Detection of low surface brightness galaxies and hyperspectral segmentation within the framework of the virtual observatory.
Détection des galaxies à faible brillance de surface et segmentation hyperspectrale dans le cadre de l'observatoire virtuel
Résumé
Technological progress in astronomical instrumentation raise various
issues. Thanks to the growing sensor sensitivity,
monospectral imagery make it possible to discover objects which were
previously impossible to detect. The development of multispectral sensors
yields extremely valuable data. Nevertheless interpretation and
processing of such images remain tricky for the astronomical
community. Within the framework of this thesis we propose a set of
methods that make the interpretation process easier for the
astronomer. We introduce a new fuzzy segmentation method based on Markov
fields allowing to take into account the specificities of astronomical
objects : fuzzy boundaries and diffuse objects. A
fuzzy pixel of the segmentation map thus belongs to one or two hard
classes depending on a certain membership level. We also
propose a new method for the detection of Low Surface Brightness (LSB)
galaxy based on a quadtree Markovian segmentation.
This segmentation allows to highlight the LSB within the observation
background through an accurate estimation of the noise
statistics contained in the acquisition. A set of selection steps is
then carried out to determine if the detected object is a LSB.
We then introduce two multispectral images visualization methods
allowing to synthetize the information contained by all the
observation bands in a colored composition in the HSV color
space (Hue Saturation Value). Finally we propose a new
segmentation method of hyperspectral data cubes based on a spectral
discrimination and on a spatial regularization of the
segmentation map obtained thanks to a quadtree segmentation. These
methods are validated on astronomical images and led to a fruitful cooperation
between computer vision community and astronomical community. Furthermore
two methods have been validated on remote sensing
observation for which some specific issues remain common.
issues. Thanks to the growing sensor sensitivity,
monospectral imagery make it possible to discover objects which were
previously impossible to detect. The development of multispectral sensors
yields extremely valuable data. Nevertheless interpretation and
processing of such images remain tricky for the astronomical
community. Within the framework of this thesis we propose a set of
methods that make the interpretation process easier for the
astronomer. We introduce a new fuzzy segmentation method based on Markov
fields allowing to take into account the specificities of astronomical
objects : fuzzy boundaries and diffuse objects. A
fuzzy pixel of the segmentation map thus belongs to one or two hard
classes depending on a certain membership level. We also
propose a new method for the detection of Low Surface Brightness (LSB)
galaxy based on a quadtree Markovian segmentation.
This segmentation allows to highlight the LSB within the observation
background through an accurate estimation of the noise
statistics contained in the acquisition. A set of selection steps is
then carried out to determine if the detected object is a LSB.
We then introduce two multispectral images visualization methods
allowing to synthetize the information contained by all the
observation bands in a colored composition in the HSV color
space (Hue Saturation Value). Finally we propose a new
segmentation method of hyperspectral data cubes based on a spectral
discrimination and on a spatial regularization of the
segmentation map obtained thanks to a quadtree segmentation. These
methods are validated on astronomical images and led to a fruitful cooperation
between computer vision community and astronomical community. Furthermore
two methods have been validated on remote sensing
observation for which some specific issues remain common.
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.
Loading...