Encadrants : Olivier Aubreton ; Hermine Chatoux; Abdallah Makhoul (FEMTO-ST/DISC)
Début du contrat : 10 janvier 2022
Description du sujet
L’objectif de cette thèse est de contribuer à la réalisation d’une base de données d’images hyperspectrales à des fins industrielles. Pour cela, il faudra de réaliser une modélisation géométrique et photométrique d’une caméra hyperspectrale et de l’implémenter dans un logiciel de synthèse d’images comme blender, rhyno3D ou opencascade. Le travail commencera par une étude bibliographique et sera suivi par le développement de l’application.
Le travail bibliographique est divisé en deux thèmes, l’imagerie hyper-spectrale et la synthèse d’images :
– Pour définir l’image d’un objet, il est nécessaire de connaître plusieurs caractéristiques telles que sa réflectance, sa forme, son brdf, etc. L’étude bibliographique permettra d’extraire les caractéristiques essentielles pour la génération d’images hyperspectrales.
– La recherche bibliographique conduira également au choix de la méthode de synthèse d’image (ray tracing, z-buffer, etc.) et du moteur de rendu le mieux adapté au problème.
Par la suite, la première partie du travail consistera à implémenter, dans l’outil logiciel choisi, la modélisation de la caméra et de l’objet (courbes de sensibilité d’acquisition, propriétés spectrales de l’objet, etc.) Ceci nous permettra d’obtenir un ensemble d’images synthétiques qui seront comparées à des acquisitions réelles.
Dans une deuxième partie, différents bruits (provenant de l’objet, de la caméra, etc.) pourront être ajoutés pour simuler des images plus réalistes. Cette partie permettra également de modéliser le défaut sur l’objet simulé afin de créer au moins 2 classes d’objet : valide ou non.
Bibliographie
- Romain Hoarau et al. « Interactive Hyper Spectral Image Rendering on GPU », in VISIGRAPP, 2018.
- Neil Scanlan et al. « Performance analysis of improved methodology for incorporation of spatial/spectral variability in synthetic hyperspectral imagery », in Imaging Spectrometry IX, 2004.
Profil du candidat
- Bonnes compétences en programmation en python ou C/C++,
- Bonnes bases mathématiques,
- Connaissance de la modélisation géométrique des caméras,
- Connaissance en imagerie couleur/multispectrale,
- Dynamisme et autonomie pour intégrer une équipe de recherche multidisciplinaire.