CRAN - Campus Sciences
BP 70239 - 54506 VANDOEUVRE Cedex
Tél : +33 (0)3 72 74 52 90 Fax : +33 (0)3 72 74 53 08
cran-secretariat@univ-lorraine.fr
 
 
Sujet de Thèse : Amélioration de la résolution d’un spectro-imageur IR industriel par déconvolution/séparation conjointe. Application à la caractérisation de déchets Bois
Dates : 2015/09/01 - 2018/08/31
Etudiant : Yingying SONG
Directeur(s) CRAN : David BRIE , El-Hadi DJERMOUNE
Description : Ce travail rentre dans le cadre du projet Trispirabois qui a débuté en octobre 2013 et qui a pour objet le développement de méthodes
de tri de déchets bois par spectro-imagerie Infra-Rouge. Il fait également suite à la thèse de Simon Henrot. Les résultats obtenus au
cours de la première année du projet Trispirabois (thèse de Leila Belmerhnia) sont tout à fait encourageants : il est en effet possible de
distinguer, par leur signature spectrale, un certain nombre de types de déchets bois (bois peints, bois vernis, panneaux revêtus). Il
apparaît cependant que cette seule signature spectrale ne suffit pas à discriminer tous les types de déchets. Par exemple, actuellement,
il est impossible de distinguer les bois bruts des panneaux MDF et panneaux de particules non-revêtus. L’idée est donc de coupler
signature spectrale et texture pour discriminer ces types de déchets. Cependant, les spectro-imageurs industriels rapides, tels que celui
développé par la société Pellenc-ST partenaire du projet, possèdent une résolution spatiale de l’ordre du cm2, ce qui exclut la possibilité
d’accéder à l’information de texture sans recourir à un traitement numérique de type déconvolution. En outre, le projet visant à trier les
déchets bois en fonction de leur composition chimique, il est nécessaire de recourir à des techniques de séparation d’images
hyperspectrales. Le travail de thèse a pour objet le développement de méthodes de déconvolution/séparation conjointes rapides et
adaptées à la technique d’acquisition des images hyperspectrales. En outre, il s’agira également d’étudier différents dispositifs
instrumentaux permettant d’améliorer simultanément la résolution spatiale et spectrale de l’imageur.

Simon Henrot, Charles Soussen, David Brie. Sequential deconvolution-Unmixing of blurred hyperspectral data. IEEE International
Conference on Image Processing, ICIP 2014, Oct 2014, Paris, France.

Simon Henrot, Charles Soussen, Manuel Dossot, David Brie. Does deblurring improve geometrical hyperspectral unmixing?. IEEE
Transactions on Image Processing, 2014, 23 (3), pp.1169-1180.

Simon Henrot, Saïd Moussaoui, Charles Soussen, David Brie. Edge-preserving nonnegative hyperspectral image restoration. 38th
International Conference on Acoustics, Speech, and Signal Processing, ICASSP 2013, May 2013, Vancouver, Canada.

Simon Henrot, Charles Soussen, David Brie. Fast positive deconvolution of hyperspectral images. IEEE Transactions on Image Processing,
2013, 22 (2), pp.828-833.
Mots clés : Imagerie hyperspectrale, déconvolution, séparation, problèmes inverses, signaux multidimensionnels
Département(s) :
Santé - Biologie - Signal