Responsables d’axe
L’imagerie computationnelle se distingue de l’imagerie conventionnelle par la conception conjointe (ou co-conception) de l’optique, du capteur et du traitement du signal permettant d’extraire l’information recherchée. Les traitements des données enregistrées nécessitent une connaissance précise du modèle physique de formation d’image/données pour reconstruire l’information d’intérêt.
Ce type d’imagerie permet
— d’accéder à des grandeurs physiques non directement accessibles comme l’opacité, l’indice optique, les propriétés de polarisation d’une onde, la composition chimique d’un objet ;
— de concevoir des instruments qui, par rapport à une approche conventionnelle, offrent des performances similaires mais avec des contraintes plus sévères en termes de taille, de poids, de puissance ou de coût ;
— de concevoir des instruments qui offrent de meilleures performances par rapport à l’imagerie conventionnelle, par exemple en terme de résolution et de profondeur de champ, permettant parfois de dépasser les limites physiques classiques de l’optique.
Contexte
L’amélioration des capteurs, la miniaturisation, l’augmentation des capacités de calcul, le développement de nouveaux composants optiques accroît encore le potentiel de l’imagerie computationnelle en permettant en particulier d’accéder à des informations quantitatives, tout en augmentant la compacité ou en réduisant le coût des systèmes d’imagerie.
L’imagerie computationnelle nécessite une forte interaction entre les méthodes de traitement du signal et des images, et plus spécifiquement la résolution de problèmes inverses, et le développement de nouvelles technologies de capteurs.
Exemples de problématiques
Co conception : Dans de nombreux domaines, tels que la photographie numérique, la microscopie, la télédétection, l’astronomie ou l’imagerie radar, de nouveaux dispositifs d’acquisition sont développés pour dépasser les performances des systèmes traditionnels, en termes de qualité image, d’encombrement, de poids, de consommation d’énergie ou pour ajouter de nouvelles fonctionnalités aux caméras et instruments d’acquisition d’images et de vidéos. La conception de ces nouveaux instruments repose souvent sur une approche pluridisciplinaire pour modéliser et optimiser simultanément les paramètres de l’instrument et les traitements numériques en tenant compte des contraintes de l’application visée. La conception conjointe conduit à développer de nouveaux instruments dits « non conventionnels » ou « hybrides », pour lesquels l’instrument et les traitements numériques sont indissociables.
Reconstruction par approche problèmes inverses : Les problèmes inverses consistent à reconstruire une quantité physique inconnue à partir de mesures. Ils sont naturellement utilisés en imagerie computationnelle pour reconstruire les objets imagés à partir des données acquises. Ils nécessitent la connaissance complète ou partielle des modèles de formation d’image et des a priori sur les objets imagés. Les problématiques problèmes inverses sont très utilisés, par exemple, en imagerie pour l’astronomie, en imagerie tomographique, en imagerie interférométrique.
Physics informed machine learning : Depuis une dizaine d’années, les progrès en apprentissage automatique ont impacté de nombreuses disciplines. L’émergence récente de l’apprentissage automatique basé sur la physique suscite des programmes de recherche spécifiques au domaine de l’imagerie computationnelle, pour lequel la prise en compte des modèles physiques de formation d’image est fondamentale.
Fusion d’information : L’utilisation conjointe de l’information produite par plusieurs imageurs amène de nombreuses problématiques tant en instrumentation qu’en traitement numérique pour produire des images qu’aucun des capteurs pris seuls ne pourrait fournir : imagerie multimodale, imagerie multi-temps, imagerie multi-échelles (spatiales ou spectrales), ….
