Traitement de l`information : signal, images

« Traitement de l’information : signal,
images, communications optiques »
TRONC COMMUN :
Séquence 1 (sept.-oct.) :
 Fundamentals of estimation and detection in signals and images (A)
 Problèmes Inverses :
méthodes avancées pour le traitement de données expérimentales
 Télécommunications Optiques
Séquence 3 (jan.-fév.) :
 Modalités d’Imagerie
 Projet de traitement d’images
ELECTIFS RECOMMANDES :
Séquence 2 (nov.-déc.) :
 Reconnaissance des Formes (CL, FIE)
 Radar (CL)
Séquence 3 (jan.-fév.) :
 Fonction et Intégration Photonique
 Programmation pour les activités de l’ingénieur
Année 2014-2015

Descriptifs des cours :
TRONCCOMMUN.........................................................................................................................3
Fundamentalsofestimationanddetection[Estim&Detect(A)]..........................................................................4
ProblèmesInverses:méthodesavancéespour[PbInverses]............................................................................5
TélécommunicationsOptiques[Télécom]...........................................................................................................6
Modalitésd’Imagerie[Modal.Image].......................................................................................................7
Projetdetraitementsd’images[Trait.Images]......................................................................................................8
COURSELECTIFSDESEQUENCE2..................................................................................................9
Radar[Radar]..............................................................................................................10
ReconnaissancedesFormes[Recon.Formes]...............................................................................................11
Physiquedesdétecteurs[Phys.Detect.]..................................................................................................12
ImagerieHauteRésolutionetOptiqueActive[Opt.Apdapt.]........................................................................13
COURSELECTIFSDESEQUENCE3................................................................................................14
ConceptionoptiqueavecZemax(stageàStEtienne)...........................................................................................................15
Géométriepourl’ingénieur(StEtienne).................................................................................................................................16
Programmationpourlesactivitésdel’ingénieur[Program]...................................................................................17
FonctionetIntégrationPhotonique[FoncIntPhot]................................................................................................18
Micro‐systèmesoptiques[Micro‐Systèmes]..............................................................................................20
Visualisation[Visualisation].....................................................................................................21
Optiquedel'Extrême[Extrem]...............................................................................................................22
TechnologiedesLasers[TechnoLaser]..................................................................................................23
FibresOptiquesAvancées[Fibresavancées]...............................................................................................24
Biophotonics(A)[BioPhot(A)]........................................................................................................25
Near‐fieldmicroscopies(A)[NearField(A)]..................................................................................................26

TRONC COMMUN

Fundamentals of estimation and detection [ Estim&Detect (A) ]
in signals and images (A)
Volume horaire : 30 h Nombre d’élèves maximum : 30
Coordinateur : François GOUDAIL Cours 1,5 h :
Intervenants : François Goudail – Fabienne Bernard – Matthieu Boffety
TD 2,0 h :
Examens : Comptes rendus de TP + examen écrit TP 4,5 h :
Mots clés : TP 8,
Objectifs
Digital processing of signal and images is essential in many applications of optics. Optical communications, remote sensing, industrial
control often require performing such tasks as signal detection, parameter estimation, target identification. As another example,
nowadays, the design of the optics of an imaging system is performed together with the development of signal processing algorithms
aimed at exploiting the data. Basic knowledge of signal processing is thus very useful to develop optical systems and quantify their
performance.
This course is an introduction to signal and image processing for optics scientists. Half of it consists of « interactive » lectures where
basic principles are explained and illustrated with exercises. The second half consists of laboratories where students will develop and
test signal and image processing algorithms using Matlab.
At the end of this course, the students are able to analyse a problem of estimation or detection, to propose the adequate algorithms and
to estimate the reachable performance.
Plan du cours
1. Basics of probability theory and random functions
 Random variables used in physics
 Central limit theorem
 Random functions : stationarity, ergodicity, filtering
2. Introduction to estimation theory:
 Bias and variance of an estimator
 Maximum likelihood, nuisance parameters
 Cramer-Rao lower bound.
 Estimation in the presence of additive noise : the matched filter
 Application to distance and position estimation (radar, lidar, …).
 Application to multiresolution algorithms in microscopy
3. Introduction to detection theory :
 Statistical modelling of the detection problem
 Neyman-Pearson theory : likelihood ratio
 Nuisance parameters : generalized likelihood ratio
 Application to radar and communications.
Documents
F. Goudail , Introduction to estimation and detection theory
Bibliography
1) Ph. REFREGIER. Théorie du signal, Masson 1993.
2) Ph. REFREGIER. Noise theory and application to physics, Springer, 2004
3) S. M. KAY, Fundamentals of Statistical Signal Processing, Volume I: Estimation Theory, Prentice Hall, 1993
4) S. M. KAY, Fundamentals of Statistical Signal Processing, Volume II: Detection Theory, Prentice Hall, 1998
5) C. GONZALEZ and P. WINTZ. Digital image processing. Addison Wesley. 1987.
Pré-requis
Cours de math et signal 1A (Signaux certains, signaux aléatoires, variables aléatoires)
Cours de calcul scientifique 1A (Matlab)
Cours d’optique de Fourier

Problèmes Inverses : méthodes avancées pour [ Pb Inverses ]
le traitement de données expérimentales
Volume horaire : 30 h
Coordinateurs : J.-M. Conan et L. Mugnier
Intervenants : J.-M. Conan et L. Mugnier
Examens : Comptes-rendus de TP + examen
Mots clés : Problèmes inverses, estimation, moindres carrés, régularisation, estimation bayésienne, optimisation, restauration
d'images, analyse de front d'onde.
Objectifs
Dans tous les domaines de la Physique appliquée et de l'ingénierie, les mesures sont inévitablement bruitées et liées de manière
souvent complexe aux paramètres d'intérêt (objet observé, aberrations optiques, etc). L'estimation de ces paramètres à partir des
données est un « problème inverse ».
Les méthodes classiques de résolution sont souvent inefficaces voire très sensibles aux bruits de mesure. Le but de ce cours est de
présenter un cadre unifié et des méthodes modernes pour aborder cette problématique. Ces méthodes seront illustrées sur des cas
d'applications en optique, et particulièrement en imagerie à haute résolution angulaire pour l'astronomie.
Cet enseignement se compose pour moitié de cours magistraux interactifs et pour moitié de TDs d'application sous IDL (Interactive
Data Language).
Plan du cours
1. Introduction aux problèmes inverses
◦ notion de problème direct, problème inverse, problème mal-posé
◦ méthodes d'estimation classiques : moindres carrés (MC), Maximum de Vraisemblance (MV), filtre
inverse.
◦ méthodes régularisées : approche historique (Tikhonov), approche bayésienne, Maximum A Posteriori
(MAP), estimateur à erreur quadratique minimale (Minimum Mean-Square Error ou MMSE)
◦ lien entre méthodes MC, filtre inverse, MV, MAP, MMSE
2. Méthodes avancées
◦ prise en compte d'une statistique non gaussienne pour le bruit
◦ régularisations avancées : restauration de bord francs, contrainte de positivité et de support
◦ réglage des hyper-paramètres
◦ estimation optimale temps-réel (filtrage de Kalman)
3. Introduction à l'optimisation : minimisation d'un critère dérivable de plusieurs variables
◦ critère quadratique, développement limité du critère, gradient, Hessien
◦ méthodes du premier ordre : gradient, gradient conjugué
◦ méthodes du second ordre : Newton, quasi-Newton, Levenberg-Marquardt
◦ notions d'optimisation sous contraintes.
4. Applications en imagerie à haute résolution angulaire
◦ reconstruction de front d'onde : Hartmann-Shack, analyseurs plan focal
◦ estimation et commande en optique adaptative
◦ recalage d'images
◦ restauration d'images corrigées par optique adaptative
Polycopié ou notes de cours disponibles
• « Introduction aux problèmes inverses. Applications à l’imagerie optique à haute résolution en
Astronomie », L. Mugnier d’après « Des données à l’objet : le problème inverse », chap. 9, sec. 6 de
« L’observation en astrophysique », P. Léna et coll., EDP Sciences, 2008.
• « Problèmes inverses en imagerie optique à travers la turbulence », L. Mugnier, G. Le Besnerais et S.
Meimon, d’après « Inversion in optical imaging through atmospheric turbulence », chap. 10 de
Bayesian Approach to Inverse Problems, sous la direction de J. Idier, ISTE, 2008.
•
Bibliographie
1. « Bayesian Approach to Inverse Problems », sous la direction de J. Idier, ISTE, 2008.
2. « Identification de modèles paramétriques à partir de données expérimentales », E. Walter et L. Pronzato,
Masson, 1994.
3. « Adaptive Optics in Astronomy », sous la direction de F. Roddier, CUP, 1999.