et ´ecosyst´emiques [Simmonds et MacLennan, 2005]. C’est par exemple `a partir de
cam-pagnes de mesures acoustiques que sont r´ealis´ees les estimations de biomasse de diff´erentes esp`eces, servant de base `a la fixation des quotas de pˆeche par l’Union Europ´eenne. L’ac-quisition de donn´ees est r´ealis´ee au moyen de sondeurs acoustiques dispos´es sous la coque d’un navire oc´eanographique. L’´emission d’ondes acoustiques et la r´eception du signal d’´echo le long de la colonne d’eau, conjugu´ees `a l’avanc´ee du navire, permet alors de for-mer des images. Ma prise de poste co¨ıncidait avec l’arriv´ee d’une nouvelle g´en´eration de sondeurs multi-faisceaux, permettant d’acqu´erir simultan´ement des donn´ees acoustiques selon diff´erentes directions angulaires, formant ainsi des images tri-dimensionnelles, et d´ebouchant sur de nouveaux probl`emes m´ethodologiques.
Mes travaux ont surtout concern´e le probl`eme de la d´etection du fond marin dans
de telles images. Dans la perspective de l’´evaluation de biomasse sous-marine, le
pois-son se trouvant souvent `a proximit´e du fond, il est primordial de s´eparer, dans le signal r´etro-diffus´e, la contribution du fond de celle des cibles biologiques d’int´erˆet [MacLennan et al., 2004]. Si, `a la verticale, l’´echo acoustique renvoy´e par le fond est tr`es net (front de mont´ee rapide, rapport signal sur bruit ´elev´e), ce n’est plus le cas pour les ´echos re¸cus dans les faisceaux obliques de l’instrument, o`u l’´echo peut rouler sur le sol et produire une signature plus complexe dans les donn´ees. Une mani`ere de r´egulariser le probl`eme consiste alors `a introduire d’autres sources d’information, bas´ees notamment sur la conti-nuit´e spatiale du sol, aussi bien lat´eralement (les donn´ees acquises simultan´ement dans des faisceaux angulaires adjacents) que longitudinalement (dans la direction de l’avanc´ee du navire). J’ai ainsi d´evelopp´e une m´ethode, bas´ee sur un algorithme de filtrage
particu-laire [Arulampalam et al., 2001], prenant en compte cette r´egularisation, permettant une
estimation en ligne et peu coˆuteuse en calcul. Des r´esultats satisfaisants ont ´et´e obtenus sur des jeux de donn´ees de test, la mise en œuvre op´erationnelle de cette m´ethode n’a, `
a ma connaissance, pas ´et´e r´ealis´ee suite `a ma d´emission de l’Ifremer `a l’´et´e 2008. Ces travaux ont n´eanmoins fait l’objet d’une pr´esentation en conf´erence et de la publication d’un article dans un journal international.
Publications associ´ees
• Articles de journaux : [Bourguignon et al., 2009, Trenkel et al., 2009].
• Conf´erences internationales : [Bourguignon et Mazauric, 2008, Lefort et al., 2008].
2.2 Imagerie hyperspectrale en Astrophysique et Plan´etologie
L’imagerie hyperspectrale ou spectro-imagerie concerne l’acquisition simultan´ee
d’images dans un grand nombre de bandes spectrales, produisant des cubes de donn´ees
`
a deux dimensions spatiales et une dimension spectrale. J’ai commenc´e `a m’int´eresser au traitement de donn´ees hyperspectrales lors de mon arriv´ee en f´evrier 2009 `a
l’Observa-toire de la Cˆote d’Azur, dans le cadre du projet ANR DAHLIA1 (Donn´ees Astronomiques
HyperspectraLes : algorIthmes Avanc´es), impliquant cinq laboratoires : le Centre de
Re-cherche Astrophysique de Lyon (CRAL), le Laboratoire d’Astrophysique de Toulouse et
de Tarbes (LATT, d´esormais IRAP), le Laboratoire des Sciences de l’Image, de
l’Informa-tique et de la T´el´ed´etection (LSIIT, d´esormais ICUBE) `a Strasbourg et les laboratoires Fizeau et Cassiop´ee de l’Observatoire de la Cˆote d’Azur `a Nice, d´esormais fusionn´es dans le laboratoire Lagrange. Il concernait le d´eveloppement de m´ethodes d’exploitation
1. https://dahlia.oca.eu
Chapitre 2. Synth`ese des travaux 2.2 Imagerie hyperspectrale
de donn´ees hyperspectrales en astrophysique, en perspective de l’arriv´ee d’une nouvelle g´en´eration d’instruments d’observation couplant imagerie et spectroscopie. L’instrument MUSE2 (Multi Unit Spectroscopic Explorer), en construction `a l’´epoque (projet pilot´e
par le CRAL [Bacon et al., 2006]) et en partie op´erationnel depuis 2013, fait figure de
pionnier dans le domaine. Install´e sur le Tr`es Grand T´elescope (VLT) de l’Observatoire
Austral Europ´een, au Chili, MUSE permet d’acqu´erir des images d’environ 90 000 pixels,
sur pr`es de 4 000 longueurs d’onde couvrant le domaine visible et proche infra-rouge, l`a o`u les instruments de g´en´eration ant´erieure d´elivraient des images dans quelques canaux spectraux `a large bande ou, `a l’inverse, des mesures spectroscopiques focalis´ees en un point de l’espace.
Le contexte de l’observation astronomique diff`ere sensiblement du cas classique de
l’imagerie hyperspectrale de t´el´ed´etection terrestre (dont les probl´ematiques rel`event es-sentiellement de la classification et de la s´eparation de sources), requ´erant le d´eveloppement de m´ethodes sp´ecifiques. Tout d’abord, la nature des sc`enes observ´ees est fondamentale-ment diff´erente : les mesures correspondent ici `a la lumi`ere ´emise par des sources tr`es lointaines, ´etendues d’au plus quelques pixels, aux propri´et´es m´econnues, et dont les spectres d’´emission diff`erent d’une source `a l’autre. Il y a donc tr`es peu de coh´erence
dans les donn´ees au niveau spatial. Ensuite, comme toute observation astronomique
de-puis un instrument situ´e au sol, les mesures subissent l’´etalement spatial et spectral de la lumi`ere ´emise, dˆu aux turbulences atmosph´eriques et `a la bande passante limit´ee du dispositif d’acquisition [Villeneuve, 2012]. Enfin, en raison de leur ´eloignement, les sources astrophysiques ´emettent tr`es peu de lumi`ere en direction de l’observateur et sont pollu´ees par de nombreuses ´emissions parasites ; les donn´ees pr´esentent donc un tr`es fort niveau de bruit.
J’ai abord´e l’analyse de telles donn´ees hyperspectrales sous l’angle du d´ebruitage et de la d´econvolution. Afin de prendre en compte le niveau de bruit tr`es ´elev´e, nous avons propos´e des mod`eles imposant de fortes contraintes au niveau spectral, o`u les spectres
recherch´es admettent une d´ecomposition parcimonieuse dans un dictionnaire de formes
´
el´ementaires sp´ecifiquement construit pour ces donn´ees, que nous avons d´efini en
colla-boration avec des astronomes. Contrairement aux mod`eles parcimonieux standard
uti-lisant des transform´ees (en ondelettes par exemple [Mallat, 2008]), un tel dictionnaire
s’av`ere plus judicieux, exploitant un maximum de connaissance physique sur les sources
recherch´ees. La s´election d’une composante dans le dictionnaire est alors associ´ee `a la d´etection d’une composante ayant une interpr´etation physique (essentiellement, des raies d’´emission ou d’absorption lumineuse, signalant la pr´esence d’un ´el´ement chimique, ou encore une discontinuit´e dans le spectre correspondant `a la cassure de Lyman [Tennyson, 2005]). Une telle finesse de mod´elisation s’effectue cependant au d´etriment du coˆut de calcul associ´e. Nous avons alors d´evelopp´e des algorithmes d’estimation parcimonieuse d´edi´es, reposant sur l’optimisation de crit`eres p´enalis´es par la norme `1 et sur un algo-rithme glouton. Dans un premier temps, nous avons consid´er´e la restauration des spectres pris s´epar´ement, pour des raisons ´evidentes de complexit´e calculatoire. Nous avons ensuite abord´e la restauration conjointe spatiale et spectrale de cubes d’´etendue spatiale limit´ee, afin de prendre en compte la r´eponse spatiale du syst`eme d’acquisition. L’ensemble de ces travaux sera d´etaill´e au Chapitre 4.
Mes travaux sur l’imagerie hyperspectrale ont connu une pause, co¨ıncidant avec la fin de mon post-doctorat `a l’Observatoire de la Cˆote d’Azur et ma prise de poste `a l’´Ecole Centrale de Nantes en septembre 2011. Ayant d´emarr´e d’autres th´ematiques de recherche
2.2 Imagerie hyperspectrale Chapitre 2. Synth`ese des travaux
et ne disposant plus de financement d´edi´e, j’ai arrˆet´e de travailler sur ce sujet en
sep-tembre 2012, avec l’encadrement d’un stage de Master encadr´e `a l’´Ecole Centrale de
Nantes. Plus r´ecemment, je travaille cependant `a nouveau sur le traitement de donn´ees hyperspectrales et en particulier sur des questions de d´em´elange spectral parcimonieux,
via le projet ANR MIMOSA. Le contexte est diff´erent, puisqu’il vise des applications
en plan´etologie, notamment par une collaboration que je m`ene avec Fr´ed´eric Schmidt
du laboratoire G´eosciences Paris Sud (GEOPS). Il y est ´egalement question de
parcimo-nie et de dictionnaires, repr´esentant cette fois des spectres de min´eraux potentiellement pr´esents dans la sc`ene observ´ee. Les probl`emes ´etant de plus petite taille (la dimension
des spectres n’exc`ede pas quelques centaines de longueurs d’onde et le nombre de
compo-sants recherch´es est de quelques unit´es), nous les abordons sous l’angle de l’optimisation parcimonieuse exacte en norme `0; ils seront donc abord´es au Chapitre 6 d´edi´e `a cette th´ematique (voir plus particuli`erement le§ 6.3).
Enfin, depuis quelques mois, je m’int´eresse de nouveau `a des probl`emes de spectro-imagerie astronomique, via une collaboration naissante avec l’Institut de Radio-Astronomie
Millim´etrique (IRAM, Grenoble) et le Laboratoire d’´Etudes du Rayonnement et de la
Mati`ere en Astrophysique et Atmosph`eres (LERMA, Observatoire de Paris). Il s’agit
cette fois d’ondes radio (longueurs d’onde millim´etriques et centim´etriques), permettant d’inspecter les nuages de gaz entourant les zones de formation d’´etoiles. Le projet Orion-B3, port´e par ces deux laboratoires et dont je suis d´esormais partenaire, envisage ainsi d’acqu´erir des donn´ees contenant environ un million de pixels, avec plus de 200 000
ca-naux spectraux par pixel. Si les donn´ees sont d’une toute autre dimension par rapport
`
a celles d’un instrument comme MUSE, des points communs existent : ici aussi, l’infor-mation `a exploiter est avant tout dans la dimension spectrale, o`u l’on recherche des raies de positions et largeurs variables. L’exploitation de grandes quantit´es de donn´ees pose ´
egalement des questions statistiques de d´etection en grande dimension, qui se posaient
d´ej`a `a l’´epoque du projet ANR DAHLIA.
Supervision de stages de Master
• Jiayi Hou (2019) : Sparse unmixing methods for hyperspectral imaging.
Master Control and Robotics, parcours Signal and Image Processing, ´Ecole Centrale
de Nantes.
• Julien Picaud (2012) : Restauration de cubes hyperspectraux en Astrophy-sique. Master Automatique, Robotique et Informatique appliqu´ee, parcours Automa-tique, Signal et Image, ´Ecole Centrale de Nantes.
• Benjamin Tr´emoulh´eac (2010) : Repr´esentations parcimonieuses de donn´ees hyperspectrales en astrophysique : aspects informationnels et algorith-miques. M2 Recherche Signal, Image, Acoustique et Optimisation, Universit´e de
Toulouse. Co-encadrement avec David Mary (Maˆıtre de Conf´erences, Universit´e de
Nice).
Encadrement doctoral
• Ramzi Ben Mhenni, Programmation mixte en nombres entiers pour
l’opti-misation parcimonieuse en traitement du signal. ´Ecole Centrale de Nantes.
3. http://iram.fr/˜pety/ORION-B/