Image reconstruction for a configurable hyperspectral imager

Autor: Ardi, Ibrahim
Přispěvatelé: Institut de recherche en astrophysique et planétologie (IRAP), Institut national des sciences de l'Univers (INSU - CNRS)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Observatoire Midi-Pyrénées (OMP), Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS), Université Paul Sabatier - Toulouse III, Hervé Carfantan, Antoine Monmayrant
Jazyk: francouzština
Rok vydání: 2020
Předmět:
Zdroj: Instrumentation et méthodes pour l'astrophysique [astro-ph.IM]. Université Paul Sabatier-Toulouse III, 2020. Français. ⟨NNT : 2020TOU30302⟩
Popis: A hyperspectral (HS) image of a scene corresponds to a cube of data with two spatial and one spectral dimension : it can be seen as a large number of images of the scene in different spectral bands or as a set of spectra at each spatial position. A central problem with hyperspectral imaging is related to the three-dimensional nature of the data that must be acquired with 2D sensors. Some complex optical devices are able to image the entire cube in a single acquisition (socalled " snapshot " imagers), but the most conventional approach is to scan, spatially, spectrally or alternatively, the entire cube. More recently, devices performing acquisitions of incomplete projections of the HS cube have been proposed, combined with reconstruction methods to obtain the HS cube from a small amount of data (much less data than a scan of the whole cube). However, the associated algorithms generally require long computation times. In this context, this thesis proposes HS images reconstruction methods for a re-configurable hyperspectral imager. This instrument is composed of two symmetrical 4f lines (assembly of two lenses and a diffraction grating) separated by a matrix of micro-mirrors (Digital Micromirror Device, DMD) placed in the symmetry plane. The DMD plays a role of programmable spatio-spectral filter and its configurations allow acquisitions of different projections of the cube. Note that the panchromatic image of the scene is easily acquired, with the same sampling as the HS data, by setting all the mirrors in reflection mode. The aim is to reconstruct the HS cube with a low number of acquisitions for random configurations of the DMD and with a limited computation cost. We propose two reconstruction methods that take into account the characteristics of the imager and exploit the panchromatic image. In particular, we have assumed that the HS image consists of spatially homogeneous areas with similar spectra and that these homogeneous areas and the contours between these areas can be detected in the panchromatic image. The first method defines the solution as the minimizer of a quadratic data fidelity term penalized by a Tikhonov regularization term, i.e. a quadratic penalization of gradients in the three directions. This spatial gradient penalization favors the presence of homogeneous areas over the entire HS cube and tends to smooth the image contours. To address this, we proposed to detect the spatial contours of the HS image from the panchromatic image and to relx the penalization of the spatial gradients on these contours. This leads to a quadratic regularization edge-preserving reconstruction method. To compute the solution of the corresponding normal equation, we paid particular attention to the implementation of a conjugated gradient algorithm in two ways. On the one hand, we have exploited the properties of the instrumental device to efficiently implement the computation of the direct and adjoint models at low computational cost. On the other hand, we took advantage of the configurable aspect of the device to reduce the condition number of the normal matrix and accelerate the convergence of the algorithm. To do so, we proposed to exploit so-called orthogonal configurations of the DMD. The second method [...]; Une image hyperspectrale (HS) d'une scène correspond à un cube de données avec deux dimensions spatiales et une dimension spectrale : elle peut être vue comme un grand nombre d'images de la scène dans différentes bandes spectrales ou comme un ensemble de spectres à chaque position spatiale. Un problème central de l'imagerie hyperspectrale est lié à la nature tridimensionnelle des données qui doivent être acquises avec des capteurs 2D. Bien que certains dispositifs optiques complexes ont cherché à imager l'ensemble du cube en une seule acquisition (imageurs dits "snapshot"), l'approche la plus classique consiste à effectuer un balayage, spatial, spectral ou autre de l'ensemble du cube. Plus récemment, des dispositifs effectuant des acquisitions de projections incomplètes du cube HS ont été proposés, associés à des méthodes de reconstruction pour obtenir le cube HS à partir d'un faible nombre de données (beaucoup moins de données que donnerait un balayage du cube). Les algorithmes associés à ces méthodes nécessitent des temps de calcul généralement longs. Cette thèse se place dans ce cadre et vise à proposer des méthodes de reconstruction d'images HS pour un dispositif pilotable. Cet instrument est composé de deux lignes 4f (assemblage de deux lentilles et d'un réseau de diffraction) symétriques et séparées par une matrice de micro-miroirs (DMD pour Digital Micromirror Device) placée dans le plan de symétrie. L'ensemble agit comme un filtre spatio-spectral programmable. La configuration du DMD permet de faire l'acquisition de différentes projections du cube. Notons que l'image panchromatique de la scène est acquise simplement et avec le même échantillonnage que les données HS en positionnant tous les miroirs en réflexion. L'objectif est de reconstruire le cube HS avec un faible nombre d'acquisitions pour des configurations aléatoires du DMD et avec un coût de calcul limité. Nous proposons deux méthodes de reconstruction qui prennent en compte les caractéristiques de l'imageur et exploitent la connaissance de l'image panchromatique. En particulier, nous nous sommes appuyés sur l'hypothèse que l'image HS est constituée de zones spatiales homogènes ayant des spectres similaires et que ces zones homogènes et les contours entre ces zones peuvent être détectés sur l'image panchromatique. La première méthode définit la solution comme minimisant un terme quadratique de fidélité aux données pénalisé par un terme de régularisation de type Tikhonov, soit une pénalisation quadratique des gradients dans les trois directions spatiales et spectrale. Cette pénalisation des gradients spatiaux favorisant la présence de zones homogènes sur l'ensemble du cube HS, elle a tendance à lisser les contours de l'image. Pour remédier à cela, nous avons proposé de détecter les contours spatiaux de l'image HS à partir de l'image panchromatique et de ne pas pénaliser les gradients spatiaux de part et d'autre de ces contours. On aboutit ainsi à une méthode de reconstruction par régularisation quadratique permettant de préserver les contours de l'image HS. Pour calculer la solution de l'équation normale correspondant à ce problème, nous avons porté une attention particulière à l'implémentation d'un algorithme de type gradients conjugués et ceci de deux manières. D'une part, nous avons exploité les propriétés du dispositif instrumental pour implémenter de façon efficace le calcul du modèle direct et adjoint à faible coût de calcul. D'autre part, nous avons profité de l'aspect configurable du dispositif pour réduire le conditionnement de la matrice normale et accélérer la convergence de l'algorithme. Pour ce faire, nous avons proposé d'exploiter des configurations dites orthogonales du DMD. Pour la deuxième méthode, [...]
Databáze: OpenAIRE
Externí odkaz: