| Summary: | L'imagerie polarimétrique consiste à acquérir des images contenant des informations relatives à la polarisation de la lumière diffusée par une scène. L'objectif de cette thèse est d'utiliser les propriétés de ce type d'imagerie afin de d'améliorer le contraste entre plusieurs objets d'intérêt.Dans le cadre de l'optimisation du contraste entre deux objets d'intérêt, nous démontrons que, si l'on travaille à temps d'acquisition fixe, c'est l'acquisition d'une unique image avec des états d'illumination et d'analyse optimisés qui permet d'atteindre les meilleures performances. C'est pourquoi nous avons développé un imageur pouvant générer et analyser n'importe quel état de polarisation sur la sphère de Poincaré, en utilisant des cellules à cristaux liquides. Ces états peuvent être contrôlés afin de faire varier le contraste dans les images et nous montrons que les ``états optimaux" permettant de maximiser le contraste dépendent des conditions de mesure. En particulier, la valeur des états de polarisation maximisant le contraste entre deux objets d'intérêt dépend des bruits de mesure (bruit de détecteur, bruit de Poisson, Speckle) ainsi que des fluctuations spatiales des propriétés polarimétriques dans la scène. Une mauvaise estimation de la source de bruit peut donc amener à une perte significative de contraste.Nous nous intéressons ensuite à un scénario d'imagerie plus complexe où la scène peut être illuminée de manière non-uniforme. Nous proposons une méthode d'acquisition utilisant l'ensemble des degrés de liberté fournis par notre imageur et montrons que cette méthode permet d'augmenter significativement le contraste par rapport aux résultats obtenus avec d'autres types d'imagerie comme l'imagerie OSC (Orthogonal State Contrast).Nous étendons ensuite nos études à un cas ``multicibles" où plus de deux objets doivent être distingués. Nous montrons notamment que l'accroissement du nombre d'images peut dégrader le contraste et qu'il existe un nombre optimal d'images à acquérir si l'on travaille à temps d'acquisition fixe.Enfin, nous proposons une méthode visant à automatiser notre imageur pour l'optimisation du contraste en combinant de manière itérative l'acquisition d'images polarimétriques optimisées et un algorithme de segmentation par contours actifs statistiques. Des premiers résultats expérimentaux mettent en évidence l'avantage de cette intégration d'algorithmes de traitement numérique au c\oe ur du processus d'acquisition de l'image. === The polarimetric imaging consists in acquiring images containing information relating to the polarization of the scattered light from a scene. The objective of this thesis is to use the properties of this type of imaging to enhance the contrast between several objects of interest.Considering the optimization of the contrast between two objects of interest, we demonstrate that, if the time for the measurement is fixed, it is the acquisition of a single image with optimized states in illumination and analysis that achieves the best performance. That is why we have developed an imager that can generate and analyze any polarization state on the Poincaré sphere, using liquid crystal cells. These states can be controlled to modify the contrast in the images and we show that the ``optimal states" maximizing the contrast depend on the measurement conditions. Specifically, the value of the polarization states maximizing the contrast between two objects interest depends on the measurement noise (noise detector, Poisson noise, Speckle) and also of spatial fluctuations of polarimetric properties in the scene. Improper estimate of the noise source may therefore lead to a significant loss of contrast.We then consider a more complex imaging scenario where the scene can be illuminated non-uniformly. We propose a method of acquisition using all the degrees of freedom provided by our imaging and show that this method can significantly increase the contrast compared to results obtained with other types of polarimetric imaging such as OSC imaging (Orthogonal State Contrast).We then extend our studies to a ``multi-target case" where more than two objects must be distinguished. In particular, we show that increasing the number of images can degrade the contrast and that there is an optimum number of images to be acquired if one works with a fixed acquisition time.Finally, we propose a method to automate our imaging to optimize contrast by combining iteratively the acquisition of polarimetric images and optimized segmentation algorithm using statistical active contours. The first experimental results demonstrate the advantage of this integration of digital processing algorithms in the core of the image acquisition process.
|
|---|
