Modélisation, identification et commande des systèmes d'optique
adaptative
L'axe « Optique adaptative » de SPIM est actif en OA pour l'astronomie, et en OA pour l'imagerie rétinienne.
La
performance des instruments optiques à haute résolution
angulaire installés au sol ou aéroportés est
limitée par la turbulence atmosphérique. L'optique
adaptative (OA) permet une correction en temps réel des effets
de la turbulence grâce à un miroir déformable
commandé à partir de mesures de la déformation
du front d’onde, dans le but d’obtenir des images
à haute résolution.
Le
formalisme développé dans l'équipe (formalisme
d'état) permet de modéliser l'ensemble du système
et de proposer des solutions qui tiennent comptent de l'ensemble des
composants et processus qui le composent.
Le projet ANR blanc CHAPERSOA(2009-2014)
était orienté sur la commande à haute
performance des systèmes d'OA grand champ. L'équipe
a également été impliquée dans le projet
européen CANARY,
qui avait pour but de valider sur le ciel (télescope William
Herschell) le concept d'instrument d'OA multi-objet, et dans le projet
FP7-JRA OPTICON pour des études théoriques sur la
commande optimale des systèmes d'OA grand champ.
Collaborations en cours ou récentes : Département d'Optique Théorique et
Appliquée (DOTA) de l'ONERA-Châtillon,
Observatoire de GEMINI Sud, Laboratoire d'Astrophysique de Marseille,
Laboratoire Ampère, Thirty Meter Telescope, Observatoire de
Paris-Meudon LESIA, Université de Durham
- OA pour l'imagerie rétinienne
Les
nouveaux
ophtalmoscopes pour l'imagerie rétinienne
s’appuient
sur un dispositif d’OA pour compenser les déformations des
images
rétiniennes
dues aux mouvements de l’oeil, au film lacrymal et aux
turbulences diverses sur le trajet optique. Nous sommes
impliqués sur les aspects modélisation (de la
perturbation, et donc du mouvement pupillaire) et commande
(améliorer la performance de la boucle d'OA) depuis le
projet ANR RNTS
INOVEO (2006-2008), qui a vu le développement d'un nouveau
dispositif
d’OA. Le
projet ANR TECSAN iPhot (2009-2011) était orienté sur les
tests
cliniques et l'amélioration de la boucle d'OA. Nous nous sommes
en particulier penchés sur l'évaluation de performance en
boucle fermée lorsque l'on prend en compte les effets du
mouvement pupillaire. Pour le projet ANR TECSAN Reveal (2013-2015)
centré sur les vaisseaux rétiniens, nous avons
développé des méthodes de traitement rapide des
séquences d'images (reponsabilité de la tâche
"Traitement d'image"), en particulier pour l'estimation de mouvements
locaux.
Collaborations en cours ou récentes : Département
Traitement de l'Information et Modélisation (DTIM) de
l'ONERA-Palaiseau, Imagine Eyes (Orsay), Hôpital des
Quinze-Vingts CIC
Super-résolution
à partir d'une séquence vidéo
Avec
Frédéric Champagnat et Guy Le
Besnerais du Département de Traitement de l'Information et Modélisation
(DTIM, ONERA-Châtillon)
La
super-résolution (SR) est un thème qui a pris de
l’importance avec le développement de caméras
numériques accessibles au plus grand nombre, ce qui a conduit
à de nombreux développements en traitement d’images
numériques ou vidéo, comme le mosaïcage avec
super-résolution ou l’imagerie astronomique, deux
exemples de logiciels disponibles en freeware sur le net. La
SR a pour but l'amélioration de la résolution d'une
séquence d'images vidéo. La qualité des images
numériques est limitée par trois éléments
principaux : la
réponse optique de l’instrument qui définit la résolution limite, l’échantillonnage
spatial de l’image par le capteur (matrice CCD par exemple) qui induit
en
général un repliement spectral, le
bruit (électronique, photonique, de quantification) sur les valeurs
enregistrées. La
SR vise à traiter ces 3 défauts ;
en pratique il s’agit surtout de revenir sur le repliement
spectral en contrôlant les effets du bruit. Les images
présentant un déplacement les unes par rapport aux
autres, il est possible de retrouver une résolution meilleure
que celle du capteur en utilisant des algorithmes de reconstruction,
qui font souvent intervenir un modèle de l’objet.
- Modélisation de performance en SR
Comment
évaluer l'apport de la SR en termes de performances et peut-on
définir des critères objectifs ? Répondre à
cette question de façon précise nécessite de
disposer d'une modélisation complète de la performance.
Cette modélisation s'appuie
sur un modèle
stochastique de la scène et un modèle du
capteur. Modéliser la performance permet par exemple de
répondre à la question suivante :
« de combien d'images a-t-on besoin pour doubler, tripler,
..., la résolution ? » Les aspects temps
rapide/réel ont été abordés dans le cadre
de la thèse d'Antoine Létienne (2010).