination of classically used approaches justified the study of a set of objective methods for evaluating the visual quality of images, based on machine learning methods. These algorithms take as inputs a set of characteristics or metrics extracted from the images. Depending on the characteristics extracted from the images, and the availability or not of a reference image, two kinds of objective evaluation methods have been developed: the first based on full reference metrics, and the second based on no-reference metrics; both of them with non-specific distortions. In addition to these objective evaluation methods, a method of evaluating and improving the quality of the images based on the detection and correction of the defective pixels in the images has been implemented. The proposed results have contributed to refining visual image quality assessment methods as well as the construction of objective algorithms for detecting and correcting defective pixels compared to the various currently used methods. An implementation on an FPGA has been carried out to integrate the models with the best performances during the simulation phase

Cette thèse est consacrée dans un premier temps à l’élaboration d’un modèle variationnel dedébruitage d’ordre deux, faisant intervenir l’espace BV 2 des fonctions à hessien borné. Nous nous inspirons ici directement du célèbre modèle de Rudin, Osher et Fatemi (ROF), remplaçant la minimisation de la variation totale de la fonction par la minimisation de la variation totale seconde, c’est à dire la variation totale de ses dérivées. Le but est ici d’obtenir un modèle aussi performant que le modèle ROF, permettant de plus de résoudre le problème de l’effet staircasing que celui-ci engendre. Le modèle que nous étudions ici semble efficace, entraînant toutefois l’apparition d’un léger effet de flou. C’est afin de réduire cet effet que nous introduisons finalement un modèle mixte, permettant d’obtenir des solutions à la fois non constantes par morceaux et sans effet de flou au niveau des détails. Dans une seconde partie, nous nous intéressons au problème d’extraction de texture. Un modèle reconnu comme étant l’un des plus performants est le modèle T V -L1, qui consiste simplement à remplacer dans le modèle ROF la norme L2 du terme d’attache aux données par la norme L1. Nous proposons ici une méthode originale permettant de résoudre ce problème utilisant des méthodes de Lagrangien augmenté. Pour les mêmes raisons que dans le cas du débruitage, nous introduisons également le modèle T V 2-L1, consistant encore une fois à remplacer la variation totale par la variation totale seconde. Un modèle d’extraction de texture mixte est enfin très brièvement introduit. Ce manuscrit est ponctué d’un vaste chapitre dédié aux tests numériques
This thesis is devoted in a first part to the elaboration of a second order variational modelfor image denoising, using the BV 2 space of bounded hessian functions. We here take a leaf out of the well known Rudin, Osher and Fatemi (ROF) model, where we replace the minimization of the total variation of the function with the minimization of the second order total variation of the function, that is to say the total variation of its partial derivatives. The goal is to get a competitive model with no staircasing effect that generates the ROF model anymore. The model we study seems to be efficient, but generates a blurry effect. In order to deal with it, we introduce a mixed model that permits to get solutions with no staircasing and without blurry effect on details. In a second part, we take an interset to the texture extraction problem. A model known as one of the most efficient is the T V -L1 model. It just consits in replacing the L2 norm of the fitting data term with the L1 norm.We propose here an original way to solve this problem by the use of augmented Lagrangian methods. For the same reason than for the denoising case, we also take an interest to the T V 2-L1 model, replacing again the total variation of the function by the second order total variation. A mixed model for texture extraction is finally briefly introduced. This manuscript ends with a huge chapter of numerical tests

La tomodensitométrie se concentre sur deux sujets clés : la réduction de la dose de radiation et l’imagerie multi-énergétique, qui sont interconnectés. La tomodensitométrie spectrale, une avancée émergente, capture des données sur plusieurs énergies de rayons X pour mieux distinguer les matériaux, minimisant le besoin de scans répétés et ainsi réduisant l’exposition globale aux radiations.Cependant, la réduction du nombre de photons dans chaque bin d’énergie rend les méthodes de reconstruction traditionnelles sensibles au bruit. Ainsi, l’apprentissage profond, qui a montré un potentiel considérable dans l’imagerie médicale, est envisagé.Cette thèse introduit un nouveau terme de régularisation intégrant des réseaux de neurones convolutifs pour relier les bins d’énergie à une variable latente, exploitant l’ensemble des données des bins pour une reconstruction synergique. À titre de preuve de concept, nous proposons Uconnect et sa variante MHUconnect, utilisant respectivement U-Nets et un UNet à multi-têtes en tant que réseaux de neurones convolutifs, où l’image d’un bin d’énergie spécifique sert de variable latente pour l’apprentissage supervisé. Ces méthodes ont été validées comme étant plus performantes que plusieurs méthodes existantes dans les tâches de reconstruction et de débruitage
Computed tomography (CT), a cornerstone of diagnostic imaging, focuses on two contemporary topics: radiation dose reduction and multi-energy imaging, which are inherently interconnected. As an emerging advancement, spectral CT can capture data across a range of X-ray energies for bettermaterial differentiation, reducing the need for repeat scans and thereby lowering overall radiationexposure. However, the reduced photon count in each energy bin makes traditional reconstruction methods susceptible to noise. Therefore, deep learning (DL) techniques, which have shown great promise in medical imaging, are being considered. This thesis introduces a novel regularizationterm that incorporates convolutional neural networks (CNNs) to connect energy bins to a latent variable, leveraging all binned data for synergistic reconstruction. As a proof-of concept, we propose Uconnect and its variant MHUconnect, employing U-Nets and the multi-head U-Net, respectively, as the CNNs, with images at a specific energy bin serving as the latent variable for supervised learning.The two methods are validated to outperform several existing approaches in reconstruction and denoising tasks

L’approximation par harmoniques sphériques (SPN) simplifiées de l’équation de transfert radiatif a été proposée comme un modèle fiable de propagation de la lumière dans les tissus biologiques. Cependant, peu de solutions analytiques ont été trouvées pour ce modèle. De telles solutions analytiques sont d’une grande valeur pour valider les solutions numériques des équations SPN, auxquelles il faut recourir dans le cas de tissus avec des géométries courbes complexes. Dans la première partie de cette thèse, des solutions analytiques pour deux géométries courbes sont présentées pour la première fois, à savoir pour la sphère et pour le cylindre. Pour les deux solutions, les conditions aux frontières générales tenant compte du saut d’indice de réfraction à l’interface du tissus et de son milieu environnant, telles qu’applicables à l’optique biomédicale, sont utilisées. Ces solutions sont validées à l’aide de simulations Monte Carlo basées sur un maillage de discrétisation du milieu. Ainsi, ces solutions permettent de valider rapidement un code numérique, par exemple utilisant les différences finies ou les éléments finis, sans nécessiter de longues simulations Monte Carlo. Dans la deuxième partie de cette thèse, la reconstruction itérative pour l’imagerie par tomographie optique diffuse par fluorescence est proposée sur la base d’une fonction objective et de son terme de régularisation de type Lq-Lp. Pour résoudre le problème inverse d’imagerie, la discrétisation du modèle de propagation de la lumière est effectuée en utilisant la méthode des différences finies. La reconstruction est effectuée sur un modèle de souris numérique en utilisant un maillage multi-échelle. Le problème inverse est résolu itérativement en utilisant une méthode d’optimisation. Pour cela, le gradient de la fonction de coût par rapport à la carte de concentration de l’agent fluorescent est nécessaire. Ce gradient est calculé à l’aide d’une méthode adjointe. Des mesures quantitatives utilisées en l’imagerie médicale sont utilisées pour évaluer la performance de l’approche de reconstruction dans différentes conditions. L’approche Lq-Lp montre des performances quantifiées élevées par rapport aux algorithmes traditionnels basés sur des fonction coût de type somme de carrés de différences.
Abstract : The simplified spherical harmonics (SPN) approximation to the radiative transfer equation has been proposed as a reliable model of light propagation in biological tissues. However, few analytical solutions have been found for this model. Such analytical solutions are of great value to validate numerical solutions of the SPN equations, which must be resorted to when dealing with media with complex curved geometries. In the first part of this thesis, analytical solutions for two curved geometries are presented for the first time, namely for the sphere and for the cylinder. For both solutions, the general refractiveindex mismatch boundary conditions, as applicable in biomedical optics, are resorted to. These solutions are validated using mesh-based Monte Carlo simulations. So validated, these solutions allow in turn to rapidly validate numerical code, based for example on finite differences or on finite elements, without requiring lengthy Monte Carlo simulations. provide reliable tool for validating numerical simulations. In the second part, iterative reconstruction for fluorescence diffuse optical tomography imaging is proposed based on an Lq-Lp framework for formulating an objective function and its regularization term. To solve the imaging inverse problem, the discretization of the light propagation model is performed using the finite difference method. The framework is used along with a multigrid mesh on a digital mouse model. The inverse problem is solved iteratively using an optimization method. For this, the gradient of the cost function with respect to the fluorescent agent’s concentration map is necessary. This is calculated using an adjoint method. Quantitative metrics resorted to in medical imaging are used to evaluate the performance of the framework under different conditions. The results obtained support this new approach based on an Lq-Lp formulation of cost functions in order to solve the inverse fluorescence problem with high quantified performance.

Cette thèse explore des sujets de recherche dans le domaine du contrôle non destructif industriel par rayons X (CND). L’application de la tomographie CT s’est considérablement étendue et son utilisation s'est intensifiée dans de nombreux secteurs industriels. En raison des exigences croissantes et des contraintes sur les processus de contrôle, la CT se doit de constamment évoluer et s'adapter. Que ce soit en termes de qualité de reconstruction ou en temps d’inspection, la tomographie par rayons X est en constante progression, notamment dans ce qu’on appelle la stratégie de vues éparses. Cette stratégie consiste à reconstruire un objet en utilisant le minimum possible de projections radiologiques tout en maintenant une qualité de reconstruction satisfaisante. Cette approche réduit les temps d'acquisition et les coûts associés. La reconstruction en vues éparses constitue un véritable défi car le problème tomographique est mal conditionné, on le dit mal posé. De nombreuses techniques ont été développées pour surmonter cet obstacle, dont plusieurs sont basées sur l'utilisation d'informations a priori lors du processus de reconstruction. En exploitant les données et les connaissances disponibles avant l'expérience, il est possible d'améliorer le résultat de la reconstruction malgré le nombre réduit de projections. Dans notre contexte industriel, par exemple, le modèle de conception assistée par ordinateur (CAO) de l’objet est souvent disponible, ce qui représente une information précieuse sur la géométrie de l’objet étudié. Néanmoins, il est important de noter que le modèle CAO ne fournit qu’une représentation approximative de l'objet. En CND ou en métrologie, ce sont précisément les différences entre un objet et son modèle CAO qui sont d'intérêt. Par conséquent, l'intégration d'informations a priori est complexe car ces informations sont souvent "approximatives" et ne peuvent pas être utilisées telles quelles. Nous proposons plutôt d’utiliser judicieusement les informations géométriques disponibles à partir du modèle CAO à chaque étape du processus. Nous ne proposons donc pas une méthode, mais une méthodologie pour l'intégration des informations géométriques a priori lors la reconstruction tomographique par rayons X
This thesis explores research topics in the field of industrial non-destructive testing (NDT) using X-rays. The application of CT tomography has significantly expanded, and its use has intensified across many industrial sectors. Due to increasing demands and constraints on inspection processes, CT must continually evolve and adapt. Whether in terms of reconstruction quality or inspection time, X-ray tomography is constantly progressing, particularly in the so-called sparse-view strategy. This strategy involves reconstructing an object using the minimum possible number of radiographic projections while maintaining satisfactory reconstruction quality. This approach reduces acquisition times and associated costs. Sparse-view reconstruction poses a significant challenge as the tomographic problem is ill-conditioned, or, as it is often described, ill-posed. Numerous techniques have been developed to overcome this obstacle, many of which rely on leveraging prior information during the reconstruction process. By exploiting data and knowledge available before the experiment, it is possible to improve reconstruction results despite the reduced number of projections. In our industrial context, for example, the computer-aided design (CAD) model of the object is often available, which provides valuable information about the geometry of the object under study. However, it is important to note that the CAD model only offers an approximate representation of the object. In NDT or metrology, it is precisely the differences between an object and its CAD model that are of interest. Therefore, integrating prior information is complex, as this information is often "approximate" and cannot be used as is. Instead, we propose to judiciously use the geometric information available from the CAD model at each step of the process. We do not propose a single method but rather a methodology for integrating prior geometric information during X-ray tomographic reconstruction

Ce travail de thèse concerne le traitement d’image fDOT (fDOT pour fluorescence diffuse optical tomography) suit vers deux axes. Le recalage d'images fDOT à l’aide de l’imagerie TEP (tomographie par émission de positons) et l’amélioration des reconstructions fDOT à l’aide de miroirs pour collecter des projections complémentaires. Il est présenté en deux parties : Dans la première partie, une méthode automatique pour recaler les images de fDOT avec les images de Tomographie par Emission de Positons (TEP) développée dans le but de corréler l’ensemble des informations issues de chaque modalité. Cette méthode de recalage est basée sur une détection automatique de marqueurs fiduciaires présents dans les deux modalités. La particularité de cette méthode est l’utilisation de l’image de surface obtenue en fDOT, qui sert à identifier la position en Z des marqueurs fiduciaires dans les images optiques. Nous avons testé cette méthode sur un modèle de souris porteuses de xénogreffes de tumeurs de cellules cancéreuses MEN2A qui imitent un carcinome thyroïdien médullaire humain, après une double injection de traceur radioactif : [18F]2-fluoro-2-Deoxy-D-glucose (FDG) pour l’imagerie TEP et un traceur optique d’infrarouge fluorescent, le Sentidye. Grâce à la précision de notre méthode, nous arrivons à démontrer que le signal Sentidye est présent à la fois dans la tumeur et les vaisseaux environnants [1]. La qualité des images fDOT est dégradée selon l’axe Z du fait d’un nombre limité de projections pour la reconstruction. Dans la deuxième partie, le travail s’est orienté vers une nouvelle méthode de reconstruction d’images fDOT à partir d’un nouveau système d’acquisition multi-angulaire avec deux miroirs placés de chaque côté de l’animal. Ce travail a été mené en collaboration avec le département CS d’University College London (UCL), partenaire du projet Européen FMT-XCT. Le logiciel TOAST développé par cette équipe a été utilisé comme source pour l’algorithme de reconstruction, et modifié pour s’adapter à notre problématique. Après plusieurs essais concernant l’ajustement des paramètres du programme, nous avons appliqué cette méthode sur un fantôme réaliste des tissus biologiques et chez la souris. Les résultats montrent une amélioration de l’image reconstruite d’un fantôme semi-cylindrique et de l’image de rein chez la souris, pour lesquelles la méthode des miroirs est supérieure à la méthode classique sans miroir. Malgré tout, nous avons observé que les résultats étaient très sensibles à certains paramètres, d’où une performance de reconstruction variable d’un cas à l’autre. Les perspectives futures concernent l’optimisation des paramètres afin de généraliser l’approche multi-angle
This thesis concerns the image processing of fluorescence diffuse optical tomography (fDOT), following two axes: FDOT image co-registration with PET (positron emission tomography) image and improvement of fDOT image reconstructions using mirrors to collect additional projections. It is presented in two parts:In the first part, an automatic method to co-register the fDOT images with PET images has been developed to correlate all the information from each modality. This co-registration method is based on automatic detection of fiducial markers (FM) present in both modalities. The particularity of this method is the use of optical surface image obtained in fDOT imaging system, which serves to identify the Z position of FM in optical images. We tested this method on a model of mice bearing tumor xenografts of MEN2A cancer cells that mimic a human medullary thyroid carcinoma, after a double injection of radiotracer [18F] 2-fluoro-2-Deoxy-D-glucose ( FDG) for PET imaging and optical fluorescent infrared tracer Sentidye. With the accuracy of our method, we can demonstrate that the signal of Sentidye is present both in the tumor and surrounding vessels.The fDOT reconstruction image quality is degraded along the Z axis due to a limited number of projections for reconstruction. In the second part, the work is oriented towards a new method of fDOT image reconstruction with a new multi-angle data acquisition system in placing two mirrors on each side of the animal. This work was conducted in collaboration with the CS Department of University College London (UCL), a partner of the European project FMT-XCT. TOAST software developed by this team was used as source code for the reconstruction algorithm, and was modified to adapt to the concerned problem. After several tests on the adjustment of program parameters, we applied this method on a phantom that simulating the biological tissue and on mice. The results showed an improvement in the reconstructed image of a semi-cylindrical phantom and the image of mouse kidney, for which the reconstruction of the mirrors geometry is better than that of conventional geometry without mirror. Nevertheless, we observed that the results were very sensitive to certain parameters, where the performance of reconstruction varies from one case to another. Future prospectives concern the optimization of parameters in order to generalize the multi-angle approach

Cette thèse concerne la restauration aveugle d’images (formulée comme un problème inverse mal-posé et mal-conditionné), en considérant particulièrement les systèmes SIMO. Dans un premier temps une technique d’identification aveugle de ce système où l’ordre du canal est inconnu (surestimé) est introduite. Nous introduisons d’abord une version simplifiée à coût réduit SCR de la méthode des relations croisées (CR). Ensuite, une version robuste R-SCR basée sur la recherche d’une solution parcimonieuse minimisant la fonction de coût CR est proposée. La restauration d’image est ensuite assurée par une nouvelle approche inspirée des techniques de décodage des signaux 1D et étendue ici aux cas de la restauration d’images en se basant sur une recherche arborescente efficace (algorithme ‘Stack’). Plusieurs améliorations de la méthode ‘Stack’ ont été introduites afin de réduire sa complexité et d’améliorer la qualité de restauration lorsque les images sont fortement bruitées. Ceci en utilisant une technique de régularisation et une approche d’optimisation all-at-once basée sur la descente du gradient qui permet de raffiner l’image estimée et mieux converger vers la solution optimale. Ensuite, les mesures de la qualité d’images sont utilisées comme fonctions de coûts (intégrées dans le critère global) et ce afin d’étudier leur potentiel pour améliorer les performances de restauration. Dans le contexte où l’image d’intérêt est corrompue par d’autres images interférentes, sa restauration nécessite le recours aux techniques de séparation aveugle de sources. Pour cela, une étude comparative de certaines techniques de séparation basées sur la propriété de décorrélation au second ordre et la parcimonie est réalisée
This thesis concerns the blind restoration of images (formulated as an ill-posed and illconditioned inverse problem), considering a SIMO system. Thus, a blind system identification technique in which the order of the channel is unknown (overestimated) is introduced. Firstly, a simplified version at reduced cost SCR of the cross relation (CR) method is introduced. Secondly, a robust version R-SCR based on the search for a sparse solution minimizing the CR cost function is proposed. Image restoration is then achieved by a new approach (inspired from 1D signal decoding techniques and extended here to the case of 2D images) based on an efficient tree search (Stack algorithm). Several improvements to the ‘Stack’ method have been introduced in order to reduce its complexity and to improve the restoration quality when the images are noisy. This is done using a regularization technique and an all-at-once optimization approach based on the gradient descent which refines the estimated image and improves the algorithm’s convergence towards the optimal solution. Then, image quality measurements are used as cost functions (integrated in the global criterion), in order to study their potential for improving restoration performance. In the context where the image of interest is corrupted by other interfering images, its restoration requires the use of blind sources separation techniques. In this sense, a comparative study of some separation techniques based on the property of second-order decorrelation and sparsity is performed

Le traitement optique des données tomodensitométriques fournies par les systèmes d’exploration volumique pourrait permettre d’accélérer considérablement les algorithmes de génération d’images dans le but de répondre aux besoins des futurs systèmes de thérapie assistée. Dans ce document, deux architectures optiques, correspondant aux deux opérations de base dans ce domaine, sont présentées : un système de filtrage et un système de rétroprojection. Ils sont abordés sous l’aspect matériel, puis sous l’aspect algorithmique. Quelle que soit la fonction réalisée, un processeur optique est toujours constitué de sources de lumière, d’afficheurs et de capteur d’images. L’état de l’art de ces composants révèle une faiblesse au niveau des afficheurs (SLM). En particulier, les SLM à base de cristaux liquides ferroélectriques sont étudiés en détail (modélisation, simulation et caractérisation de produits existants). L’intérêt des systèmes optiques de traitement est examiné à la fois du point de vue du temps de calcul, en comparaison avec les technologies numériques classiques, et en terme de qualité de traitement. Pour cela, les deux systèmes sont étudiés, dans un premier temps en simulation à l’aide d’un modèle approprié, puis expérimentalement sur un prototype. Dans le cadre du processeur de filtrage, les résultats restent plutôt moyens. Le rapport signal à bruit (SNR) sur les images reconstruites est de l’ordre de 20 dB en simulation avec un modèle dans lequel la majorité des distorsions géométriques n’ont pas été prises en compte. Les résultats expérimentaux mettent encore mieux en avant les limites de la méthode. Le travail de la lumière cohérente semble être un obstacle important. En revanche, les résultats avec le processeur de rétroprojection sont plutôt encourageants. Le modèle, beaucoup plus complet, et les simulations montrent qu’il est possible d’obtenir des images de qualité comparable à celles obtenues par calcul numérique (plus de 50 dB de SNR), avec une accélération d’un à deux ordres de grandeur. Les résultats obtenus avec le prototype expérimental confirment le potentiel de cette architecture. Une extension de ce travail concernant la réalisation d’un processeur hybride dédié à des algorithmes plus complexes (ex : l’algorithme ASSR pour la reconstruction d’image des CT-scan) est également présentée à la fin de ce document
Optical processing can be used to speed up some algorithms of image reconstruction from tomodensitometric data provided by volume exploration systems. This may be of high interest in order to meet the needs of future assisted therapy systems. Two systems are described in this document, corresponding to the two main steps of the above mentioned algorithms: a filtering processor and a backprojection processor. They are first considered under a material point of view. Whatever function it may compute, an optical processor is made up of light sources, displays and cameras. Present state-of-the-art devices highlight a weakness in display performances. Special attention has been focused on ferroelectric liquid crystal spatial light modulators (modelling, simulations, and characterizations of commercial solutions). The potential of optical architectures is compared with electronic solutions, considering computation power and processed image quality. This study has been carried out for both systems first in simulation, with a reliable model of the architecture, and then with an experimental prototype. The optical filtering processor does not give accurate results: the signal to noise ratio on the reconstructed image is about 20 dB in simulation (the model used does not take into account the majority of geometrical distortions) and experimental measurements show strong limitation, especially when considering the problem of image formation with coherent lighting (speckle). On the other hand, results obtained with the optical backprojection processor are most encouraging. The model, more complete and accurate than the filtering processor, as well as the simulations, shows that processed image quality can be virtually equivalent to the one obtained by digital means (signal to noise ratio is over 50 dB) with two order of magnitude speed-up. Results obtained with the experimental prototype are in accordance with simulations and confirm the potential held by the architecture. As an extension, a hybrid processor involving the backprojection processor for the computation of more complex reconstruction algorithms, e. G. ASSR for helical CT-scan, is proposed in the last part of the document

Le problème de la stéréovision à partir de caméras multiples calibrées capturant une scène fixe est étudié depuis plusieurs décennies. Les résultats présentés dans le benchmark de stéréovision proposé par Strecha et al., attestent de la qualité des reconstructions obtenues. En particulier, les travaux du laboratoire IMAGINE, mènent à des résultats visuellement impressionnant. Aussi, il devient intéressant de calibrer des scènes de plus en plus vastes, afin d'appliquer ces algorithmes de stéréovision de façon optimale. Trois objectifs essentiels apparaissent : – La précision de la calibration doit être améliorée. En effet comme pointé par Yasutaka Furukawa, même les benchmarks de stéréovision fournissent parfois des caméras bruitées à la précision imparfaite. Un des moyen d'améliorer les résultats de stéréovision est d'augmenter la précision de la calibration. – Il est important de pouvoir prendre en compte les cycles dans le graphe des caméras de façon globale. En effet la plupart des méthodes actuelles sont séquentielles, et dérivent. Ainsi ces méthodes ne garantissent pas, pour une très grande boucle, de retrouver cette configuration cyclique, mais peuvent plutôt retrouver une configuration des caméras en spirale. Comme on calibre des réseaux d'images, de plus en plus grand, ce point est donc crucial. – Pour calibrer des réseaux d'images très grands, il convient d'avoir des algorithmes rapides. Les méthodes de calibration que nous proposons dans la première partie, permettent de calibrer des réseaux avec une précision très proche de l'état de l'art. D'autre part elle permettent de gérer les contraintes de cyclicité par le biais d'optimisations linéaires sous contraintes linéaires. Ainsi ces méthodes permettent de prendre en compte les cycles et bénéficient de la rapidité de la programmation linéaire. Enfin, la recherche en stéréovision étant arrivée à maturité, il convient de s'intéresser à l'étape suivante, à savoir la reconstruction spatio-temporelle. La méthode du laboratoire IMAGINE représentant l'état de l'art en stéréovision, il est intéressant de développer cette méthode et de l'étendre à la reconstruction spatio-temporelle, c'est-à-dire la reconstruction d'une scène dynamique capturée par un dôme de caméras. Nous verrons cette méthode dans la seconde partie de ce manuscrit
The issue of retrieving a 3D shape from a static scene captured with multiple view point calibrated cameras has been deeply studied these last decades. Results presented in the stereovision benchmark made by Strecha et al., show the high quality of state of the art methods. Particularly, works from IMAGINE laboratory lead to impressive results. So, it becomes convenient to calibrate wider and wider scenes, in order to apply these stereovision algorithms to large scale scenes. Three main objectives appear : – The calibration accuracy should be improved. As stated by Yasutaka Furukawa, even stereovision benchmarks use noisy cameras. So one obvious way to improve stereovision, is to improve camera calibration. – It is crucial to take cycles into account in cameras graph in a global way. Most of nowadays methods are sequential and so present a drift. So these methods do not offer the guarantee to retrieve the loopy configuration for a loop made of a high number of images, but retrieve a spiral configuration. As we aim to calibrate wider and wider cameras networks, this point becomes quite crucial. – To calibrate wide cameras networks, having quick and linear algorithms can be necessary. Calibration methods we propose in the first part, allow to calibrate with an accuracy close to state of the art. Moreover, we take cyclicity constraints into account in a global way, with linear optimisations under linear constraints. So these methods allow to take cycle into account and benefit from quickness of linear programming. Finally, sterovision being a well studied topic, it is convenient to concentrate on the next step, that is, spatio-temporal reconstruction. The IMAGINE' stereovision method being the state of the art, it is interesting to extend this method to spatio-temporal reconstruction, that is, dynamique scene reconstruction captured from a dome of cameras

Les plantes sont des éléments essentiels du monde qui nous entoure. Ainsi, si l’on veut créer des environnements virtuels qui soient à la fois agréables et réalistes, un effort doit être fait pour modéliser les plantes. Malgré les immenses progrès en vision par ordinateur pour reconstruire des objets de plus en plus compliqués, les plantes restent difficiles à reconstruire à cause de la complexité de leur topologie. Cette thèse se divise en deux grandes parties. La première partie s’intéresse à la modélisation de plantes, biologiquement réalistes, à partir d’une seule image. Nous générons un modèle de plante respectant les contraintes biologiques de son espèce et tel que sa projection soit la plus fidèle possible à l’image. La première étape consiste à extraire de l’image le squelette de la plante. Dans la plupart de nos images, aucune branche n’est visible et les images peuvent être de qualité moyenne. Notre première contribution consiste en une méthode de squelettisation basée sur les champs de vecteurs. Le squelette est extrait suite à un partitionnement non déterministe du feuillage de l’image assurant son réalisme. Dans un deuxième temps, la plante est modélisée en 3D. Notre deuxième contribution est la création de modèles pour différents types de plantes, basée sur les L-systèmes. Puis, un processus d’analyse-par-synthèse permet de choisir le modèle 3D final : plusieurs propositions de squelette sont générées et un processus bayésien permet d’extraire le modèle maximisant le critère a posteriori. Le terme d’attache aux données (vraisemblance) mesure la similarité entre l’image et la reprojection du modèle, la probabilité a priori mesure le réalisme du modèle. Après avoir généré des modèles de plantes, des modèles de fruits doivent être créés. Ayant travaillé principalement sur les pieds de vigne, nous avons développé une méthode pour reconstruire une grappe de raisin à partir d’au moins deux vues. Chaque baie est assimilée à un ellipsoïde de révolution. La méthode obtenue peut être plus généralement adaptée à tout type de fruits assimilables à une quadrique de révolution. La seconde partie de cette thèse s’intéresse à la reconstruction de quadriques de révolution à partir d’une ou plusieurs vues. La reconstruction de quadriques et, en général, la reconstruction de surfaces 3D est un problème très ancien en vision par ordinateur qui a donné lieu à de nombreux travaux. Nous rappelons les notions nécessaires de géométrie projective des quadriques, et de vision par ordinateur puis, nous présentons un état de l’art sur les méthodes existantes sur la reconstruction de surfaces quadratiques. Nous détaillons un premier algorithme permettant de retrouver les images des foyers principaux d’une quadrique de révolution à partir d’une vue « calibrée », c’est-à-dire pour laquelle les paramètres intrinsèques de la caméra sont connus. Puis, nous détaillons comment utiliser ce résultat pour reconstruire, à partir d’un schéma de triangulation linéaire, tout type de quadriques de révolution à partir d’au moins deux vues. Enfin, nous montrons comment il est possible de retrouver la pose 3D d’une quadrique de révolution dont on connaît les paramètres à partir d’un seul contour occultant. Nous évaluons les performances de nos méthodes et montrons quelques applications possibles
Plants are essential elements of our world. Thus, 3D plant models are necessary to create realistic virtual environments. Mature computer vision techniques allow the reconstruction of 3D objects from images. However, due to the complexity of the topology of plants, dedicated methods for generating 3D plant models must be devised. This thesis is divided into two parts. The first part focuses on the modeling of biologically realistic plants from a single image. We propose to generate a 3D model of a plant, using an analysis-by-synthesis method considering both a priori information of the plant species and a single image. First, a dedicated 2D skeletonisation algorithm generates possible branching structures from the foliage segmentation. Then, we built a 3D generative model based on a parametric model of branching systems taking into account botanical knowledge. The resulting skeleton follows the hierarchical organisation of natural branching structures. Varying parameter values of the generative model (main branching structure of the plant and foliage), we produce a series of candidate models. A Bayesian model optimizes a posterior criterion which is composed of a likelihood function which measures the similarity between the image and the reprojected 3D model and a prior probability measuring the realism of the model. After modeling plant models branching systems and foliage, we propose to model the fruits. As we mainly worked on vines, we propose a method for reconstructing a vine grape from at least two views. Each bay is considered to be an ellipsoid of revolution. The resulting method can be adapted to any type of fruits with a shape similar to a quadric of revolution. The second part of this thesis focuses on the reconstruction of quadrics of revolution from one or several views. Reconstruction of quadrics, and in general, 3D surface reconstruction is a very classical problem in computer vision. First, we recall the necessary background in projective geometry quadrics and computer vision and present existing methods for the reconstruction of quadrics or more generally quadratic surfaces. A first algorithm identifies the images of the principal foci of a quadric of revolution from a "calibrated" view (that is, the intrinsic parameters of the camera are given). Then we show how to use this result to reconstruct, from a linear triangulation scheme, any type of quadrics of revolution from at least two views. Finally, we show that we can derive the 3D pose of a given quadric of revolution from a single occluding contour. We evaluate the performance of our methods and show some possible applications

Ce chapitre est une introduction aux principes des méthodes inverses avec une attention particulière au cas de la reconstruction d'image en holographie numérique qui sert d'exemple d'application et de fil conducteur. Sont abordés les problèmes liés au modèle de formation des données (non-linéarité, troncature du champ, bruits de mesure,...) ainsi que les différents a priori permettant de résoudre ces problèmes.

Sur un problème d'analyse de rayonnement gamma à partir d'observations depuis des télescopes à imagerie Cherenkov, ce chapitre présente un modèle de réseau de neurones profond multitâche. Celui-ci permet la reconstruction des paramètres des rayonnements observés. Nous démontrons l’intérêt de l'approche multitâche. Nous montrons également que cette architecture obtient de meilleures performances qu’une méthode d’analyse standard largement utilisée pour cette problématique.